Исследователи из Чикагского университета разработали алгоритм, предсказывающий преступления на неделю вперед в радиусе 300 метров с точностью 90%. Работу опубликовал журнал Nature. Об этом сообщает  Forklog.

По словам ученых, система изучает закономерности из общедоступных данных о насильственных правонарушениях и преступлениях против собственности. Такие события менее склонны к предвзятости со стороны полиции, считают исследователи.

Модель изолирует преступность, рассматривая временные и пространственные координаты отдельных событий и обнаруживая закономерности для прогнозирования будущих инцидентов. Алгоритм делит город на «пространственные плитки» примерно по 300 метров в поперечнике и предсказывает правонарушения в этих областях.

Ученые заявили, что предыдущие модели больше полагались на традиционное соседство или политические границы, которые подвержены предвзятости. По словам ведущего автора исследования Ишану Чаттопадхьяйа, высокая точность инструмента не означает, что его следует применять для управления политикой правоохранительных органов. Он добавил, что полицейские управления не должны использовать его для упреждающего захвата кварталов с целью предотвращения преступности.

«Это не волшебство; есть ограничения, но мы проверили его, и он работает очень хорошо», — сказал Чаттопадхьяй. Вместо этого алгоритм следует добавить в набор инструментов городской политики и полицейских стратегий для борьбы с преступностью, считает ученый:
«Мы создали цифровой двойник городской среды. Если вы предоставите ему данные о том, что произошло в прошлом, он расскажет вам о будущем», — сказал он. Исследовательская группа также изучила реакцию полиции на преступность, проанализировав количество арестов после инцидентов и сравнив показатели в разных районах.

Они обнаружили, что повышение уровня правонарушений в более богатых кварталах привело к увеличению количества задержаний. В неблагополучных районах ситуация обратная, что может свидетельствовать о дисбалансе в реагировании полиции, считают ученые. Инструмент протестировали с использованием исторических сведений из Чикаго. Модель также показала хорошие результаты при работе с данными из семи других городов США: Атланты, Остина, Детройта, Лос-Анджелеса, Филадельфии, Портленда и Сан-Франциско.