Estudio plantea que algoritmo puede predecir crímenes con una semana de antelación
Estudio plantea que algoritmo puede predecir crímenes con una semana de antelación
Científicos sociales y de datos de la Universidad de Chicago, en Estados Unidos, han desarrollado un algoritmo aparentemente capaz de predecir la delincuencia en zonas urbanas con hasta una semana de antelación y con una precisión de alrededor del 90 %, según precisaron en un estudio publicado en Nature Human Behavior.
El algoritmo, que predice la delincuencia mediante el aprendizaje de patrones temporales y geográficos, divide las ciudades en mosaicos de 1.000 metros cuadrados. Los investigadores utilizaron datos históricos sobre delitos violentos y contra la propiedad de Chicago para probar el modelo, que detecta patrones a lo largo del tiempo en estas zonas en mosaico e intenta predecir acontecimientos futuros.
El estudio demostró que funcionó igual de bien con datos de otras grandes ciudades, como Atlanta, Los Ángeles y Filadelfia.
El video en el que policías de EE.UU. le disparan decenas de veces a un joven afroestadounidense
Aunque parezca algo sacado de un futuro similar al de Minority Report, la verdad es que este no es el primer intento de crear modelos de predicción. Por ejemplo, antes de las Olimpiadas, la policía de Tokio pretendía implantar tecnología basada en la inteligencia artificial (IA) para predecir los delitos antes de que se produjeran.
Sesgos sistémicos de la aplicación de la ley
No obstante, según los investigadores, la nueva herramienta contrasta con los otros modelos de predicción de la delincuencia, ya que estos –con un enfoque epidémico o sísmico– consideran que la delincuencia surge de "puntos calientes" que se extiende a otras zonas.
Estos enfoques, agregan los investigadores, pasan por alto el complejo entorno social de las ciudades y también están sesgados por la vigilancia que utiliza el Estado para hacer cumplir la ley. En su lugar, el algoritmo utilizado analiza los informes de delincuencia anteriores teniendo en cuenta muchos otros factores.
Por ejemplo, en un modelo separado, según se lee en el comunicado de prensa de la Universidad de Chicago, el equipo de investigación estudió la respuesta policial a la delincuencia analizando el número de detenciones tras los incidentes y comparando esas tasas entre barrios de diferente nivel socioeconómico.
Los investigadores vieron que los delitos en las zonas más ricas daban lugar a más detenciones, mientras que las detenciones en los barrios desfavorecidos disminuían. Sin embargo, la delincuencia en los barrios pobres no dio lugar a más detenciones, lo que sugiere un sesgo en la respuesta policial y la aplicación de la ley.
"Lo que vemos es que cuando se estresa el sistema, se requieren más recursos para detener a más personas en respuesta a la delincuencia en una zona rica y se alejan los recursos policiales de las zonas de menor nivel socioeconómico", dijo Ishanu Chattopadhyay, profesor adjunto de Medicina en la Universidad de Chicago y autor principal del estudio.
"Es difícil argumentar que no hay sesgo cuando la gente se sienta y determina qué patrones va a mirar para predecir la delincuencia, porque estos patrones, por sí mismos, no significan nada", dijo Chattopadhyay. "Pero ahora, se puede hacer al algoritmo preguntas complejas como: '¿Qué ocurre con la tasa de delitos violentos si los delitos contra la propiedad aumentan?", agregó.
Centrarse en las desigualdades y no en la predicción policial
A pesar del nuevo enfoque, no todos los expertos están de acuerdo con el uso de esta tecnología, y muchos han mostrado su preocupación.
Lawrence Sherman, del Cambridge Centre for Evidence-Based Policing, declaró a New Scientist que le preocupaba la inclusión en el estudio de datos policiales que dependían de las denuncias de los ciudadanos o de los delitos que la policía sale a buscar.
Según reporta Business Insider, Chattopadhyay estuvo de acuerdo en que se trataba de un problema, y que su equipo había intentado explicarlo excluyendo los delitos denunciados por los ciudadanos y las intervenciones policiales.
Por su parte, Emily M. Bender, profesora de lingüística de la Universidad de Washington, dijo en una serie de tuits que la atención debería centrarse en la focalización de las desigualdades subyacentes y no en la predicción policial, al tiempo que señaló que la investigación parece ignorar el fraude de inversiones o los delitos ambientales.
Chattopadhyay, que puso los datos y el algoritmo a disposición del público para aumentar el escrutinio, espera que los resultados se utilizaran para la elaboración de políticas de alto nivel y no como una herramienta reactiva para la policía.
"Idealmente, si se puede predecir o anticiparse a la delincuencia, la única respuesta no es enviar más agentes o inundar una comunidad concreta con fuerzas de seguridad", dijo Chattopadhyay. "Si se puede adelantarse a la delincuencia, hay muchas otras cosas que podríamos hacer para evitar que esas cosas ocurran realmente, de modo que nadie vaya a la cárcel, y ayude a las comunidades en su conjunto", concluyó.
