Представете си група банкови обирджии, които пристигат на мястото на следващия си удар. Там обаче заварват тежковъоръжен отряд, който ги чака зад ъгъла.
Друг пример - вървите през мрачна алея и изпитвате нормалната за такива ситуации тревожност, граничеща със страх. Тогава забелязвате сините светлини на полицейска кола, изпратена, за да осигури вашата безопасност.
А сега си представете, че всичко това е възможно благодарение на математиката.
Идеята се появява в разказа на Филип К. Дик от 1956 г. "Специален доклад", който години по-късно се превърна в холивудски филм с Том Круз в главната роля. През всички тези десетилетия футуристи и философи са обсъждали концепцията за "предпрестъпност".
Това е идеята, че можем да предвидим кога ще бъде извършено закононарушение и да вземем мерки, за да го предотвратим.
Днес изкуственият интелект и машинното самообучение позволяват тази концепция да излезе от страниците на научната фантастика и да се прехвърли в истинския свят.
Технологичната фирма "PredPol" (съкратено от "predictive policing" или "предсказваща полицейска дейност") твърди, че нейните алгоритми за анализ на данни могат да подобрят засичането на престъпления с между 10 и 50 процента в някои градове.
Необходима е информация за години назад – видове престъпления, както и местоположения и време на извършване. Тези данни се комбинират със социоикономически такива, а след това цялата информация бива анализирана от алгоритъм (който всъщност е бил създаден, за да предвижда вторични трусове след земетресения).
Софтуерът се опитва да предположи къде и кога ще се случат определени престъпления в рамките на следващите 12 часа. Алгоритъмът се обновява всеки ден с постъпването на нова информация.
PredPol е вдъхновен от експерименти в Калифорнийския университет, направени заедно с полицията в Лос Анджелис, обяснява съоснователят на компанията Джеф Брантингам, който е и професор по антропология. Това изследване е показало, че прогнозите, базирани на такъв тип алгоритми, могат да предположат и предотвратят двойно повече престъпления в сравнение с най-добрите съществуващи практики в момента.
Предположенията биват показвани на карта посредством цветни кутии, всяка от които обозначава пространство с площ 46 кв. м. Червените кутии показват "висок риск", а полицаите на терен биват окуражавани да прекарат поне 10 процента от времето си на смяна там.
Проф. Брантингам обяснява, че машинното самообучение позволява на PredPol да анализира информацията, да формира изводи и да прави връзки между огромни количества данни, с които хората анализатори просто не биха могли да се справят.
Скептиците казват, че това е псевдонаука, защото сдъвкването на данни за предишни престъпления за вземането на информирани решения за това как да бъдат разположени полицейските патрули не е нещо ново. Много полицейски сили използват "анализ на горещите точки" - места, на които преди са извършвани престъпления, за да концентрират там по-голям брой полицаи.
Но PredPol и други, работещи в тази област компании като Palantir, CrimeScan и ShotSpotter Missions, коментират, че традиционният анализ на горещи точки е просто реакция на нещо, което се е случило вчера, без да очакваш какво ще се случи утре.
Изкуственият интелект и машинното самообучение могат да забележат тенденции, които хората никога не са забелязвали преди.
Става дума за такива статистически тенденции в информацията, които не са лесни за описание чрез стандартните математически модели или са извън естествените възможности за разбиране на човека-ескперт, обяснява Брантингам.
С него се съгласява и Александър Бабута от групата за изследвания в областта на националната сигурност към мозъчния тръст Кралски обединен институт за отбранителни изследвания. Според него в използването на стария метод с горещите точки не може да се направи разлика между два типа рискови зони. Първата е тази, в която нивото на престъпността е високо, просто защото е по-атрактивна за престъпниците. Става дума за неохраняеми паркове и препълнени с хора търговски обекти, например.
От другата страна са онези места, в които очакванията да се случи престъпление са скочили временно заради скорошното извършване на такова.
При машинното самообучение обаче тази разлика се отчита.
Някои полицейски сили, изглежда, харесват идеята. Повече от 50 полицейски управления из САЩ използват софтуера на PredPol. Същото правят и няколко управление във Великобритания.
Полицията в югоизточното графство Кент, например, посочва, че уличните престъпления са намалели с 6 процента след 4-месечно пробно използване на софтуера.
"Открихме, че моделът е невероятно точен в предсказването на времето и местата, на които такива престъпления е вероятно да се случат", казва и Стив Кларк, заместник-началник на полицейското управление в американския окръг Санта Крус.
Въпреки всичко този подход към предвиждането на престъпления има и своите критици.
Фредерике Калтхауер от групата за защита на човешките права "Прайвъси Интернешънъл" задава основателен въпрос – ще се използва ли алгоритъмът, за да се предвиждат случаите на полицейско насилие или престъпления, извършени от представители на по-високите класи на обществото. Според нея го съществува риск софтуерът да бъде използван срещу представители на общности, които и сега са маргинализирани.
"Отдалечаваме се от презумпцията за невинност до доказване на противното. Вървим към свят, в който хората са невинни, докато не бъдат определени като "подозрителни" от непрозрачни и частни системи, за които е трудно, ако не и невъзможно, човек да оспори техните решения", коментира Калтхауер.
Налице са и притесненията за расови и други предразсъдъци, които да са скрити из огромното количество данни. Полицията на Лос Анджелис, която е работила с компанията Palantir по нейния проект за предричане на престъпления, е била критикувана от местни активисти. Тревогите им са свързани с нарушаването на граждански права и расово профилиране.
Джон Холивуд е анализатор в Rand Corporation, която е направила няколко изследвания в областта на "предсказващата полицейска дейност". Той обяснява, че скорошното развитие в техниките за анализ са довели до "несъществено" подобрение в предсказването на престъпления. Резултатите са с между 10 и 25 процента по-точни в сравнение с традиционния "анализ по горещи точки".
Това показва, че новите технологии не са кой знае колко по-точни от традиционните полицейски методи. Напредъкът е достатъчен, за да се взимат по-добри решения при разпределянето на полицаите по улиците.
Холивуд обаче подчертава, че сме далеч от "популярното разбиране за компютър, който казва на униформените къде да отидат, за да хванат престъпника" по време на извършване на престъплението.
Според него повечето информация – от охранителни камери, снабдени със софтуер за разпознаване и поведенчески анализ, до сензори за засичане на стрелба и проникване в частни обекти – ще помогне за подобряване на точността при предвиждането.
Но в крайна сметка гражданите са тези, които трябва да решат дали намаляването на престъпността си струва потенциалното нарушаване на граждански права в случай, че хората с достатъчно власт злоупотребят с тези технологии.
