Científicos de la Universidad de Chicago, en Estados Unidos, desarrollaron un algoritmo aparentemente capaz de predecir la delincuencia en zonas urbanas con hasta una semana de antelación, además de una precisión de alrededor del 90 %, según detallaron en un estudio publicado en Nature Human Behavior.
En ese orden, el algoritmo, que predice la delincuencia mediante el aprendizaje de patrones temporales y geográficos, divide las ciudades en mosaicos de 1.000 metros cuadrados. Los investigadores utilizaron datos históricos sobre delitos violentos y contra la propiedad de Chicago para probar el modelo, que detecta patrones a lo largo del tiempo en estas zonas en mosaico e intenta predecir acontecimientos futuros.
Asimismo, el nuevo estudio demostró que funcionó igual de bien con datos de otras grandes ciudades, como Atlanta, Los Ángeles y Filadelfia.
Este no es el primer intento de crear modelos de predicción. Por ejemplo, antes de las Olimpiadas, la policía de Tokio pretendía implantar tecnología basada en la inteligencia artificial (IA) para predecir los delitos antes de que se produjeran.
Sesgos sistémicos de la aplicación de la ley
No obstante, según los investigadores, la nueva herramienta contrasta con los otros modelos de predicción de la delincuencia; ya que estos –con un enfoque epidémico o sísmico– consideran que la delincuencia surge de «puntos calientes» que se extiende a otras zonas.
Estos enfoques, agregan los investigadores, pasan por alto el complejo entorno social de las ciudades; y también están sesgados por la vigilancia que utiliza el Estado para hacer cumplir la ley. En su lugar, el algoritmo utilizado analiza los informes de delincuencia anteriores teniendo en cuenta muchos otros factores.
Los modelos
Por ejemplo, en un modelo separado, según se lee en el comunicado de prensa de la Universidad de Chicago, el equipo de investigación estudió la respuesta policial a la delincuencia analizando el número de detenciones tras los incidentes y comparando esas tasas entre barrios de diferente nivel socioeconómico.
Fuente: DW
Discussion about this post