پلیس دیجیتال؛ کاهش جرم با الگوریتمهای پیشبینی جرایم
۱۳۹۱ تیر ۱۵, پنجشنبه
در عصر دیجیتال و با گسترش نفوذ سرویسهای دیجیتال و ظرفیتهای آنلاین، میتوان بهطور چشمگیری از میزان جرم و جنایت در شهرهای بزرگ کاست. نتایج یک پژوهش جدید نشان میدهد که کامپیوترها میتوانند در پیشبینی زمان و مکان وقوع جرایم در شهرهای بزرگ و پرجمعیت، بسیار بهتر از تحلیلگران پلیس عمل کنند.
بر اساس این پژوهش، کارآئی نرمافزاری که توسط پلیس لسآنجلس بهصورت آزمایشی مورد استفاده قرار گرفته، دو برابر نیروی انسانی فعال در پلیس است. این نرمافزارها که مبتنی بر الگوریتمهای هوشمند و بهروزشوندهاند، میتوانند پیشبینی کنند که امکان وقوع جرایم خاص در بازههای زمانی گوناگون در چه منطقهای از شهر بیشتر است. اطلاعاتی که این نرمافزارها در اختیار پلیس قرار میدهند، میتواند تاثیر قابل توجهی در کاهش جرایم داشته باشد.
پیگیری و پیادهسازی توصیههای این نرمافزارهای هوشمند در منطقه فوتهیل لسآنجلس، کاهش ۲۵ درصدی جرم را در پی داشت. مقایسه آن با مناطق دیگری که همچنان صرفا تحت کنترل کامل نیروهای انسانی است، توان تحولساز این الگوریتمها را نشان میدهد.
نقطه عطفی در تامین امنیت
بررسی ریتم جرایم و پراکندگی آنها، میتواند به درک ریشهها و پیشبینی رویدادهای احتمالی در آینده منجر شود. این نکتهای بسیار مهم و کمککننده برای پیشگیری از وقوع جرم است. پلیس منطقه فوتهیل لسآنجلس هفته گذشته یک کنفرانس خبری آنلاین برگزار کرد تا دستآوردهایی را که با کمک این نرمافزارها حاصل شده در جهان مجازی به اشتراک بگذارد.
این نرمافزار که توسط کمپانی PredPol مستقر در کالیفرنیا طراحی شده، مبتنی بر الگوریتمهایی است که نه فقط از علوم کامپیوتر، که از دادهها و یافتههای پژوهشهای انسانشناسانهای که در دانشگاه سانتا کلارا و کالیفرنیا انجام شده نیز، برای تحلیل وضعیت و پیشبینی جرایم بهره میگیرند.
دادههای ورودی به این نرمافزارها مشخصاند: گزارش جرایم در گذشته، که دربرگیرنده زمان و مکان وقوع جرم است. گذشته از این، نتایج مطالعات جامعهشناسانه نیز به این نرمافزار منتقل میشود تا درک بهتری از «رفتار مجرمانه» بیابد.
آنگاه سیستم با تحلیل این دادهها، برای گشتهای پلیس نقشههایی تولید میکند که باکسهای قرمز موجود در آن نشان میدهد امکان وقوع چه جرایمی در کدام مناطق بیشتر است. این نقشهها در ساعات مختلف روز، صورتهای مختلفی دارند. این الگو با بررسی یک بازه زمانی چند ساله پدید آمده است.
جف برانتینگام، از بنیانگذاران این کمپانی و از انسانشناسان دانشگاه UCLA میگوید: «چالش اصلی برای این نرمافزار، از دیدگاه یک تحلیلگر جرایم، ایجاد نوعی موازنه میان الگوی وقوع جرایم با مناطق زمانی گوناگون است.»
این سیستم، در کنار همه این مزایا، بهطور چشمگیری از کاغذبازیها و فرآیندهای بوروکراتیک پلیس میکاهد و به این ترتیب پلیسها میتوانند به جای وقت گذراندن در جلسات روزانه، این گزارشها را روی تجهیزات الکترونیک و آنلاین خود داشته باشند و وقت خود را بیشتر در گشتزنیهای موثر صرف کنند. با بهدستآمدن این نتایج امیدوارکننده، پیشبینی میشود که بهرهگیری از این الگوریتمها در آینده نزدیک در سراسر جهان گسترش بابد.