Код
#статьи

👮 Как Data Science помогает бороться с преступлениями в США 🔍

В Америке ИИ прогнозирует правонарушения, подсказывает решения судьям. Рассказываем, как это работает и почему американцы выступают против технологий.

Анастасия Телесницкая для Skillbox Media

Предсказать и предотвратить

Представьте ситуацию. Полицейский поглядывает на часы. Он точно знает время и место всех преступлений, которые могут произойти сегодня. Затем садится в патрульную машину и спокойно едет в магазин на окраине города.

Одновременно с этим ничего не подозревающий грабитель надевает перчатки, достает пистолет и направляется к магазину, чтобы совершить преступление. Но у входа его встречает наш полицейский, он улыбается и машет рукой. Неудачливый злоумышленник прячет оружие и с досадой уходит.

Именно так в рекламном ролике IBM показан идеализированный пример работы системы предсказания и предотвращения преступлений (Predictive Policing).

Американская полиция тестирует различные системы Predictive Policing уже больше десяти лет. Одной из самых известных программ этого типа является PredPol. Её алгоритмы базируются на разработках Института чистой и прикладной математики (IPAM) Калифорнийского университета. Идея учёных в том, что время и место преступлений можно предсказать, если проанализировать большой объём информации о предыдущих правонарушениях.

Ранее сотрудники института научились с высокой точностью прогнозировать афтершоки ― повторные толчки земной поверхности, происходящие после землетрясения. Они применили эту проверенную математическую модель для предсказания будущих преступлений. Модель предполагает, что однажды совершённое правонарушение порождает ряд повторных преступлений, словно брошенный в воду камень вызывает расходящиеся волны на поверхности.

Опытные полицейские, хорошо знающие свои города, подтверждают это. В криминогенных районах преступления повторяются чаще, чем в других частях города. А злоумышленники склонны раз за разом возвращаться на излюбленные места для совершения насилия. Вот только не каждый полицейский готов ежедневно проводить анализ, чтобы предотвратить преступления. Лучше поручить его работу неутомимой компьютерной программе.

В PredPol используется запатентованный алгоритм машинного обучения. Систему обучают на статистических данных о преступлениях, совершённых в населённом пункте за последние 3–5 лет. Алгоритму требуется только три параметра каждого правонарушения: тип, место и дата/время его совершения.

Фото: boyphare / Shutterstock

Программа PredPol делит территорию города на ячейки со сторонами по 152 метра и для каждой из них определяет вероятность преступлений. Полицейские патрули получают размеченную системой карту Google Maps в начале своей смены. Там указано, где и когда сегодня вероятны правонарушения и какого типа. Ещё система выделяет десять горячих точек, где ожидается высокая криминальная активность.

На основе полученных предсказаний офицеры полиции составляют оптимальные маршруты патрулирования, чтобы вовремя оказываться в горячих точках, предотвращать преступления и немедленно задерживать бандитов.

После начального обучения программа PredPol ежедневно совершенствуется (самообучается) на основе данных о новых преступлениях. Информация регулярно добавляется в систему: диспетчеры службы 911 в реальном режиме времени наносят на карту координаты происшествий, о которых сообщают жители.

Первые версии PredPol были внедрены в 2011 году полицейским управлением города Санта-Крус в Калифорнии. Как сообщается, результаты системы уже в первый год её работы оказались весьма впечатляющими. Число ограблений снизилось на 44%, а количество нападений на жителей города с оружием уменьшилось практически на четверть.

Благодаря оптимальным маршрутам патрулирования удалось значительно снизить нагрузку на офицеров полиции. Экономический эффект от внедрения PredPol только в одном городе США разработчики оценили в 1,7 млн долларов.

Эти результаты вдохновили полицейских в других американских городах на закупку PredPol. Сегодня программы для прогнозирования будущих нарушений закона используют более 100 полицейских управлений по всей Северной Америке.

Кадр: фильм «Патруль»

Нейросеть слушает

Если преступление не удалось предотвратить, его надо быстро обнаружить. Чтобы контролировать ситуацию на улицах городов, в Европе используют видеокамеры.

В США же искусственный интеллект не только видит, но и слушает. Дело в том, что в Америке очень часто применяют огнестрельное оружие. И проще всего обнаружить такие преступления по звуку.

Интеллектуальную систему ShotSpotter уже развернули в 100 крупных американских городах. Она находит звуки выстрелов и мгновенно сообщает в полицию о месте перестрелки.

До применения системы требовалось, чтобы кто-то из очевидцев позвонил в службу спасения. В среднем на это уходило до пяти минут, а о многих перестрелках и вовсе никто не сообщал властям.

Но теперь процесс полностью автоматизировали. Благодаря ShotSpotter раскрываемость дел об убийствах выросла на 30%, а жертв быстро отправляют в больницу. Врачи приезжают на место на 3,5 минуты быстрее.

Для работы системы ShotSpotter на улицах городов устанавливают микрофоны. Их размещают на фонарных столбах, крышах зданий и в прочих труднодоступных местах.

Время, за которое звук выстрелов доходит до разных микрофонов системы, различается. Благодаря этому программа точно определяет, где стреляли. Затем нейронная сеть анализирует характеристики звука, чтобы решить, был ли это выстрел.

Программисты обучили нейросеть ShotSpotter отличать стрельбу от других похожих звуков, например, от взрывов фейерверков. Также она может определить тип оружия, из которого ведётся огонь, и число стрелков. Если нейросеть подтверждает, что звук — действительно выстрел, информация об этом передаётся оперативному дежурному полиции, а точка происшествия визуализируется на интерактивной карте.

Уведомления о перестрелке отправляются в мобильные приложения ShotSpotter, установленные в смартфоны полицейских. Получив информацию, патрули немедленно отправляются к месту инцидента. На всё про всё уходит меньше минуты.

Уменьшенные варианты системы ShotSpotter установлены на территории десятков университетских кампусов, в которых ранее происходили трагические инциденты со стрельбой, а также в Белом доме.

Кадр: фильм «Что-то не так с Кевином»

Собрать досье на каждого

Системы искусственного интеллекта продолжают работать, даже если полиции уже удалось поймать преступника. Долгие годы у американской полиции не было единой базы информации о гражданах.

Подозреваемый, задержанный в одном штате, мог скрывать, что он ранее привлекался к ответственности или находится в розыске в другом штате. При этом запросы между полицейскими управлениями разных регионов обслуживаются в течение нескольких недель. За это время некоторым подследственным удавалось скрыться от наказания.

Но программа компании Palantir Technologies позволяет справиться с ситуацией. Создателем компании Palantir и одноимённой программы является знаменитый Питер Тиль, который основал вместе с Илоном Маском PayPal и до сих пор возглавляет неформальное объединение её бывших сотрудников.

Название для компании Тиль позаимствовал из трилогии «Властелин колец». В книгах Толкина палантирами называли волшебные камни, с помощью которых можно было видеть сквозь время и расстояние.

Современный «Палантир» позволяет полицейским мгновенно получить исчерпывающее досье на любого гражданина США.

Программа представляет собой интеллектуальную систему для анализа больших объёмов информации. У неё есть доступ к множеству государственных баз данных, содержащих миллионы документов, снимки ранее судимых граждан, записи об арестах и отчёты об уголовных делах.

Особое внимание создатели системы уделили автомобильному транспорту. В США почти у каждого есть машина, а удостоверением личности обычно служат водительские права. Поэтому, отслеживая только перемещения автомобилей, можно установить связи между людьми, даже если официально они друг другу никем не приходятся.

В Palantir стекаются данные от систем отслеживания автомобильных номеров, широко развернутых по всей стране. Обнаружив, где человек обычно паркует авто, можно легко определить его фактическое место постоянного жительства. А если несколько машин часто замечают вместе, то их владельцы каким-то образом связаны между собой.

Система находит такие связи почти мгновенно. Достаточно только ввести полное имя или идентификационный номер подозреваемого, и Palantir не только выдаст исчерпывающее досье о человеке, но и построит график, наглядно демонстрирующий все его социальные контакты. По оценкам специалистов использование системы в среднем на 95% сокращает время, необходимое сотруднику полиции для проведения сложного расследования.

Программа Palantir успешно применяется для разоблачения преступников и их сообщников, в крупных городах США (Нью-Йорк, Лос-Анджелес, Солт-Лейк-Сити и других) и за границей. Есть версия, что во многом благодаря ранним версиям этой программы удалось выследить Усаму бен Ладена в его пакистанском убежище.

Фото: Gorgev / Shutterstock

Predictive Policing повсюду

Развивая идеи Predictive Policing, американские учёные пытаются анализировать весь список социальных контактов людей. Одна из идей состоит в том, что распространение криминального насилия в обществе с математической точки зрения схоже с распространением инфекционных заболеваний.

Ученые проанализировали связи в обществе жертв преступлений, совершённых в Чикаго с использованием огнестрельного оружия, и их убийц.

По предположениям учёных, те, кто был близко знаком с жертвами и преступниками, сами могут в ближайшее время попасть в криминальные сводки. На основе этих данных в 2016 году был составлен список из 400 жителей Чикаго, на которых полиции следовало обратить внимание.

Уже в течение первого года гипотеза специалистов по анализу данных подтвердилась: 80% преступников, открывших стрельбу в городе, и 70% их жертв были из этого списка. Во время профилактической работы полиции, организованной по адресам проживания людей из списка, 140 человек были арестованы за совершённые или готовящиеся преступления.

Судебные органы в США, определяющие дальнейшую судьбу задержанных, также сегодня полагаются на помощь искусственного интеллекта. Конечно, судей пока не заменяют роботами. Но система Northpointe и подобные ей могут проанализировать всю подноготную обвиняемого и выдать рекомендацию: можно ли отпускать его под домашний арест или нет.

Например, программа под названием COMPAS (Correctional Offender Management Profiling for Alternative Sanctions) задаёт подсудимому ряд вопросов (всего в базе программы 137 вопросов), среди которых могут быть такие: «Как часто вы дрались в школе?» и «Согласны ли вы с утверждением, что голодный человек имеет право воровать?»

На основе этих ответов для каждого преступника рассчитывается индивидуальный риск рецидива (совершения повторного преступления), который измеряется в диапазоне от одного до десяти. Такая оценка может использоваться судьей-человеком при вынесении приговора по нетяжкой статье.

Кадр: фильм «День, когда Земля остановилась»

Искусственный интеллект на общественном суде

Искоренить преступность в США так и не удалось. Критики программы постоянно об этом говорят. Очень сложно оценить реальную эффективность Predictive Policing. У нас просто нет возможности проверить, как развивалась бы та или иная криминальная история, если бы полиция не вмешивалась в её ход.

Например, программа выдает для некоторого обвиняемого высокий риск совершения повторного преступления. Поэтому полиция усиленно следит за ним, ведёт профилактическую работу. В результате человек не совершает новых правонарушений. Можно ли считать, что в этом случае система ошиблась? Очевидно, нет, но со стороны это может выглядеть именно как ошибка.

Критически настроенные американцы не упустили возможность обвинить искусственный интеллект и в расовой предвзятости, что для современной Америки является страшным преступлением. Сомнения появляются, когда для двух людей с разным цветом кожи, пойманных за похожие преступления, система выдаёт разные оценки риска рецидива.

Разработчики, конечно, отрицают такие обвинения и объясняют, что никогда не использовали в своих алгоритмах национальность или расу человека в качестве параметра для оценки. Но развернувшуюся в обществе дискуссию уже не остановить.

В 2020 году полторы тысячи американских математиков отказались сотрудничать с полицией в области Predictive Policing и опубликовали петицию о запрете таких систем в США. Власти некоторых регионов оперативно отозвались на их призыв и приостановили использование искусственного интеллекта в полицейских управлениях своих городов.

Но остановить технический прогресс невозможно. Да, системы Predictive Policing пока несовершенны, но «старые» методы, в которых решения принимают люди только на основе своих ограниченных знаний и интуиции, были ещё более несовершенны. Ошибок и предвзятости (в том числе и расовой) в них намного больше, чем в компьютерных программах.

Недостатки применяемых сегодня алгоритмов должны стать поводом для их улучшения в тесном контакте с обществом. Разработчикам таких систем следует подробно и доступно объяснять принципы их работы. Только так можно побороть укоренившееся в американском обществе недоверие к применению искусственного интеллекта в правоохранительной сфере.


Изучайте IT на практике — бесплатно

Курсы за 2990 0 р.

Я не знаю, с чего начать
Освойте топовые нейросети за один день. Бесплатно
Знакомимся с ChatGPT-4, DALLE-3, Midjourney, Stable Diffusion, Gen-2 и нейросетями для создания музыки. Практика в реальном времени. Подробности — по клику.
Узнать больше
Понравилась статья?
Да

Пользуясь нашим сайтом, вы соглашаетесь с тем, что мы используем cookies 🍪

Ссылка скопирована