A mesterséges intelligencia egy héttel előre 90 százalékos pontossággal jósolja meg a bűnözést

Egy mesterséges intelligencia, amely a bűnözési adatokat kutatja, akár 90 százalékos pontossággal megjósolhatja a következő héten elkövetett bűncselekmények helyét, de aggodalomra ad okot, hogy az ilyen rendszerek hogyan képesek fenntartani az elfogulatlanságot. Amerika szerte a nemzeti kisebbségek okán, tudnia kell a hatósági eljárások során azt, hogy van e a kezdeményezett eljárásoknak, etnikai oka, egyes csoportok és kisebbségek szenvednek e hátrányt ennek okán. Hasonló rendszerekről bebizonyosodott, hogy fenntartják a rasszista elfogultságot a rendfenntartásban , és ez ebben az esetben is igaz lehet, de a kutatók, akik létrehozták ezt az AI-t, azt állítják, hogy ez is felhasználható ezen elfogultságok feltárására.

Ishanu Chattopadhyay , a Chicagói Egyetem munkatársa és munkatársai olyan mesterséges intelligencia-modellt hoztak létre, amely 2014-től 2016 végéig elemezte a Chicagóból (Illinois állam) származó történelmi bűnözési adatokat, majd megjósolta a bűnözés mértékét a képzési időszakot követő hetekre.

Ez a modell egy hétre előre, akár 90 százalékos pontossággal megjósolta bizonyos bűncselekmények előfordulásának valószínűségét a körülbelül 300 méter átmérőjű négyzetekre osztott városban. Emellett hét másik amerikai nagyváros adatai alapján is betanították és tesztelték, hasonló szintű teljesítmény mellett.

Az AI-k bűnözés előrejelzésére irányuló korábbi próbálkozásai ellentmondásosak voltak, mert fenntarthatják a faji elfogultságot. Az elmúlt években a Chicagói Rendőrkapitányság egy olyan algoritmust próbált ki, amely összeállította azon személyek listáját, akikről úgy ítélték meg, hogy a leginkább veszélyeztetettek egy lövöldözésben , akár áldozatként, akár elkövetőként. Az algoritmus részleteit és a listát eleinte titokban tartották, de amikor a listát végül nyilvánosságra hozták, kiderült, hogy a városban a 20 és 29 év közötti fekete férfiak 56 százaléka szerepelt rajta.

Chattopadhyay elismeri, hogy a modellje által használt adatok is elfogultak, de azt állítja, hogy erőfeszítéseket tettek az elfogultság hatásának csökkentésére, és az AI nem azonosítja a gyanúsítottakat, csak a bűncselekmény lehetséges helyszíneit. „Ez nem kisebbségi jelentés ” – mondja.

„A rendészeti erőforrások nem végtelenek. Tehát azt szeretné optimálisan használni. Jó lenne, ha tudná, hol történnek gyilkosságok” – mondja.

Chattopadhyay szerint a mesterséges intelligencia előrejelzései biztonságosabban használhatók fel a politika magas szintű tájékoztatására, nem pedig közvetlenül a rendőrségi erőforrások elosztására. Nyilvánosságra hozta a tanulmányban használt adatokat és algoritmust, hogy más kutatók is megvizsgálhassák az eredményeket.

A kutatók az adatokat arra is felhasználták, hogy keressenek olyan területeket, ahol az emberi elfogultság hatással van a rendfenntartásra. Elemezték a bűncselekmények nyomán történt letartóztatások számát Chicago különböző társadalmi-gazdasági szintű negyedeiben. Ez azt mutatta, hogy a gazdagabb területeken elkövetett bűncselekmények több letartóztatást eredményeztek, mint a szegényebb területeken, ami a rendőri válasz elfogultságára utal.

Lawrence Sherman , / Lawrence W. Sherman amerikai kísérleti kriminológus és rendőroktató, aki a bizonyítékokon alapuló rendészet alapítójaaz Egyíesült Királyságban/  a Cambridge Center for Evidence-Based Policing (Egyesült Királyság) munkatársa azt mondta, aggodalmát fejezi ki amiatt, hogy a tanulmányba reaktív és proaktív rendészeti adatokat is beépítenek, vagy amiatt, hogy a bűncselekmények általában azért kerülnek rögzítésre, mert az emberek feljelentik őket, illetve olyan bűncselekmények, amelyeket általában azért rögzítenek, mert a rendőrök kimennek keresni őket. Az utóbbi típusú adatok nagyon érzékenyek az elfogultságra, mondja. „Ez a rendőrség szándékos megkülönböztetését tükrözheti bizonyos területeken” – mondja.

Folyóirat hivatkozása: Nature Human Behavior , DOI: 10.1038/s41562-022-01372-0