بعدی- پیشرفت در هوش مصنوعی و یادگیری ماشینی، توجه دولت هایی را که به دنبال استفاده از این ابزارها برای پیشگیری از جرم هستند، برانگیخته است. در همین حال، دانشمندان دانشگاه شیکاگو در ایالات متحده می گویند که آنها یک الگوریتم هوش مصنوعی طراحی کرده اند که می تواند جرایم و جنایات آینده را یک هفته قبل از وقوع آنها با دقت 90 درصد پیش بینی کند.
به گزارش فردا؛ تلاش‌های زیادی برای دستیابی به پیش‌بینی دقیق جرم صورت گرفته است، اما این تلاش‌های اولیه همیشه بحث‌برانگیز بوده‌اند، زیرا سوگیری‌های سیستمی در نحوه عملکرد پلیس و رابطه پیچیده آنها با جرم و جامعه را در نظر نمی‌گیرند. از سوی دیگر، حتی اگر این مسائل پیچیده را کنار بگذاریم، پیش بینی جرم در جامعه تاکنون نوعی تحلیل احتمالی بوده است.
با این حال، اخیراً جامعه‌شناسان الگوریتم جدیدی را با استفاده از بانک داده‌های دانشگاه شیکاگو توسعه دادند که می‌تواند با یادگیری الگوهای زمانی و مکان‌های جغرافیایی از داده‌های عمومی در مورد جرایم خشن و سرقت، جرم را پیش‌بینی کند. جالب ترین چیز این است که دانشمندان ادعا می کنند که این پیش بینی جرم را می توان با موفقیت یک هفته قبل و با دقت نزدیک به 90 درصد انجام داد.
در یک مدل جداگانه، تیم تحقیقاتی همچنین واکنش پلیس به جرم را با تجزیه و تحلیل تعداد دستگیری‌ها پس از حوادث و مقایسه آنها بین محله‌هایی با موقعیت‌های اجتماعی-اقتصادی متفاوت مورد مطالعه قرار دادند. داده‌های محققان نشان داد که جرم و جنایت در مناطق ثروتمندتر منجر به دستگیری‌های بیشتر شد، در حالی که دستگیری‌ها در محله‌های محروم کمتر بود. در واقع، علیرغم نرخ بالاتر جرم و جنایت در محله های فقیر نشین، این امر منجر به دستگیری بیشتر نشد و این نشان دهنده تفاوت در نحوه رسیدگی پلیس به این جنایات در محله های فقیر نشین است.
با این حال، الگوریتم جدید هوش مصنوعی با استفاده از داده های تاریخی شهر شیکاگو در مورد دو دسته کلی از رویدادهای گزارش شده آزمایش و اعتبارسنجی شد. جرایم خشن (قتل، حمله و غیره) و جرایم مالی (سرقت). این داده ها به این دلیل استفاده شد که نسبت به مسائلی مانند جرایم مواد مخدر کمتر مستعد سوگیری اجرایی است. تلاش‌های قبلی برای پیش‌بینی جرم اغلب از رویکرد اپیدمیولوژیک یا لرزه‌ای استفاده می‌کنند، که در آن جرم به عنوان ظهور در “نقاط داغ” که به مناطق اطراف گسترش می‌یابد به تصویر کشیده می‌شود. با این حال، این ابزارها محیط اجتماعی پیچیده، و رابطه بین جرم و اثرات اجرای پلیس را در نظر نمی گیرند.
به عبارت دیگر، مدل جدید با بررسی مختصات زمانی و مکانی رویدادهای فردی و کشف الگوهایی برای پیش بینی رویدادهای آینده، جرم را به وضوح از سایر رویدادها جدا می کند. این مدل شهر را به حدود 1000 فوت کاشی فضایی تقسیم می‌کند و جنایت را در این مناطق پیش‌بینی می‌کند، نه اینکه بر مرزهای محلی یا سیاسی سنتی تکیه کند، که در معرض تعصب هستند. محققان گفتند که این مدل همچنین با داده های هفت شهر دیگر ایالات متحده: آتلانتا، آستین، دیترویت، لس آنجلس، فیلادلفیا، پورتلند و سانفرانسیسکو عملکرد خوبی داشت.
دانشمندان می گویند که عملکرد خوب این مدل به این معنی نیست که باید از آن برای واکنش فعالانه به جرایم استفاده شود، بلکه ادارات پلیس می توانند از آن برای کاهش ازدحام بیش از حد در مراکز نزدیک به صحنه جرم استفاده کنند. محققان اضافه می‌کنند که این مدل می‌تواند به‌عنوان یک ابزار شبیه‌سازی مورد استفاده قرار گیرد تا ببیند اگر جرم و جنایت در یک منطقه از شهر افزایش یابد یا در منطقه‌ای دیگر افزایش یابد، چه اتفاقی می‌افتد.
منبع: scitechdaily
مترجم: مصطفی الجرفی فرارو
