الگوریتم هوش‌مصنوعی جنایات آینده را یک هفته پیش با دقت ۹۰ درصد پیش‌بینی کرد

منتشر شده در scitechdaily به تاریخ ۲ جولای، ۲۰۲۲
لینک منبع: AI Algorithm Predicts Future Crimes One Week in Advance With 90% Accuracy

یک مدل کامپیوتری جدید از داده‌های در دسترس عموم برای پیش‌بینی دقیق جرم و جنایت در هشت شهر در ایالات‌متحده استفاده می‌کند، در حالی که افزایش واکنش پلیس در محله‌های ثروتمند را به قیمت مناطق کمسود نشان می‌دهد.

پیشرفت‌های صورت‌گرفته در زمینه هوش‌مصنوعی و یادگیری ماشینی، توجه دولت‌هایی را به خود جلب کرده‌است که می‌خواهند از این ابزارها برای پیش‌بینی پلیس برای جلوگیری از جرم و جنایت استفاده کنند. با این حال، تلاش‌های اولیه در پیش‌بینی جرم و جنایت بحث‌برانگیز بوده‌است، زیرا آن‌ها سوگیری‌های سیستماتیک در اجرای پلیس و رابطه پیچیده آن با جرم و جنایت و جامعه را در نظر نمی‌گیرند.

داده‌های دانشگاه شیکاگو و دانشمندان علوم اجتماعی الگوریتم جدیدی را توسعه داده‌اند که جرم و جنایت را با یادگیری الگوهای زمانی و مکانی از داده‌های عمومی در مورد جرایم خشونت‌آمیز و اموال پیش‌بینی می‌کند. این گزارش موفقیت خود را در پیش‌بینی جرائم آینده از یک هفته قبل با دقت تقریبا ۹۰٪ نشان داده‌است.

در یک مدل جداگانه، تیم محققان همچنین واکنش پلیس به جرم را با تجزیه‌وتحلیل تعداد دستگیری‌های پس از حوادث و مقایسه آن نرخ در میان محله‌های با وضعیت اجتماعی-اقتصادی مختلف را مورد مطالعه قرار دادند. آن‌ها مشاهده کردند که جرائم در نواحی ثروتمندتر منجر به دستگیری‌های بیشتر شده‌است، در حالی که دستگیری‌های محله‌های محروم کاهش پیدا کرده‌است. با این حال، جرم در محله‌های فقیر منجر به دستگیری‌های بیشتر نشد و این نشان‌دهنده تعصب در واکنش پلیس و نیروهای انتظامی است.

ایشانو چاتوپادیای، دکترا، استادیار پزشکی در شیکاگو و نویسنده ارشد مطالعه جدید که در ۳۰ ژوئن ۲۰۲۲ در مجله طبیعت رفتار انسان منتشر شد، گفت: «آنچه که ما می‌بینیم این است که وقتی شما بر این سیستم تاکید می‌کنید، نیاز به منابع بیشتری برای دستگیری افراد بیشتر در پاسخ به جرم در یک منطقه ثروتمند و بیرون کشیدن منابع پلیس از نواحی با وضعیت اجتماعی-اقتصادی پایین‌تر دارد.»

این ابزار جدید با استفاده از داده‌های تاریخی شهر شیکاگو در مورد دو دسته گسترده از رویدادهای گزارش‌شده مورد آزمایش و تایید قرار گرفت: جرائم خشونت‌آمیز (قتل، ضرب‌وشتم و ضرب‌وجرح) و جرایم مربوط به اموال (دزدی، سرقت و سرقت وسایل نقلیه موتوری). این داده‌ها به این دلیل مورد استفاده قرار گرفتند که به احتمال زیاد در مناطق شهری که عدم اعتماد تاریخی و عدم همکاری با نیروی انتظامی وجود دارد، به پلیس گزارش شده‌اند. چنین جرائمی همچنین کم‌تر در معرض انحراف اجرایی قرار دارند، همان‌طور که در مورد جرایم مواد مخدر، توقف رفت‌وآمد و دیگر تخلفات نیز وجود دارد.

تلاش‌های قبلی در پیش‌بینی جرم و جنایت اغلب از یک رویکرد همه‌گیر یا لرزه‌ای استفاده می‌کنند، که در آن جرم و جنایت در حال ظهور در «نقاط خاص» که به مناطق اطراف گسترش می‌یابند، به تصویر کشیده می‌شود. با این حال، این ابزارها، محیط اجتماعی پیچیده شهرها را از دست می‌دهند و رابطه بین جرم و جنایت و اثرات اجرای پلیس را در نظر نمی‌گیرند.

جیمز ایوانز، جامعه‌شناس، همکار نویسنده و دکترا، مکس پالوسکی پروفسور در شیکاگو و موسسه سانتافه گفت: «مدل‌های فضایی توپولوژی طبیعی شهر را نادیده می‌گیرند.» شبکه‌های حمل‌ونقل به خیابان‌ها، پیاده‌روها، قطار و خطوط اتوبوس احترام می‌گذارند. شبکه‌های ارتباطی به مناطقی از زمینه اجتماعی-اقتصادی مشابه احترام می‌گذارند. مدل ما کشف این ارتباطات را ممکن می‌سازد.

مدل جدید جرم و جنایت را با نگاه به مختصات زمانی و مکانی رویدادهای گسسته و تشخیص الگوها برای پیش‌بینی رویدادهای آینده جدا می‌کند. شهر را به کاشی‌های فضایی حدود ۱۰۰۰ فوت تقسیم می‌کند و جرم و جنایت را در این مناطق به جای تکیه‌بر همسایگی سنتی یا مرزهای سیاسی پیش‌بینی می‌کند، که در معرض تعصب نیز قرار دارند. این مدل، درست مانند داده‌های هفت شهر دیگر ایالات‌متحده، یعنی آتلانتا، آستین، دیترویت، لس‌آنجلس، فیلادلفیا، پورتلند، و سان‌فرانسیسکو، عمل کرد.

ایوانز گفت: «ما اهمیت کشف الگوهای خاص شهر برای پیش‌بینی جرم گزارش‌شده را نشان می‌دهیم، که دید تازه‌ای نسبت به محله‌های شهر ایجاد می‌کند، به ما اجازه می‌دهد تا سوالات جدیدی بپرسیم، و اجازه می‌دهد تا اقدام پلیس را به شیوه‌های جدید ارزیابی کنیم.»

چاتوپادیای مراقب است تا توجه کند که دقت این ابزار به این معنی نیست که باید برای هدایت اجرای قانون مورد استفاده قرار گیرد، چرا که ادارات پلیس از آن برای هجوم فعالانه به محله‌ها برای جلوگیری از جرم استفاده می‌کنند. در عوض، باید به جعبه‌ابزار سیاست‌های شهری و استراتژی‌های پلیس برای رسیدگی به جرم اضافه شود.

ما یک زوج دیجیتالی از محیط‌های شهری ایجاد کردیم. اگر شما داده‌های آن را از آنچه در گذشته اتفاق‌افتاده تغذیه کنید، به شما خواهد گفت که در آینده چه اتفاقی خواهد افتاد. این کار جادویی نیست، محدودیت‌هایی وجود دارد، اما ما آن را تایید کرده‌ایم و واقعا خوب کار می‌کند. حالا شما می‌توانید از این به‌عنوان یک ابزار شبیه‌سازی استفاده کنید تا ببینید چه اتفاقی می‌افتد اگر جرم و جنایت در یک منطقه از شهر بالا برود، یا نیروی انتظامی در منطقه دیگر افزایش یابد. اگر همه این متغیرهای مختلف را اعمال کنید، می‌توانید ببینید که سیستم‌ها در پاسخ چگونه تکامل می‌یابند.

این متن با استفاده از ربات ‌ترجمه مقالات هوش‌مصنوعی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.