Ishanu Chattopadhyay, a Chicagói Egyetem kutatója az Insidernek elmondta, hogy ő és csapata létrehozott egy "városi digitális ikertestvért", amely 2014-től 2016 végéig figyelte a chicagói bűnözési adatokat, majd a következő hetekre 90 százalékos pontossággal jósolta meg bizonyos bűncselekmények valószínűségét két háztömbnyi körzetben.
A modell, amely hét másik városban is hasonló eredményeket ért el, az elkövetett bűncselekmények típusaira és az elkövetési helyekre összpontosított. Az AreaVibes által összeállított adatok szerint Chicagóban a bűnözési ráta 2020-ban 67 százalékkal magasabb volt az országos átlagnál.
Az Econofact által összeállított kutatás szerint a faji előítéletesség a rendfenntartásban meredek gazdasági következményekkel jár, és tovább növeli az egyenlőtlenséget azokon a területeken, ahol már így is nagyfokú a nélkülözés.
Míg egyes modellek megpróbálják felszámolni ezeket az elfogultságokat, gyakran éppen ellenkező hatást váltanak ki, és azzal vádolják őket, hogy az alapul szolgáló adatok faji elfogultsága a jövőbeni elfogult viselkedést erősíti.
A chicagói rendőrség 2016-ban kipróbált egy modellt, amellyel meg lehetett jósolni azokat, akiknél a legnagyobb a kockázata annak, hogy lövöldözésbe keverednek, de a titkos listáról végül kiderült, hogy a városban élő fekete férfiak 56 százaléka szerepelt a listán, ami felkeltette a rasszizmus vádját.
Chattopadhyay elmondta, hogy modelljük szerint a letartóztatások a bejelentett bűncselekményekkel párhuzamosan emelkedtek a magas jövedelmű városrészekben, míg az alacsonyabb jövedelmű területeken a letartóztatások száma nem változott, ami arra utal, hogy a rendőrségi reakcióban némi torzítás tapasztalható.
"Bemutatjuk a város-specifikus minták felfedezésének fontosságát a bejelentett bűncselekmények előrejelzése szempontjából, ami új nézőpontot teremt a városrészekről, lehetővé teszi számunkra, hogy új kérdéseket tegyünk fel, és új módon értékelhessük a rendőri fellépést" - mondta James Evans a tanulmány társszerzője a Science Daily című tudományos napilapnak.
Lawrence Sherman, a a bizonyítékalapú rendőri munka kutatóközpontja, a Cambridge Centre for Evidence-Based Policing munkatársa a New Scientistnek pedig kifejtette, hogy aggódik, mert a tanulmányba olyan rendőri adatokat vontak be, amelyek az állampolgárok bejelentéseitől vagy a rendőrség által keresett bűncselekményektől függenek.
Chattopadhyay egyetértett azzal, hogy ez probléma, és hogy csapata megpróbálta figyelembe venni ezt azzal, hogy kizárta az állampolgárok által bejelentett bűncselekményeket és a rendőri beavatkozásokat, amelyek általában pitiáner kábítószer-bűncselekményeket és közlekedési kihágásokat foglalnak magukban, és a súlyosabb erőszakos és vagyon elleni bűncselekmények zónázását, amelyeket nagyobb valószínűséggel jelentenek be bármilyen környezetben.
A kutató, aki az adatok és az algoritmus nyilvánosságra hozatalával fokozta az ellenőrzést, reméli, hogy az eredményeket a magas szintű szakpolitikában fogják felhasználni, nem pedig a rendőrség reaktív eszközeként. "Ideális esetben, ha előre meg lehet jósolni vagy meg lehet előzni a bűncselekményeket, akkor az egyetlen válasz nem az, hogy több rendőrt küldünk vagy elárasztunk egy adott közösséget rendfenntartó erőkkel. Ha meg tudnánk előzni a bűnözést, akkor egy csomó más dolgot is tehetnénk, hogy megakadályozzuk az ilyen dolgok tényleges bekövetkezését, így senki sem kerülne börtönbe, és ez a közösségek egészét segítené" - mondta Chattopadhyay.
