دستاورد جدید پژوهشگران آمریکایی،

یک الگوریتم هوش مصنوعی ­می­تواند جرایم آینده را با دقت 90 درصد پیش‌بینی کند

An Algorithm Can Predict Future Crimes with 90% Accuracy

پژوهشگران آمریکایی الگوریتمی ساخته‌اند که جرایم آینده را یک هفته پیش از وقوع، با دقت 90 درصد پیش‌بینی می‌کند . استفاده از این الگوریتم هر چند با نگرانی‌هایی همراه شده است، در واقع، نوعی بهینه‌سازی سیاست جنائی است.

شهر شیکاگو و هفت شهر دیگر که مورد بررسی یک تیم در دانشگاه شیکاگو قرار گرفته‌اند، شروع به دریافت گزارش رویدادهای جرم و جنایت کردند. این گزارش‌ها حاوی اطلاعاتی درباره آنچه اتفاق افتاده، نوع جنایت، محل وقوع، طول جغرافیایی و یک بازه زمانی است. همچنین، اطلاعاتی در مورد اینکه آیا افراد هنگام تعامل با افسران پلیس دستگیر شده‌اند یا خیر. با این توضیح که در شیکاگو، این داده‌ها با یک هفته تأخیر به روز می‌شوند.

به موجب این گزارش‌ها، شهر را به مناطق کوچکی از حدود دو بلوک در دو بلوک – به عرض حدود 1000 فوت [300 متر] دیجیتالی کردند و در یکی از بلوک‌ها، یک بازه زمانی از رویدادهای مختلف را بررسی نمودند، مانند جنایات خشونت‌آمیز، جنایات مالکیت، قتل و غیره. این منجر به ده‌ها هزار بازه زمانی می­شود که در حال تکامل هستند.

کاری که الگوریتم انجام می‌دهد این است که به این بازه‌های زمانی متقابل نگاه می‌کند، سپس متوجه می‌شود که چگونه آن­ها به یکدیگر وابسته هستند و چگونه یکدیگر را محدود می‌کنند؛ بنابراین چگونه یکدیگر را شکل می‌دهند. این یک مدل واقعاً پیچیده را به ارمغان می‌آورد. سپس می‌تواند پیش‌بینی کند که چه اتفاقی می‌افتد، مثلاً یک هفته قبل در یک بلوک خاص، به اضافه یا منهای یک روز. برای مثال در شیکاگو امروز چهارشنبه است؛ با استفاده از الگوریتم می‌توان گفت که چهارشنبه هفته آینده در تقاطع خیابان 37 و خیابان جنوب غربی، احتمالاً یک قتل رخ خواهد داد.

البته در استفاده از این قبیل سیستم‌ها مردم نگرانند که از آن­ها به عنوان ابزاری برای دستگیر کردن افراد قبل از ارتکاب جرم استفاده شود. ولی این اتفاق نخواهد افتاد و امکان آن اساساً منتفی است؛ چراکه این الگوریتم فقط یک رویداد را در یک مکان خاص پیش بینی می­کند. نمی­گوید که چه کسی قرار است رویداد را انجام دهد یا دینامیک یا مکانیک دقیق رویدادها را نمی‌گوید. لذا نمی‌توان از آن به همان شکلی که در فیلم «گزارش اقلیت» (Minority Report) استفاده می‌شود استفاده کرد.

در شیکاگو، اکثر افرادی که جان خود را در جنایات خشونت آمیز از دست می‌دهند، عمدتاً به دلیل خشونت گروهی است. این، شبیه فیلم «شرلوک هلمز» (Sherlock Holmes) نیست که در آن قتلی پیچیده در حال وقوع باشد. اگر پلیس یک هفته قبل در مورد آن بداند، که در واقع  دور از دسترس نیست – می‌تواند مداخله کند. البته این فقط مستلزم تشدید اجرا و اعزام افسران پلیس به آنجا نیست، راه‌های دیگری نیز برای مداخله اجتماعی وجود دارد تا احتمال وقوع جرم کاهش یابد و در حالت ایده‌آل، هرگز اتفاق نیفتد. درواقع، استفاده از این الگوریتم نوعی بهینه‌سازی سیاست جنائی است.

نگرانی دیگر در این خصوص، در مورد سوگیری الگوریتم‌ها است؛روش‌هایی که قبلاً امتحان شده‌اند ازجمله «یادگیری ماشین» (machine learning) که در آن مجموعه داده‌های کلان، اخذ شده و مشخص می‌کند که ویژگی‌های مهم چیست، سپس از آن ویژگی‌ها با یک شبکه عصبی پیچیده استاندارد برای تلاش برای پیش‌بینی استفاده می‌کند.

مشکل این رویکرد این است که به محض اینکه می­گوید برخی ویژگی‌ها مهم هستند، احتمالاً چیزهایی را از دست خواهد داد، بنابراین نتایج گمراه‌کننده‌ای ارائه خواهد کرد. این اتفاق در سال‌های 2014 تا 2016 در اداره پلیس شیکاگو افتاد. آن‌ها با استفاده از معادله‌ای شامل ویژگی‌هایی مانند سابقه دستگیری، افرادی را در فهرست قرار می‌دادند که احتمالاً مرتکب یا قربانی خشونت با اسلحه بودند. این باعث شد که بخش بزرگی از سیاه‌پوستان در این فهرست قرار گیرند.

اما نکته اینجاست که در این الگوریتم، استفاده از تحلیل ویژگی‌های مهم یا ورود دستی داده‌ها منتفی است؛ امری که تا حد امکان سوگیری را کاهش داده است.

منبع:

sciencefocus

مترجم:

دکتر مهرنوش ابوذری

میتوانید برای خواندن اخبار دیگر جهان به صفحه پویش های حقوقی پژوهشکده حقوقی شهر دانش مراجعه کنید.