فهرست مطالب نمایش

اخبار تکنولوژی

یک مدل رایانه‌ای جدید از داده‌های در دسترس عموم برای پیش‌بینی دقیق جرم و جنایت در هشت ایالات آمریکا استفاده می‌کند، که واکنش پلیس محله‌های بالا به مناطق پایین شهر را نشان می‌دهد.

پیشرفت‌ها در هوش مصنوعی و یادگیری ماشینی باعث علاقه دولت‌هایی شده است که می‌خواهند از این ابزارها برای پیش‌بینی و جلوگیری از جرم استفاده کنند. با این حال، تلاش‌های اولیه برای پیش‌بینی جرم و جنایت بحث‌برانگیز بوده است، زیرا آنها سوگیری‌های سیستمی در اجرای پلیس و رابطه پیچیده آن با جرم و جنایت و جامعه را در نظر نمی‌گیرند.

داده‌های دانشگاه شیکاگو و دانشمندان علوم اجتماعی الگوریتم جدیدی ایجاد کرده‌اند که با یادگیری الگوهای زمانی و موقعیت‌های جغرافیایی از داده‌های عمومی در مورد جرایم خشونت‌آمیز و دارایی، جرم را پیش‌بینی می‌کند. در پیش بینی جنایات آینده یک هفته قبل با دقت تقریباً 90 درصد نشان داده است.

همچنین اخبار علمی بیشتری را مطالعه فرمایید:

هوش مصنوعی می‌تواند عود مجدد بیماری کرون را با موفقیت پیش‌بینی کند!

فناوری هوش مصنوعی برای بهبود سلامت روان

تجزیه و تحلیل اسکن‌های چشم بیمارانی که در معرض حمله قلبی اند با هوش مصنوعی

در یک مدل جداگانه، محققان همچنین واکنش پلیس به جرم و جنایت را با تجزیه و تحلیل تعداد دستگیری‌ها پس از حوادث و مقایسه نرخ‌ها در میان محله‌هایی با وضعیت اجتماعی-اقتصادی متفاوت مورد مطالعه قرار دادند.

آنها مشاهده کردند که جنایت در مناطق ثروتمندتر منجر به دستگیری بیشتر شده است، در حالی که دستگیری در محله‌های محروم و پایین کاهش یافت. با این حال، جنایت در محله‌های فقیرنشین منجر به دستگیری‌های بیشتر نشد، که نشان‌دهنده سوگیری در واکنش و اجرای قانون توسط پلیس می‌باشد.

دکتر Ishanu Chattopadhyay، استادیار دانشگاه UChicago و نویسنده ارشد تحقیق، گفت: “آنچه که ما مشاهده می‌کنیم این است که وقتی سیستم را تحت اِلِمان‌های مختلف قرار می‌دهیم، به منابع بیشتری برای دستگیری افراد بیشتری در واکنش به جرم در یک منطقه ثروتمند نیاز داریم و منابع پلیس را از مناطق با موقعیت اجتماعی-اقتصادی پایین‌تر دور می‌کند.” این مطالعه در 30 ژوئن 2022، در مجله Nature Human Behaviour منتشر شد.

ابزار جدید با استفاده از داده‌های تاریخی شهر شیکاگو در مورد دو دسته کلی از رویدادهای گزارش‌شده آزمایش و اعتبارسنجی شد: جنایات خشونت‌آمیز (قتل و حمله) و دزدی اموال (سرقت اموال و وسایل نقلیه موتوری).

این داده‌ها به این دلیل مورد استفاده قرار گرفتند که به احتمال زیاد در مناطق شهری که بی اعتمادی بر اساس سوابق و عدم همکاری با مجریان قانون وجود دارد، به پلیس گزارش می‌شود. این گونه جرائم کمتر به چشم می‌آیند، همچنین در مورد جرایم مواد مخدر و سایر تخلفات بزهکارانه نیز صدق می‌کند.

تلاش‌های قبلی برای پیش‌بینی جرم اغلب از یک رویکرد اپیدمی استفاده می‌کنند، که در آن جرم به صورت ظهور در «نقاط داغ» که به مناطق اطراف گسترش می‌یابد، به تصویر کشیده می‌شود. با این حال، این ابزارها محیط اجتماعی پیچیده شهرها و رابطه بین جرم و جنایت و تأثیرات اجرای پلیس را در نظر نمی‌گیرند.

دکتر James Evans، جامعه شناس و یکی از نویسندگان، پروفسور Max Palevsky از دانشگاه شیکاگو و موسسه Santa Fe، افزود: مدل‎های فضایی توپولوژی طبیعی شهر نادیده گرفته شده است. شبکه‌های حمل و نقل در خیابان‌ها، مسیرهای پیاده روی، خطوط قطار و اتوبوس، مثال‌هایی از این مدل‌های فضایی می‌باشند. مدل ما امکان کشف این ارتباطات را فراهم می‌کند.

مدل جدید با بررسی مختصات زمانی و مکانی رویدادهای مجزا و کشف الگوهایی برای پیش‌بینی رویدادهای آینده، جرم را متمایز می‌کند. این شهر را به پیکسل‌های فضایی تقریباً 1000 فوتی تقسیم شده و به جای تکیه بر مرزهای محلی یا سیاسی متعارف، که در معرض تعصب هستند، جنایت را در این مناطق پیش‌بینی می‌کند. این مدل با داده‌های هفت ایالات دیگر آمریکا به همان اندازه خوب عمل کرد که شامل: آتلانتا، آستین، دیترویت، لس آنجلس، فیلادلفیا، پورتلند و سانفرانسیسکو.

Evans گفت: “ما اهمیت کشف الگوهای خاص شهر را برای پیش‌بینی جرم گزارش‌شده نشان می‌دهیم، که دید تازه‌ای را در محله‌های شهر ایجاد می‌کند، به ما امکان می‌دهد سؤالات جدیدی را مطرح کنیم و به ما این امکان را می‌دهد اقدامات پلیس را به روش‌های جدید ارزیابی کنیم.”

توجه داشته باشید که دقت این ابزار به این معنی نیست که بایستی برای هدایت اجرای قانون استفاده شود، زیرا ادارات پلیس از آن برای جلوگیری از ازدحام، جرم و جنایت در محله‌ها استفاده می‌کنند. در عوض، باید به جعبه ابزاری از سیاست‌های شهری و استراتژی‌های پلیسی برای رسیدگی به جرم اضافه شود.

Chattopadhyay عنوان کرد:

“اگر داده‌هایی را که در گذشته اتفاق افتاده است را تحلیل کنید، به شما خواهد گفت که در آینده چه اتفاقی خواهد افتاد. این روش امری جادویی نیست، محدودیت‌هایی دارد و ما این روش را تأیید کرده و می‌دانیم که خوب کار می‌کند.

اکنون می‌توانید از این روش به‌ عنوان یک ابزار شبیه‌سازی استفاده کنید تا ببینید اگر جرم و جنایت در یک منطقه از شهر بالا برود، یا در منطقه‌ای دیگر افزایش یابد، چه اتفاقی می‌افتد. اگر همه این متغیرهای مختلف را اعمال کنید، می‌توانید ببینید که سیستم‌ها چگونه تکامل می‌یابند.”

خلاصه:

یک الگوریتم جدید با یادگیری الگوهای زمانی و موقعیت‌های جغرافیایی از داده‌های عمومی در مورد جرایم خشونت آمیز و دارایی، جرم را پیش بینی می‌کند. می‌تواند جنایات آینده را یک هفته قبل با دقت 90 درصد پیش بینی کند.