Antaŭvida polico: Malhelpi krimon aŭ plifortigi biasojn?

BILDA KREDITO:
Bildo kredito
iStock

Antaŭvida polico: Malhelpi krimon aŭ plifortigi biasojn?

Antaŭvida polico: Malhelpi krimon aŭ plifortigi biasojn?

Subtitolo teksto
Algoritmoj nun estas uzataj por antaŭdiri kie krimo povas okazi poste, sed ĉu oni povas fidi la datumojn por resti objektivaj?
    • Aŭtoro:
    • Aŭtora nomo
      Quantumrun Foresight
    • Eble 25, 2023

    Uzi sistemojn de artefarita inteligenteco (AI) por identigi krimpadronojn kaj sugesti intervenopciojn por malhelpi estontan kriman agadon povas esti promesplena nova metodaro por policaj agentejoj. Analizante datumojn kiel krimajn raportojn, policajn registrojn kaj aliajn rilatajn informojn, algoritmoj povas identigi ŝablonojn kaj tendencojn, kiujn homoj povas malfacile detekti. Tamen, la apliko de AI en krimpreventado levas kelkajn gravajn etikajn kaj praktikajn demandojn. 

    Prognoza polica kunteksto

    Prognoza polico uzas lokajn krimstatistikojn kaj algoritmojn por antaŭvidi kie krimoj plej verŝajne okazos poste. Kelkaj prognozaj policprovizantoj plue modifis tiun teknologion por antaŭdiri sismajn postŝokojn por indiki areojn kie polico devus ofte patroli por malinstigi krimojn. Krom "retpunktoj", la tekniko uzas lokajn arestajn datumojn por identigi la tipon de individuo, kiu verŝajne faros krimojn. 

    Uson-bazita prognoza polica softvarprovizanto Geolitica (antaŭe konata kiel PredPol), kies teknologio estas nuntempe uzita fare de pluraj policaj unuoj, asertas ke ili forigis la raskomponenton en siaj datumaroj por elimini tropolicadon de homoj de koloro. Tamen, iuj sendependaj studoj faritaj de la teknika retejo Gizmodo kaj esplororganizo The Citizen Lab trovis, ke la algoritmoj efektive plifortigis biasojn kontraŭ vundeblaj komunumoj.

    Ekzemple, polica programo, kiu uzis algoritmon por antaŭdiri, kiu riskis implikiĝi en perforta pafil-rilata krimo, renkontis kritikon post kiam estis rivelita ke 85 procentoj de tiuj identigitaj kiel havantaj la plej altajn riskajn poentarojn estis afro-amerikanaj viroj, kelkaj kun neniu antaŭa perforta krima rekordo. La programo, nomita la Strategia Subjekta Listo, estis ekzamenita en 2017 kiam la Chicago Sun-Times akiris kaj publikigis datumbazon de la listo. Ĉi tiu okazaĵo elstarigas la potencialon por antaŭjuĝo en uzado de AI en policoj kaj la gravecon zorge pripensi la eblajn riskojn kaj sekvojn antaŭ efektivigi ĉi tiujn sistemojn.

    Disrompa efiko

    Estas kelkaj avantaĝoj al prognoza policado se bone farita. Krimpreventado estas grava avantaĝo, kiel konfirmite de la Los-Anĝelesa Policejo, kiu diris, ke iliaj algoritmoj rezultigis 19-procentan redukton de rompoŝteloj ene de la indikitaj hotspots. Alia avantaĝo estas nombro-bazita decidiĝo, kie datumoj diktas ŝablonojn, ne homajn antaŭjuĝojn. 

    Tamen, kritikistoj emfazas ke ĉar tiuj datumaroj estas akiritaj de lokapolicaj sekcioj, kiuj havis historion de arestado de pli da homoj de koloro (aparte afrik-usonanoj kaj latin-amerikanoj), la padronoj simple elstarigas ekzistantajn biasojn kontraŭ tiuj komunumoj. Laŭ la esplorado de Gizmodo uzanta datenojn de Geolitica kaj pluraj policagentejoj, la prognozoj de Geolitica imitas realvivajn padronojn de tropolico kaj identigado de nigraj kaj latinamerikanaj komunumoj, eĉ individuoj ene de tiuj grupoj kun nulaj arestrekordoj. 

    Civitanrajtaj organizoj esprimis zorgojn super la kreskanta uzo de prognoza patrolado sen bonorda administrado kaj reguligaj politikoj. Iuj argumentis, ke "malpuraj datumoj" (ciferoj akiritaj per koruptaj kaj kontraŭleĝaj praktikoj) estas uzataj malantaŭ ĉi tiuj algoritmoj, kaj agentejoj, kiuj uzas ilin, kaŝas ĉi tiujn antaŭjuĝojn malantaŭ "teknika lavado" (asertante, ke ĉi tiu teknologio estas objektiva simple ĉar ne ekzistas. homa interveno).

    Alia kritiko konfrontita de prognoza policado estas ke estas ofte malfacile por la publiko kompreni kiel ĉi tiuj algoritmoj funkcias. Ĉi tiu manko de travidebleco povas malfaciligi respondecajn policagentejojn pri la decidoj, kiujn ili faras surbaze de la antaŭdiroj de ĉi tiuj sistemoj. Sekve, multaj homaj-rajtoj-organizoj postulas la malpermeson de prognozaj policteknologioj, precipe vizaĝrekonan teknologion. 

    Implicoj de prognoza policado

    Pli larĝaj implicoj de prognoza patrolado povas inkludi:

    • Civitanrajtoj kaj marĝenigitaj grupoj lobiantaj kaj repuŝantaj kontraŭ la ĝeneraligita uzo de prognoza policado, precipe ene de komunumoj de koloro.
    • Premo por la registaro trudi kontrolan politikon aŭ sekcion por limigi kiom prognoza policado estas uzata. Estonta leĝaro povas devigi policagentejojn uzi senpartiajn civitanprofilajn datumojn de registar-aprobitaj triaj partioj por trejni siajn respektivajn prognozajn policalgoritmojn.
    • Pli da policagentejoj tutmonde fidanta je iu formo de prognoza policado por kompletigi siajn patrolajn strategiojn.
    • Aŭtoritataj registaroj uzante modifitajn versiojn de ĉi tiuj algoritmoj por antaŭdiri kaj malhelpi civitanprotestojn kaj aliajn publikajn tumultojn.
    • Pli da landoj malpermesantaj vizaĝrekonajn teknologiojn en siaj policaj agentejoj sub kreskanta premo de publiko.
    • Pliigitaj procesoj kontraŭ policagentejoj pro misuzado de algoritmoj, kiuj kaŭzis kontraŭleĝajn aŭ erarajn arestojn.

    Konsiderindaj demandoj

    • Ĉu vi opinias, ke prognoza polico devus esti uzata?
    • Kiel vi pensas, ke prognozaj policalgoritmoj ŝanĝos kiel justeco estas efektivigita?

    Enrigardaj referencoj

    La sekvaj popularaj kaj instituciaj ligiloj estis referenceitaj por ĉi tiu kompreno:

    La Civitana Laboratorio Algoritma policado en Kanado klarigis
    Brennan Centro por Justeco Predictive Policing Klarigis