دانشمندان دانشگاه شیکاگو آمریکا الگوریتم هوش مصنوعی را طراحی کرده اند که میتواند جرایم و جنایات آینده را یک هفته پیش از وقوع و با دقت ۹۰ درصد، پیش بینی کند.
فرارو- پیشرفتها در هوش مصنوعی و یادگیری ماشینی باعث علاقه دولتهایی شده است که میخواهند از این ابزارها برای جلوگیری از وقوع جرم استفاده کنند. در این میان، دانشمندان دانشگاه شیکاگو آمریکا میگویند الگوریتم هوش مصنوعی را طراحی کرده اند که میتواند جرایم و جنایات آینده را یک هفته پیش از وقوع و با دقت ۹۰ درصد، پیش بینی کند.
به گزارش فرارو، تاکنون تلاشهای زیادی برای رسیدن به یک پیش بینی درست از وقوع جرم صورت گرفته است، اما این تلاشهای اولیه همیشه بحثبرانگیز بوده است، زیرا آنها سوگیریهای سیستمی در نحوه عملکرد پلیس و رابطه پیچیده آن با جرم و جنایت و جامعه را در نظر نمیگیرند. از سوی دیگر حتی اگر این مسائل پیچیده را کنار بگذاریم، باز پیش بینی جرم و جنایت در جامعه تاکنون چیزی در حد یک احتمال پردازی بوده است.
با این همه، دانشمندان علوم اجتماعی اخیراً با استفاده از بانک دادههای دانشگاه شیکاگو، الگوریتم جدیدی ایجاد کردهاند که با یادگیری الگوهای زمانی و موقعیتهای جغرافیایی از دادههای عمومی در مورد جرایم خشونتآمیز و سرقت، میتواند وقوع جرم را پیشبینی کند. نکته جالبتر اینکه دانشمندان مدعی هستند که این پیش بینی وقوع جرم، از یک هفته قبل و با دقت تقریباً ۹۰ درصد، با موفقیت قابل انجام است.
در یک مدل جداگانه، تیم محققان همچنین واکنش پلیس به جرم و جنایت را با تجزیه و تحلیل تعداد دستگیریها پس از حوادث و مقایسه آن در میان محلههایی با وضعیت اجتماعی-اقتصادی متفاوت مورد مطالعه قرار دادند. دادههای این محققان نشان میدهد که جنایت در مناطق ثروتمندتر منجر به دستگیری بیشتر شده، در حالی که دستگیری در محلههای محروم کمتر بوده است. در حقیقت با وجود میزان جرم و جنایت بیشتر در محلههای فقیرنشین، این امر منجر به دستگیریهای بیشتری نشد که نشان از تفاوت در برخورد پلیس با این جرایم در محلههای فقیر نشین دارد.
به هر روی، الگوریتم هوش مصنوعی جدید، با استفاده از دادههای تاریخی شهر شیکاگو، در خصوص دو دسته کلی از رویدادهای گزارش شده آزمایش و اعتبارسنجی شد؛ جنایات خشونتآمیز (قتل، حمله و...) و جرایم مالی (سرقت). این دادهها به این دلیل مورد استفاده قرار گرفتند که به احتمال زیاد کمتر از مواردی مانند جرایم مواد مخدر مستعد سوگیری اجرایی هستند. تلاشهای قبلی برای پیشبینی جرم اغلب از یک رویکرد اپیدمی یا لرزهای استفاده میکنند، که در آن جرم به صورت ظهور در «نقاط داغ» که به مناطق اطراف گسترش مییابد به تصویر کشیده میشود. با این حال، این ابزارها محیط اجتماعی پیچیده، رابطه بین جرم و جنایت و تأثیرات اجرایی پلیس را در نظر نمیگیرند.
به عبارت دیگر، مدل جدید با بررسی مختصات زمانی و مکانی رویدادهای مجزا و کشف الگوهایی برای پیشبینی رویدادهای آینده، جرم را به طور مشخص از رویدادهای دیگر جدا میکند. این مدل، شهر را به کاشیهای فضایی تقریباً ۱۰۰۰ فوتی تقسیم میکند و به جای تکیه بر مرزهای محلی یا سیاسی سنتی، که در معرض تعصب هستند، جنایت را در این مناطق پیشبینی میکند. محققان میگویند این مدل با دادههای هفت شهر دیگر ایالات متحده، یعنی آتلانتا، آستین، دیترویت، لس آنجلس، فیلادلفیا، پورتلند و سانفرانسیسکو نیز به همان اندازه خوب عمل کرد.
دانشمندان میگویند عملکرد خوب این مدل بدان معنا نیست که باید از آن برای واکنش پیش از موعد به جرایم استفاده کرد بلکه ادارات پلیس میتوانند از آن برای کاهش ازدحام در مراکز نزدیک به محل وقوع جرم استفاده کنند. محققان اضافه میکنند که میتوان از این مدل بهعنوان یک ابزار شبیهسازی استفاده کرد تا ببینیم اگر جرم و جنایت در یک منطقه از شهر بالا برود، یا در منطقهای دیگر افزایش یابد، چه اتفاقی میافتد.
منبع: scitechdaily
ترجمه: مصطفی جرفی-فرارو