Доклад: Прогнозирование преступлений
Решил опубликовать доклад, который я делал на общественном совете при УМВД г. Екатеринбурга (не для ИТ-специалистов). Если будет кому-то интересно или полезно, то буду рад.

Сегодня хотел бы поговорить про мировой опыт в вопросе внедрения искусственного интеллекта в работу полиции.
Суть данных проектов проста: прогнозирование и предотвращения преступлений.
Всю задачу можно разделить на 2 большие части:
Про одну из программ:
"...в основу программы положен алгоритм, используемый для составления прогнозов землетрясений. Методика аналогична методике расчета силы остаточных подземных толчков после землетрясений".
Например, если было совершено преступление и оно не раскрыто, то вероятность подобных преступлений в этом месте больше и оно угасает от места преступления. Имея статистику за предыдущие периоды можно спрогнозировать размер зоны для повторного совершения преступления подобного характера.
Согласитесь, что человек не в состоянии держать в голове все подобные преступления.
Также, есть программы, которые основываются на персональных данных преступников и прогнозируют для них вероятность повторных преступлений.
2. Принятие решения
Поступившая на тестирование в Санта-Крус программа первоначально была настроена на создание горячих точек, где наиболее часто происходят ограбления со взломом, и результаты выдавались полицейским патрулям. Через год использования программы было зафиксировано 19%-ное сокращение краж, которое было тем более примечательно на фоне 20%-ного сокращения сотрудников полиции.
Известно, что подобная система будет внедряться в Дубае. Более подробной информации нет.
Вывод

Сегодня хотел бы поговорить про мировой опыт в вопросе внедрения искусственного интеллекта в работу полиции.
Суть данных проектов проста: прогнозирование и предотвращения преступлений.
Всю задачу можно разделить на 2 большие части:
- прогнозирование,
- принятия решений о предотвращении.
1. Прогнозирование
Искусственный интеллект (ИИ) позволяет обрабатывать большие массивы данных на базе статистики преступлений за большие промежутки времени: где и когда были совершены преступления, раскрыто или нет, типа преступления, персональные данные потенциальных преступников: пол, возраст, национальность и т.д.
ИИ выявляет закономерности: место, день недели, праздники, время года, тип преступления и т.д. Это все делается на базе машинного обучения - искусственный интеллект. На основе выявленных закономерностях ИИ строит прогноз, который отображается на карте в виде зон с разной раскраской в зависимости от вероятности и кол-ва преступлений в этом месте.
Искусственный интеллект (ИИ) позволяет обрабатывать большие массивы данных на базе статистики преступлений за большие промежутки времени: где и когда были совершены преступления, раскрыто или нет, типа преступления, персональные данные потенциальных преступников: пол, возраст, национальность и т.д.
ИИ выявляет закономерности: место, день недели, праздники, время года, тип преступления и т.д. Это все делается на базе машинного обучения - искусственный интеллект. На основе выявленных закономерностях ИИ строит прогноз, который отображается на карте в виде зон с разной раскраской в зависимости от вероятности и кол-ва преступлений в этом месте.
Про одну из программ:
"...в основу программы положен алгоритм, используемый для составления прогнозов землетрясений. Методика аналогична методике расчета силы остаточных подземных толчков после землетрясений".
Например, если было совершено преступление и оно не раскрыто, то вероятность подобных преступлений в этом месте больше и оно угасает от места преступления. Имея статистику за предыдущие периоды можно спрогнозировать размер зоны для повторного совершения преступления подобного характера.
Согласитесь, что человек не в состоянии держать в голове все подобные преступления.
Также, есть программы, которые основываются на персональных данных преступников и прогнозируют для них вероятность повторных преступлений.
2. Принятие решения
Например, на основе прогноза отображенного на карте можно автоматически составлять маршруты патрулирования. Это позволит минимизировать человеческие ресурсы на совещания, составления маршрутов, а также исключить человеческий фактор, который часто приводит к ошибкам.
Конечно, человека исключать из этого процесса совсем нельзя, тем более на первых этапах внедрения системы.
Как внедряется?
Конечно, человека исключать из этого процесса совсем нельзя, тем более на первых этапах внедрения системы.
Как внедряется?
- Нужно выбрать какие-то определенные типы преступлений: угон машин, употребление или продажа наркотиков, уличные драки, ограбления и т.д.
- Загрузить в систему статистику.
- "Обучить" систему с использованием алгоритмов нейронных сетей или статистических методов.
- Пилотное внедрение - смотрим результаты и вносим правки.
- Промышленное внедрение - система сама обучается и выдает результаты.
Исследователи решили проверить эффективность алгоритма на примере города Окленд, мэрия которого только собиралась закупить PredPol для местного департамента полиции.
Исследователи использовали версию алгоритма PredPol, выложенную в открытом доступе. Они загрузили в него статистику арестов за употребление наркотиков в 2010 году. Составленную алгоритмом карту-прогноз на 2011 год учёные сравнили с данными об употреблении наркотиков, собранными в рамках программы Национального исследования употребления наркотиков и здоровья.
Учёные обращают внимание, что статистика арестов за употребление наркотиков в 2011 году совпала с результатами алгоритма полиция провела почти в 200 раз больше арестов за употребление наркотиков, чем во всех остальных районах Окленда.
Вывод, которые делают ученые: полиция находит преступления, там где ищет.
Второй пример
Учёные обращают внимание, что статистика арестов за употребление наркотиков в 2011 году совпала с результатами алгоритма полиция провела почти в 200 раз больше арестов за употребление наркотиков, чем во всех остальных районах Окленда.
Вывод, которые делают ученые: полиция находит преступления, там где ищет.
Второй пример
Поступившая на тестирование в Санта-Крус программа первоначально была настроена на создание горячих точек, где наиболее часто происходят ограбления со взломом, и результаты выдавались полицейским патрулям. Через год использования программы было зафиксировано 19%-ное сокращение краж, которое было тем более примечательно на фоне 20%-ного сокращения сотрудников полиции.
Известно, что подобная система будет внедряться в Дубае. Более подробной информации нет.
Вывод
Сейчас в обществе множество мнений по поводу реальной пользы от этих систем, но прогресс уже идет и придет время, когда алгоритмы будут доработаны до состояния, когда их польза будет неоспорима. И чем раньше мы начнем это развивать у нас, тем раньше мы получим ощутимую пользу.
Ссылки на источники используемые при написании этого доклада:
Ссылки на источники используемые при написании этого доклада:
- http://ru.pcmag.com/software-reviews/22394/news/politsiia-chikago-ne-soglasna-s-kritikoi-sistemy-prognozirov
- https://blog.kaspersky.ru/nine-big-data-issues/11411/
- http://hitech.newsru.ru/article/22Aug2011/uspreventivarst
- https://apparat.cc/news/crime-prediction-tool-racial-bias/
- http://www.securityinfowatch.ru/view.php?section=news&item=239
Комментарии
Отправить комментарий