Um novo modelo de computador usa dados publicamente disponíveis para prever o crime com precisão em oito cidades dos EUA, ao mesmo tempo em que revela maior resposta policial em bairros ricos em detrimento de áreas menos favorecidas.
Avanços em aprendizado de máquina e inteligência artificial despertaram o interesse de governos que gostariam de usar essas ferramentas para policiamento preditivo para deter o crime. Os primeiros esforços na previsão do crime foram controversos, no entanto, porque não levam em conta os vieses sistêmicos na aplicação da polícia e sua complexa relação com o crime e a sociedade.
Cientistas de dados e sociais da Universidade de Chicago desenvolveram um novo algoritmo que prevê crimes aprendendo padrões no tempo e localizações geográficas a partir de dados públicos sobre crimes violentos e contra a propriedade. O modelo pode prever crimes futuros com uma semana de antecedência com cerca de 90% de precisão.
Em um modelo separado, a equipe de pesquisa também estudou a resposta da polícia ao crime, analisando o número de prisões após os incidentes e comparando essas taxas entre bairros com diferentes níveis socioeconômicos. Eles viram que o crime em áreas mais ricas resultou em mais prisões, enquanto as prisões em bairros desfavorecidos diminuíram. No entanto, o crime em bairros pobres não levou a mais prisões, sugerindo um viés na resposta e na fiscalização da polícia.
“O que estamos vendo é que, quando você enfatiza o sistema, ele requer mais recursos para prender mais pessoas em resposta ao crime em uma área rica e atrai recursos policiais para longe das áreas de status socioeconômico mais baixo”, disse Ishanu Chattopadhyay, PhD, professor assistente of Medicine na UChicago e autor sênior do novo estudo, que foi publicado esta semana na Nature Human Behavior .
A ferramenta foi testada e validada usando dados históricos da cidade de Chicago em torno de duas grandes categorias de eventos relatados: crimes violentos (homicídios, assaltos e baterias) e crimes contra a propriedade (roubos, roubos e furtos de veículos motorizados). Esses dados foram usados porque eram mais prováveis de serem denunciados à polícia em áreas urbanas onde há desconfiança histórica e falta de cooperação com as autoridades policiais. Esses crimes também são menos propensos ao viés de aplicação, como é o caso de crimes relacionados a drogas, batidas de trânsito e outras contravenções.
Esforços anteriores de previsão do crime costumam usar uma abordagem epidêmica ou sísmica, em que o crime é descrito como emergente em “pontos críticos” que se espalham para as áreas vizinhas. No entanto, essas ferramentas ignoram o complexo ambiente social das cidades e não consideram a relação entre o crime e os efeitos da fiscalização policial.
“Os modelos espaciais ignoram a topologia natural da cidade”, disse o sociólogo e co-autor James Evans, PhD, professor Max Palevsky na UChicago e no Santa Fe Institute. “As redes de transporte respeitam ruas, passarelas, linhas de trem e ônibus. As redes de comunicação respeitam áreas de origem socioeconômica semelhante. Nosso modelo permite a descoberta dessas conexões.”
O novo modelo isola o crime observando o tempo e as coordenadas espaciais de eventos discretos e detectando padrões para prever eventos futuros. Ele divide a cidade em ladrilhos espaciais de aproximadamente 300 metros de diâmetro e prevê o crime dentro dessas áreas, em vez de depender de bairros tradicionais ou limites políticos, que também estão sujeitos a viés. O modelo teve um desempenho tão bom com dados de outras sete cidades dos EUA: Atlanta, Austin, Detroit, Los Angeles, Filadélfia, Portland e São Francisco.
“Demonstramos a importância de descobrir padrões específicos da cidade para a previsão de crimes relatados, o que gera uma nova visão dos bairros da cidade, nos permite fazer novas perguntas e avaliar a ação policial de novas maneiras”, disse Evans.
Chattopadhyay é cuidadoso ao observar que a precisão da ferramenta não significa que ela deva ser usada para direcionar a aplicação da lei, com os departamentos de polícia usando-a para invadir os bairros proativamente para prevenir o crime. Em vez disso, deve ser adicionado a uma caixa de ferramentas de políticas urbanas e estratégias de policiamento para combater o crime.
“Criamos um gêmeo digital de ambientes urbanos. Se você alimentá-lo com dados do passado, ele dirá o que vai acontecer no futuro. Não é mágico, há limitações, mas validamos e funciona muito bem, ” Chattopadhyay disse. “Agora você pode usar isso como uma ferramenta de simulação para ver o que acontece se o crime aumentar em uma área da cidade ou se houver aumento da fiscalização em outra área. Se você aplicar todas essas variáveis diferentes, poderá ver como o sistema evolui em resposta.”
O estudo, “Previsão em nível de evento de crime urbano revela assinatura de viés de aplicação em cidades dos EUA”, foi apoiado pela Agência de Projetos de Pesquisa Avançada de Defesa e pelo Neubauer Collegium for Culture and Society. Autores adicionais incluem Victor Rotaru, Yi Huang e Timmy Li da Universidade de Chicago.
Fonte da história:
Materiais fornecidos pela Universidade de Chicago. Original escrito por Matt Wood.
Referência do periódico :
- Victor Rotaru, Yi Huang, Timmy Li, James Evans, Ishanu Chattopadhyay. A previsão em nível de evento de crimes urbanos revela uma assinatura de viés de fiscalização nas cidades dos EUA . Natureza Comportamento Humano , 2022; DOI: 10.1038/s41562-022-01372-0
