Karanlık bilimkurgu hikayelerini anımsatan gözetim devleti faaliyetlerinden korkmasına rağmen, polis umudunu tahmin eden analitik gelişmelerinin siber suç patlamasıyla mücadele etmek de dahil olmak üzere sıkı bütçeleri ve kaynakları yönetmelerine yardımcı olacağını umuyor.
Sebebi ve etkiyi çivilemek asla kolay değildir, ancak jeo-uzamsal AI Company Ignesa’da büyüme başkanı Umair Khalid, daha akıllı, veri analitiği tabanlı polislik stratejilerine ihtiyaç olduğunu söylüyor.
Ignesa, Dubai polisi için algoritmik suç tahmin teknolojisi geliştirdi ve kullandı. Uygulamasından bu yana, şiddet suçlarını içeren “endişe verici suç” oranı yıl içinde% 25 düştü.
Veri kümeleri de dahil olmak üzere önyargı gerçek zarar verebilir. Yine de dünya çapında polis güçleri, genellikle yetersiz kaynaklara sahip, geleneksel polis çalışmaları ile etkinlik tavanına çarptı. Khalid, suç oranlarının esnek olduğunu kanıtlıyor. Ignesa, Mauritius, Güney Afrika, Hindistan, ABD ve İngiltere’den 10 yıllık verilere baktı ve sadece Hindistan% 13.7’ye kadar bir suç oranı azaltma sağladı – bu da yılda% 1,4.
Khalid, “Birisi suç tahmini analizi yapmıyorsa, yatırımları reaktif polisliğe giriyor” diyor. “Ancak diğer her alanda, öngörücü, proaktif bir yaklaşım normaldir. Suç azaltma, herhangi bir polis departmanı için Kuzey Yıldız metriğidir.”
Tahmini polisliğin potansiyel tarihleri, yüz tanıma veya topluluk profillemesinden çok daha geniş uygulamalarla onlarca yıl öncesine dayanıyor.
Ignesa’nın kurucusu ve genel müdürü Spandan Kar, önyargı ile ilgili risklerin gerçek olduğunu söylüyor. Bununla birlikte, bağlamsal veriler, etik, istatistiksel olarak geçerli şekillerde suç olaylarıyla eşleştirilebilir. Kar, “Suç tahmini ihtiyacı geldi çünkü ihtiyacımız olan şey proaktif olmak. Eğer meydana gelen suçluların ve suçların kalıplarını tanımlayabilirsem, neredeyse geleceği tahmin edebilirim” diyor Kar.
Mutlaka belirli toplulukları, dinleri, bireyleri veya etnik kökenleri incelemekle ilgili değildir. Bunun yerine, Ignesa’nın konuma dayalı zekası, polisin hedeflemeyi seçebileceği ve polisin suçu önlemek için doğru yerde ve zamanında olmasına yardımcı olabileceği bir alan ve zamanın “küçük eyleme geçirilebilir bir penceresini” analiz eder. Örneğin, Dubai Polisi, tahmini yazılım tarafından 1400km’de önerilen özel rotalarda 48 araca sahiptir.2 ve 13 polis karakolu.
Kar, “Devriye arabalarının ihtiyaç duyulduğu sırada savunmasız alanda olmak için önemli bir yol izlemesini sağlayabiliriz” dedi. “En az üç kez, insanları bu şekilde kırmızı olarak yakaladılar. Yanıt sürelerinde de bir azalma bekliyoruz.”
Topluluğun katılımını ve suçu önlemeyi teşvik etmek
Bu tür araçlar, Dubai’nin yasadışı otomobil yarışları ve bazı gençlik odaklı suç türleri gibi zorluklarla mücadele etmek için toplum katılımı için lokusları da belirleyebilir. Bu gibi durumlarda, veriler önleme stratejilerini tasarlamak için polisle çalışan belediyeyi güçlendirebilir.
Kar, “Tahminler bu davranışı sadece polislikten ziyade şehirden bir bütün olarak yönlendirebilir. İnsanlar devriye gezisinde polisi düşünüyorlar: ritimdeki polis nerede? Ama sadece yerlilerle sohbet etmek, topluluklarda ilişkiler kurmak, öngörücü polis teknolojileri tarafından yönlendirilebilir” diyor.
Veri Analizi Danışmanı Cybit Teknoloji Başkanı Rob Hankin, Stratejik Polislik Ortaklığı Kurulu’nun Polislik Vizyonu 2030 Strateji, veri analitiğinin güven, güvenlik ve aktif polisliği artırma potansiyelini vurgular.
“Olumsuz tarafı çok duyuyorum. Ama yıllar geçtikçe, West Yorkshire, Northumbria, Lincolnshire, Wiltshire, Northamptonshire Polisi ile çalıştık” diyor, öngörücü polisliğin gerçekten otomatik raporları veya diğer temel faaliyetleri “daha stratejik” çalışmaya kadar her şeyi kapsayabileceğini belirtti. “Bunun gerçekten işe yarayabileceğini kanıtladık.”
Örneğin, Cybit Northumbria polisi ile bıçak suçu ve asit saldırıları da dahil olmak üzere ciddi şiddeti hedefleyen bir girişimde çalıştı. Bunun için ev ofisi finansmanı, vücut kameraları gibi ekipmanların yanı sıra öngörücü bir AI öğesine sahip veri analizi de dahil olmak üzere ekstra polis kaynaklarına gitti ve Cybit, sıcak noktalar etrafında sohbet ve analize baktı.
Veriler, suç ve tasarım önleyici tedbirlerin dinamik kalıplarını anlamak için çapraz istasyon veya çapraz işbirliğini sağlayabilir ve mağdur güncellemelerini iyileştirmek, görev numaralarını azaltmak ve izleme veya yönetime yardımcı olmak için kullanılabilir.
Suçun daha iyi anlaşılması geliştirmek
Hankin şunları ekliyor: “Lincolnshire Polisi ile çalıştığımızda, polislik bilgileri istasyon seviyesine kadar çok yerelleştirildi. Öngörücü analitik kullanmak, belirli bir hırsızlık kümesinin potansiyel olarak ilişkili olabileceğini öneren bilgiler sunabilmek için gerçek ortaklığın, kümeleme ve aykırı değerlerin nerede gerçekleştiğini gösterebileceğimiz anlamına geliyordu.”
Bir dedektif müfettiş, hırsızlıkların sadece izole olaylar olarak anlaşıldığını doğrulayan diğer polis karakolları etrafında analizi satın aldı. Verilerle ortaya çıkan potansiyel bağlantılar, polisin doğru zamanlarda doğru alanlara yerleştirilebileceği anlamına geliyordu.
Veriler de önyargıya karşı olabilir. Veri odaklı iyi bir analiz, doğru bir çözüme ulaşmalarını sağlayan gerçekleri ortaya çıkarabilir ve bağlayabilir. Bu durumda, hırsızlıklar bir otoyolun yanındaki bölgelerdeydi. Gizli bir ekip, fazla mesai yapan kişilere dayanarak konuşlandırılmış olabilir, ancak veriler hem hırsızlıkların kümelendiğini hem de belirli bir akşam belirli bir akşam gerçekleştiğini ortaya koydu.
Hankin, “Kaynakları yaptıklarından çok daha taktiksel olarak konuşlandırdılar” diyor.
Güvenlik Çözümleri ve Hizmetleri Sağlayıcısı Genetec’te Adalet ve Kamu Güvenliği Veri Bilimcisi Helen Kimber kabul ediyor. “Fikir, suçlar, özellikle hırsızlıklar hakkında çok yazılı bilgilerin analistlerin bir araya gelmesi gerçekten zor” diyor. “Örneğin, bir aletle gelen veya metodik olan bir hırsız arasında daha fırsatçı bir hırsız arasında büyük bir fark var.”
Bununla birlikte, bugün birçok proje henüz kendileri öngörücü değil, daha önce nerede ve ne zaman taahhüt edildikleri gibi suçlar ve bağlamları ile ilgili verilerin düzenlenmesi ve anlamlandırılması hakkında. Ortaya çıkan veri kümeleri ve ilişkilendirme meta verileri sonuçta polislik için sağlam öngörücü analitik geliştirmeye gidecektir.
Şeffaflık, önyargı riskini azaltmak için anahtardır – bu nedenle Kimber açıklanabilir yapay zeka (AI) oluşturmaya odaklanır, böylece polis mahkemede ifade verebilir ve bir algoritmanın belirli bir sonuca ulaşmalarına nasıl yardımcı olduğunu açıklayabilir. Kimber, bunun bu verilere dayanarak potansiyel önyargıları dikkate alarak nihai polislik kararlarını vermelerinin bir nedeni olduğuna dikkat çekiyor.
NTT Data UK ve İrlanda’da danışmanlık, kamu güvenliği ve savunma başkanı James Nahon, tam hesap verebilirlik, adalet, şeffaflık, açıklanabilirlik, tartışılabilirlik ve düzeltme dahil “uygun yönetişim” ihtiyacını kabul ediyor.
Bununla birlikte, öngörücü polislik, risklerin korunmasına gerçekten yardımcı olabilir – örneğin, 10 yıl sonra belirli bir tehdit riski daha yüksek olan kişiler kayıptır mı? Paylaşılan veriler, konseylerin anti-sosyal davranışlar gibi kendi bölgelerindeki sorunları yönetmelerine yardımcı olabilir.
Nahon, “Öngörücü polislik yapmak, idari yükleri azaltmak ve verimliliklere bakmak için bir regresyon modeline bakabilirsiniz, bir insanın tüm ‘kayıp kişiler’ veri kümesine bakmak zorunda kalması yerine” diyor Nahon.
NTT, doğru yapıldığını, genel refahı yönlendiren öngörücü yapay zeka ve analitik yaklaşımlarının potansiyeli olduğunu söylüyor. Her ne kadar herhangi bir şeyde olduğu gibi, tipik olarak her zaman iyileştirme için yer olacaktır, bu da şeffaflık ve düzeltme sisteminin neden gerekli olduğunun bir parçasıdır.
İngiltere’nin eyalet saati gibi kuruluşlar, Adalet Bakanlığı ve Büyük Manchester polisi tarafından “Cinayet Tahmin” araştırmasını seçerek “öngörücü polis” kavramı tarafından giderek daha fazla endişe duyuyorlar. Ayrıca, özellikle kişisel verilerin kötüye kullanılmasından, önyargı ve yapısal ırkçılık riskini belirten veri paylaşımı ile de ilgilenmektedirler.
Ancak, suçu önleyen tahminler yapmanın mümkün olmadığını iddia etmeye çalışmazlar. Üniversite Koleji Londra’dan büyük veri yönlendirilmiş polislik üzerine hakemli bir 2024 çalışması, önceki 161 makaleyi inceliyor ve sadece altısının etkinlik veya başka bir büyük veri odaklı polislik açısından “kanıt” olduğunu tespit ediyor. Sonuçları, politika yapıcıların güvenebileceği konusunda daha fazla araştırmaya ihtiyaç duyulduğuydu.
Rand Avrupa’daki savunma, güvenlik ve adalet araştırması kıdemli analisti Irene Van Droffelaar, tarihsel, hayatta kalan ve toplama yanlılığından kaynaklanan risklerin gerçek olduğu için polisliği iyileştirmek için her türlü veriyi kullanmanın zor olduğunu söylüyor. En ayrıntılı veriler, bir şüphelinin yakalandığı veya bir şey kaydedildiğinde başarılı durumlardır – örneğin, bir yansız bisiklete binmek muhtemelen sadece sürücü para cezasına çarptırılırsa kaydedilir.
Bu nedenle, tekniklerin her zaman mevcut alternatiflere göre değerlendirilmeli ve polisin sadece geçmiş davalar hakkında verileri vardır, modus operandi polislikteki değişikliklere hızla uyum sağlar. İdeal veya mükemmel bir sistem yoktur.
“Alternatif [to data-based prediction]gerçekçi olarak, kendi sezgisel yöntemlerini kullanarak kendi kararlarını veren departmanlar veya bireysel memurlar olacaktır – örneğin, nerede devriye gezileceğine karar verirken. Bu buluşsal yöntemler genellikle AI sistemlerine benzer zorluklardan etkileniyor ”diye ekliyor Droffelaar.