无语！机器人警察能提前一周准确预测犯罪，但被认为是种族主义者
-
机器人警察可能会得到21世纪的重用，因为一种算法被发现可以提前一周预测未来的犯罪，准确率达90%。
该人工智能（AI）工具通过学习暴力和财产犯罪的时间和地理位置模式来预测犯罪。
芝加哥大学的数据科学家利用美国八个主要城市的公共数据训练了该计算机模型。
然而，事实证明它是有争议的，因为该模型没有考虑到警察执法中的系统性偏见及其与犯罪和社会的复杂关系。
类似的系统已经被证明在过去的警务工作中延续了种族主义偏见，这有可能被这个模型所复制。
但研究人员声称，他们的模型也可以用来揭露偏见，而且只应该用来为当前的警务策略提供参考。
例如，它发现社会经济条件差的地区可能比富裕社区得到的警务关注少得不成比例。
（图）在2017年4月1日至15日的两周内，芝加哥记录的暴力犯罪（左）和财产犯罪（右）。这些事件被用来训练计算机模型
（图）模型对芝加哥的暴力犯罪（左）和财产犯罪（右）预测的准确性。预测是提前一周进行的，如果在预测日期的±一天内有犯罪记录，该事件就被登记为成功预测。该计算机模型使用芝加哥市2014年至2016年底的犯罪事件历史数据进行训练。
然后，它预测了这个训练期之后几周的犯罪水平。
它所训练的事件属于两大类不容易产生执法偏见的事件。
这些是暴力犯罪，如杀人、攻击和殴打，以及财产犯罪，包括入室盗窃、盗窃和机动车盗窃。
在城市地区，这些事件也更有可能被报告给警察，因为那里有历史上的不信任和缺乏与执法部门的合作。
该模型还考虑到个别犯罪的时间和空间坐标，并检测其中的模式以预测未来事件。
它将城市划分为很多大约1000英尺宽的空间，并预测这些区域内的犯罪。
这与之前的研究将一些地区视为犯罪 "热点 "并扩散到周边地区的做法相反。
热点往往依赖于传统的邻里或政治边界，而这些边界也会有偏差。
共同作者James Evans博士说："空间模型忽略了城市的自然拓扑结构。“
交通网络尊重街道、人行道、火车和公交线路，通信网络尊重社会经济背景相似的地区。
'我们的模型能够发现这些联系。‘
'我们证明了发现城市特定模式对于预测报告的犯罪的重要性，这产生了对城市中街区的新看法，使我们能够提出新的问题，并让我们以新的方式评估警察行动。’
根据昨天发表在《自然-人类行为》上的结果，该模型在其他七个美国城市的数据中的表现与芝加哥一样好。
这些城市是亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山。
（图）图形显示了人工智能工具的建模方法。一个城市被分割成小块空间，大约是一个平均城市街区大小的1.5倍，该模型计算在不同小块上记录的连续事件流的模式。
研究人员随后使用该模型研究了警察对具有不同社会经济背景地区的事件的反应。
他们发现，当犯罪发生在较富裕的地区时，它们比在贫困社区的犯罪吸引了更多的警察资源，并导致更多的逮捕。
这表明警察的反应和执法有偏差。
高级作者Ishanu Chattopadhyay博士说："我们看到的是，当你给系统施加压力时，它需要更多的资源来逮捕更多的人以应对富裕地区的犯罪，并将警察资源从社会经济地位较低的地区吸引过来。”
事实证明，在执法过程中利用计算机模型是有争议的，因为人们担心它可能进一步灌输现有的警察偏见。
早在2016年，芝加哥警察局试用了一种算法，创建了一份被认为最有可能卷入枪击事件的人的名单，无论是作为受害者还是作为犯罪者。
起初，结果的细节是保密的，但最终发现芝加哥有56%的20至29岁的黑人男子出现在名单上。
剑桥大学循证警务中心的劳伦斯-谢尔曼告诉《新科学家》，他担心新模型看的是容易产生种族偏见的数据。
他说："这可能反映了警察在某些地区的故意歧视。“
（图）该模型对美国主要城市的财产和暴力犯罪的预测准确度：a: 亚特兰大，b: 费城，c: 旧金山, d: 底特律, e: 洛杉矶，f：奥斯汀。所有这些城市都显示出相当高的预测性能然而，据其开发者称，这一工具并不是为了引导警察进入其预测的可能发生犯罪的地区，而是用于通报当前的警务战略和政策。
研究中使用的数据和算法已被公开发布，以便其他研究人员可以调查其结果。
Chattopadhyay博士说："我们创建了一个城市环境的数字孪生体。如果你给它提供过去发生的数据，它将告诉你未来会发生什么。”
‘它并不神奇，有一些限制，但我们验证了它，它真的很好用。’
现在你可以把它作为一个模拟工具，看看如果城市的一个地区犯罪率上升，或者在另一个地区加强执法会发生什么。
如果你应用所有这些不同的变量，你可以看到系统是如何演变的反应。
