Prediktivna analitika u policiji: vaganje prednosti i nedostataka

Uključivanje i prevencija kriminala u zajednici

Takvi alati mogu se također odrediti loci za angažman u zajednici za borbu protiv izazova kao što su Dubaijev ilegalni automobilski trkački utrka i određene vrste kriminala usmjerenih na mladiće. U takvim slučajevima, podaci mogu osnažiti općinu radeći s policijom da osmisli strategije prevencije.

“Predictions can drive that behaviour from the city as a whole, rather than just by policing alone. People think of police on patrol: where is the cop on the beat? But just having a chat with the locals, building relations in communities, can all be driven by predictive policing technologies,” Kar says.

Rob Hankin, glavni tehnološki službenik za analitiku podataka Cybit, kaže Policijska vizija za policijsku policiju za strateškog rada policije 2030 Strategija naglašava potencijal analitike podataka za pokretanje povjerenja, sigurnosti i aktivnog rada policije.

“Čujem negativnu stranu puno. Ali tokom godina smo radili sa West Yorkshireom, Northimbria, Lincolnshireom, Wiltshireom, Northamptonshire policijom”, kaže, napominjući da prediktivno policiranje zaista može pokriti nešto od automatiziranih izvještaja ili drugih osnovnih aktivnosti na “više strateškiju”. “Dokazali smo da to zaista možemo raditi.”

Na primjer, Cybit je sarađivao sa Northumbria policijom na inicijativu koja je ciljanje ozbiljnog nasilja, uključujući kriminal noža i napada kiseline. Kućna uredska sredstva za to je otišla na dodatna policijska resursa, uključujući opremu kao što su kamere tijela, kao i analitika podataka s prediktivnim AI elementom, a Cybit je pogledao chat i analiza oko vrućih mjesta.

Podaci mogu voziti prekomjerne stanice ili unakrsnu prisilnu saradnju kako bi razumjeli dinamične obrasce kriminala i dizajna preventivnih mjera, a može se koristiti za poboljšanje ažuriranja žrtve, smanjiti brojeve zadataka i pomoći nadgledanjem ili upravljanju.

Razvijanje boljeg razumevanja kriminala

Hankin dodaje: “Kada smo radili s Lincolnshire policijom, policijskom informacijom bile su vrlo lokalizirane na razinu stanica. Koristeći prediktivnu analitiku, mogla bi se pokazati tamo gdje su se dogodio stvarni zajednički, klastering i odlasci, kako bi mogli dostaviti informacije koje sugeriraju određeni skup provale mogu biti potencijalno povezani.”

Detektiv-inspektor je izvršio analizu oko drugih policijskih stanica, koje su potvrdile da su provalnici shvaćeni samo kao izolirani događaji. Potencijalne veze koje se pojavljuju podacima koje su značila da bi policija mogla rasporediti u prave područja u pravim vremenima.

Podaci mogu i suprotstaviti pristranost. Dobra analiza pogonjena podacima može izložiti i povezati činjenice koje im omogućuju pogoditi ispravno rješenje. U ovom slučaju provalnici su bili u područjima pored isteza autoputa. Tajni tim bi mogao biti raspoređen na osnovu koga god radila prekovremeni rad, ali podaci su otkrili kako su provalnici grupirani i da se u određeno vrijeme dogodilo određeno veče.

“Oni su se rasporedili resursima mnogo taktički nego što bi učinili”, kaže Hankin.

Helen Kimber, podatkovni naučnik za pravdu i javnu sigurnost na sigurnosnim rješenjima i pružatelj usluga Genetec, slaže se. “Ideja je da je mnogo pisane informacije o zločinima, posebno provalnicima, zaista teško da analitičari okupljaju”, kaže ona. “Na primjer, postoji velika razlika između provalnika koji dolazi s alatom ili je metodički, nasuprot nekome oportunije.”

To je rečeno, mnogi projekti danas nisu još uvijek prediktivni, već o organiziranju i smislu trovi povezanih podataka o krivičnim djelima i njihovim kontekstom, kao što su tamo i kada su ranije počinjeni. Rezultirajući klasteri podataka i korelacijski metapodaci u konačnici će ući u razvoj zvuka prediktivne analitike za rad policije.

Transparentnost je ključna za smanjenje rizika pristranosti – pa se Kimber fokusira na izgradnju objašnjene umjetne inteligencije (AI), tako da policija može svjedočiti na sudu i objasniti kako algoritam pomaže da im se algoritam pomaže da im algoritam pomaže da postignu određeni zaključak. Kimber ističe da je to jedan od razloga što ljudi trebaju izvršiti konačne odluke o policiji, uzimajući u obzir potencijalne pristranosti na osnovu tih podataka.

James Nahon, šef savjetovanja, javne sigurnosti i odbrane na podacima NTT-a u Velikoj Britaniji i Irskoj, slaže se na potrebu za “odgovarajuće upravljanje” – uključujući punu odgovornost, pravičnost, transparentnost, objašnjenje, natjecateljstvo i naknadu.

Prediktivno policiranje, međutim, može istinski pomoći u borbi protiv zaštite rizika – na primjer, nedostaju li osobe 10 godina kasnije u većem riziku od određene prijetnje? I zajednički podaci mogu pomoći vijećima da upravljaju problemima u svom području, poput antisocijalnog ponašanja.

“Možete pogledati regresijski model da se prediktivno podudara, smanjujući administrativne opterećenja i gledajući efikasnost, a ne da čovjek mora pogledati kroz cjelokupnu” podalju nestalih “”, kaže Nahon.

NTT kaže da je, učinio dobro, postoji potencijal za prediktivne AI i Analitike koji se približavaju javnim dobrobiti. Iako, kao i sa bilo čim, obično se nalazi prostor za poboljšanje, što je dio zašto je potreban sistem sa transparentnosti i naknadama.

Organizacije kao što je država u Velike Britanije sve su se više alominirale konceptom “prediktivnog rada policije”, izdvajajući “predviđanje ubistva” istraživanje Ministarstva pravde i veće Manchester policije. Oni se bave i dijeljenjem podataka uključenim, ukazujući na rizik od pristranosti i strukturnog rasizma, posebno od zloupotrebe ličnih podataka.

Međutim, ne pokušavaju tvrditi da nije moguće predvidjeti predviđanja koja spriječe zločin. Recenzirano 2024 studija o policijskoj policiji s velikim podacima sa University College London ispituje 161 prethodne radove, smatrajući da su samo šest “dokaza snažnih” s obzirom na učinkovitost ili na neki drugi način u velikoj mjeri. Njihov je zaključak bio da je potrebno više istraživanja na koji se kreatori politika mogu osloniti.

Irene Van Droffelaar, viši analitičar za odbranu, sigurnosnu i pravosuđe u Rangu, kaže da je korištenje bilo kakvih podataka za poboljšanje rada policije, jer su rizici od povijesnog, preživjelog i pristranosti prikupljanja stvarni. Najčešće detaljni podaci su u uspješnim slučajevima, gdje je osumnjičeni uhapšen ili kada se nešto zabilježi – na primjer, jahanje ulin bicikl vjerojatno je zabilježen samo ako je jahač kažnjen.

Dakle, tehnike se trebaju uvijek ocjenjivati ​​u odnosu na trenutne alternative, a policija ima samo podatke o prošlim predmetima, dok se modus operandi brzo prilagođava promjenama u policiji, ona kaže. Nema idealnog ili savršenog sistema.

“Alternativa [to data-based prediction]realno, bile bi odjele ili pojedini službenici koji su svoj prosudbili, koristeći vlastitu heuristiku – na primjer, pri odlučivanju gdje patrolirati. Te heuristike često utječu slični izazovi AI sistemima “, dodaje Droffelaar.