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:
  • 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.

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? 
  1. Нужно выбрать какие-то определенные типы преступлений: угон машин, употребление или продажа наркотиков, уличные драки, ограбления и т.д. 
  2. Загрузить в систему статистику. 
  3. "Обучить" систему с использованием алгоритмов нейронных сетей или статистических методов. 
  4. Пилотное внедрение - смотрим результаты и вносим правки.
  5. Промышленное внедрение - система сама обучается и выдает результаты.
Результаты внедрения 

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

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: 
  1. http://ru.pcmag.com/software-reviews/22394/news/politsiia-chikago-ne-soglasna-s-kritikoi-sistemy-prognozirov 
  2. https://blog.kaspersky.ru/nine-big-data-issues/11411/
  3. http://hitech.newsru.ru/article/22Aug2011/uspreventivarst
  4. https://apparat.cc/news/crime-prediction-tool-racial-bias/
  5. http://www.securityinfowatch.ru/view.php?section=news&item=239

Комментарии

Популярные сообщения из этого блога

Запустили REST API для интеграции с ГИС ЖКХ

РИАС ЖКХ - наш новый проект

Как понять, что ребенок развивается правильно: мнение врача, кандидата медицинских наук