Llegó Minority Report: la tecnología que predice delitos con un 90% de precisión

Los avances en el aprendizaje automático y la inteligencia artificial han despertado el interés de los gobiernos a quienes les gustaría usar estas herramientas para la vigilancia predictiva con el objetivo de disminuir la tasa de crímenes. Sin embargo, los primeros esfuerzos en la predicción del delito han sido controvertidos porque no tienen en cuenta los sesgos en la aplicación de la policía y su compleja relación con el delito y la sociedad. Hasta ahora, porque una tecnología similar a la de la película de ciencia ficción Minority Report, sería capaz de predecir futuros delitos con un 90% de precisión.

Así lo afirman científicos sociales y de datos de la Universidad de Chicago quienes han desarrollado un nuevo algoritmo que pronostica delitos aprendiendo patrones en el tiempo y ubicaciones geográficas a partir de datos públicos sobre delitos violentos y contra la propiedad. El equipo, liderado por Ishanu Chattopadhyay, también analizó la respuesta de la policía al crimen evaluando el número de arrestos luego de los incidentes y comparando esas tasas entre vecindarios con diferentes niveles socioeconómicos. Vieron que el crimen en áreas con mayor poder adquisitivo tenía más arrestos, mientras que los arrestos en vecindarios desfavorecidos disminuían.

“Lo que estamos viendo – explica Chattopadhyay – es que el sistema requiere más recursos para arrestar a más personas en respuesta al crimen en un área rica, pero desvía los recursos policiales de las áreas de nivel socioeconómico más bajo”.

El estudio, que se publicó esta semana en Nature Human Behavior, utilizó datos históricos de la ciudad de Chicago en torno a dos amplias categorías: delitos violentos (homicidios, agresiones y lesiones) y delitos contra la propiedad (robos, hurtos y robos de vehículos motorizados). Estos datos se usaron porque era más probable que se denunciaran a la policía en áreas urbanas donde históricamente existe desconfianza y falta de cooperación con las fuerzas del orden. Dichos delitos también son menos propensos al sesgo de aplicación, como es el caso de los delitos de drogas, las detenciones de tráfico y otras infracciones por delitos menores.

Las herramientas que se utilizaban hasta ahora en la predicción del crimen a menudo usan un enfoque epidémico o sísmico: el crimen se describe como emergente en “puntos críticos” que se extienden a las áreas circundantes. Sin embargo, estas herramientas pasan por alto el complejo entorno social de las ciudades y no consideran la relación entre el crimen y los efectos de la policía.

El nuevo modelo aísla el crimen observando el tiempo y las coordenadas espaciales de eventos y detecta patrones para predecir eventos futuros. Divide la ciudad en mosaicos espaciales de aproximadamente 300 metros cuadrados y predice el crimen dentro de estas áreas en lugar de depender de los límites políticos o del vecindario tradicional, que también están sujetos a prejuicios. El modelo funcionó igual de bien con datos de otras siete ciudades de EE. UU.: Atlanta, Austin, Detroit, Los Ángeles, Filadelfia, Portland y San Francisco.

Pese a ello, los autores señalan que la precisión de la herramienta no significa que deba usarse para dirigir a las fuerzas del orden, ya que los departamentos de policía la usarían para prevenir el crimen. En cambio, debería constituir una herramienta más de las fuerzas del orden para abordar el crimen.