in

AI predice el crimen con una semana de anticipación con un 90 por ciento de precisión, pero también puede perpetuar el sesgo racista

Una nueva herramienta de inteligencia artificial (IA) desarrollada por científicos en Chicago, EE. UU., pronostica el crimen aprendiendo patrones en el tiempo y ubicaciones geográficas sobre delitos violentos y contra la propiedad.

RoboCop puede estar reiniciando el siglo XXI, ya que se ha encontrado un algoritmo para predecir futuros delitos con una semana de anticipación con un 90 por ciento de precisión.

La herramienta de inteligencia artificial (IA) pronostica los delitos aprendiendo patrones en el tiempo y las ubicaciones geográficas de los delitos violentos y contra la propiedad.

Los científicos de datos de la Universidad de Chicago entrenaron el modelo informático utilizando datos públicos de ocho ciudades importantes de EE. UU.

Sin embargo, ha resultado controvertido, ya que el modelo no tiene en cuenta los sesgos sistémicos en la aplicación policial y su compleja relación con el crimen y la sociedad.

Se ha demostrado que sistemas similares en realidad perpetúan el sesgo racista en la vigilancia, lo que podría ser replicado por este modelo en la práctica.

Pero estos investigadores afirman que su modelo podría usarse para exponer el sesgo y solo debería usarse para informar las estrategias policiales actuales.

Por ejemplo, descubrió que las áreas socioeconómicamente desfavorecidas pueden recibir una atención policial desproporcionadamente menor que los vecindarios más ricos.

Una nueva herramienta de inteligencia artificial (IA) desarrollada por científicos en Chicago, EE. UU., pronostica el crimen aprendiendo patrones en el tiempo y ubicaciones geográficas sobre delitos violentos y contra la propiedad.

Delitos violentos (izquierda) y delitos contra la propiedad (derecha) registrados en Chicago en el período de dos semanas entre el 1 y el 15 de abril de 2017. Estos incidentes se utilizaron para entrenar el modelo informático.

Delitos violentos (izquierda) y delitos contra la propiedad (derecha) registrados en Chicago en el período de dos semanas entre el 1 y el 15 de abril de 2017. Estos incidentes se utilizaron para entrenar el modelo informático.

Precisión de las predicciones de los modelos de delitos violentos (izquierda) y contra la propiedad (derecha) en Chicago.  La predicción se realiza con una semana de anticipación y el evento se registra como una predicción exitosa si se registra un delito dentro de ± un día de la fecha prevista.

Precisión de las predicciones de los modelos de delitos violentos (izquierda) y contra la propiedad (derecha) en Chicago. La predicción se realiza con una semana de anticipación y el evento se registra como una predicción exitosa si se registra un delito dentro de ± un día de la fecha prevista.

El Departamento de Policía de Chicago probó un algoritmo que creó una lista de personas consideradas con mayor riesgo de estar involucradas en un tiroteo, ya sea como víctima o como perpetrador, en 2016.

Inicialmente, los detalles de los resultados se mantuvieron en secreto, pero finalmente se supo que el 56 por ciento de los hombres negros en Chicago de entre 20 y 29 años figuraban en la lista.

Lawrence Sherman en el Centro de Cambridge para la Vigilancia Basada en la Evidencia, dijo Científico nuevo que le preocupa que el modelo analice datos susceptibles de sesgo.

Él dijo: ‘Podría estar reflejando una discriminación intencional por parte de la policía en ciertas áreas’.

¿CÓMO FUNCIONA LA IA?

El modelo fue entrenado utilizando datos históricos de incidentes criminales en Chicago desde 2014 hasta finales de 2016.

Luego predijo los niveles de criminalidad para las semanas que siguieron al período de capacitación.

Los incidentes con los que fue entrenado cayeron en delitos violentos o delitos contra la propiedad.

Tiene en cuenta el tiempo y las coordenadas espaciales de los delitos individuales y detecta patrones en ellos para predecir eventos futuros.

Divide la ciudad en mosaicos espaciales de aproximadamente 1,000 pies de ancho y predice el crimen dentro de estas áreas.

El modelo informático se entrenó utilizando datos históricos de incidentes delictivos de la ciudad de Chicago desde 2014 hasta finales de 2016.

Luego predijo los niveles de criminalidad para las semanas que siguieron a este período de capacitación.

Los incidentes con los que se entrenó cayeron en dos amplias categorías de eventos que son menos propensos al sesgo de aplicación.

Estos fueron delitos violentos, como homicidios, asaltos y agresiones, y delitos contra la propiedad, que incluyen robos, robos y robos de vehículos motorizados.

También era más probable que estos incidentes se reportaran a la policía en áreas urbanas donde existe desconfianza histórica y falta de cooperación con las fuerzas del orden.

El modelo también tiene en cuenta las coordenadas temporales y espaciales de los delitos individuales y detecta patrones en ellos para predecir eventos futuros.

Divide la ciudad en mosaicos espaciales de aproximadamente 1,000 pies de ancho y predice el crimen dentro de estas áreas.

Esto se opone a ver las áreas como ‘puntos críticos’ de delincuencia que se extienden a las áreas circundantes, como lo han hecho estudios anteriores.

Los puntos conflictivos a menudo se basan en límites políticos o vecinales tradicionales, que también están sujetos a prejuicios.

El coautor, el Dr. James Evans, dijo: «Los modelos espaciales ignoran la topología natural de la ciudad,

‘Las redes de transporte respetan calles, aceras, líneas de tren y autobús, y las redes de comunicación respetan áreas de nivel socioeconómico similar.

‘Nuestro modelo permite el descubrimiento de estas conexiones.

«Demostramos la importancia de descubrir patrones específicos de la ciudad para la predicción de delitos denunciados, lo que genera una nueva visión de los barrios de la ciudad, nos permite hacer preguntas novedosas y evaluar la acción policial de nuevas maneras».

Según los resultados publicados ayer en Naturaleza Comportamiento Humanoel modelo se desempeñó tan bien en los datos de otras siete ciudades de EE. UU. como en Chicago.

Gráfico que muestra el enfoque de modelado de la herramienta de IA.  Una ciudad se divide en pequeños mosaicos espaciales de aproximadamente 1,5 veces el tamaño de un bloque de ciudad promedio y el modelo calcula patrones en los flujos de eventos secuenciales registrados en distintos mosaicos.

Gráfico que muestra el enfoque de modelado de la herramienta de IA. Una ciudad se divide en pequeños mosaicos espaciales de aproximadamente 1,5 veces el tamaño de un bloque de ciudad promedio y el modelo calcula patrones en los flujos de eventos secuenciales registrados en distintos mosaicos.

Estos fueron Atlanta, Austin, Detroit, Los Ángeles, Filadelfia, Portland y San Francisco.

Luego, los investigadores utilizaron el modelo para estudiar la respuesta policial a incidentes en áreas con diferentes antecedentes socioeconómicos.

Descubrieron que cuando los delitos se cometieron en áreas más ricas, atrajeron más recursos policiales y resultaron en más arrestos que aquellos en vecindarios desfavorecidos.

Esta sugerencia sesgo en la respuesta y aplicación de la policía.

El autor principal, el Dr. Ishanu Chattopadhyay, dijo: «Lo que estamos viendo es que cuando se estresa el sistema, se requieren más recursos para arrestar a más personas en respuesta al crimen en un área rica y se alejan los recursos policiales de las áreas de nivel socioeconómico más bajo». ‘

El modelo también encontró que cuando los delitos ocurrieron en un área más rica, atrajeron más recursos policiales y resultaron en más arrestos que aquellos en vecindarios desfavorecidos.

El modelo también encontró que cuando los delitos ocurrieron en un área más rica, atrajeron más recursos policiales y resultaron en más arrestos que aquellos en vecindarios desfavorecidos.

Precisión de las predicciones del modelo sobre delitos violentos y contra la propiedad en las principales ciudades de EE. UU.  a: Atlanta, b: Filadelfia, c: San Francisco, d: Detroit, e: Los Ángeles, f: Austin.  Todas estas ciudades muestran un desempeño predictivo comparablemente alto

Precisión de las predicciones del modelo sobre delitos violentos y contra la propiedad en las principales ciudades de EE. UU. a: Atlanta, b: Filadelfia, c: San Francisco, d: Detroit, e: Los Ángeles, f: Austin. Todas estas ciudades muestran un desempeño predictivo comparablemente alto

La utilización de modelos informáticos en la aplicación de la ley ha resultado controvertida, ya que existe la preocupación de que pueda inculcar aún más los sesgos policiales existentes.

Sin embargo, esta herramienta no pretende dirigir a los agentes de policía a áreas donde predice que podría ocurrir un delito, sino que se utiliza para informar las estrategias y políticas policiales actuales.

Los datos y el algoritmo utilizados en el estudio se han hecho públicos para que otros investigadores puedan investigar los resultados.

El Dr. Chattopadhyay dijo: ‘Creamos un gemelo digital de entornos urbanos. Si lo alimenta con datos de lo que sucedió en el pasado, le dirá lo que sucederá en el futuro.

‘No es mágico, hay limitaciones, pero lo validamos y funciona realmente bien.

“Ahora puede usar esto como una herramienta de simulación para ver qué sucede si aumenta el crimen en un área de la ciudad o si aumenta la vigilancia en otra área.

«Si aplica todas estas variables diferentes, puede ver cómo evoluciona el sistema en respuesta».

¿Podría un ‘detector de mentiras’ de inteligencia artificial que lee rostros decirle a la policía cuándo los sospechosos no están diciendo la verdad?

Olvídese de la vieja rutina de ‘policía bueno, policía malo’: pronto la policía podría recurrir a sistemas de inteligencia artificial que pueden revelar las verdaderas emociones de un sospechoso durante los interrogatorios.

La tecnología de escaneo facial se basaría en microexpresiones, pequeños movimientos faciales involuntarios que revelan sentimientos verdaderos e incluso revelan cuándo las personas mienten.

La startup con sede en Londres Facesoft ha estado entrenando una IA en microexpresiones que se ven en los rostros de personas de la vida real, así como en una base de datos de 300 millones de expresiones.

La firma ha estado en conversaciones con las fuerzas policiales del Reino Unido y Mumbai sobre posibles aplicaciones prácticas para la tecnología de IA.

Leer más aquí

Fuente

Publicado por notimundo

Nick Mohammed de Ted Lasso no sabe si la temporada 3 será la última

Nick Mohammed de Ted Lasso no sabe si la temporada 3 será la última

Muchos activistas contra el aborto antes de Roe eran liberales que se inspiraron en la enseñanza social católica del siglo XX.

Muchos activistas contra el aborto antes de Roe eran liberales que se inspiraron en la enseñanza social católica del siglo XX.