Un nuevo estudio realizado por un equipo de académicos y funcionarios encargados de hacer cumplir la ley dirigido por UCLA sugiere que la respuesta es sí. Un modelo matemático que idearon para guiar dónde el Departamento de Policía de Los Ángeles debería desplegar oficiales, condujo a tasas de criminalidad sustancialmente más bajas durante un período reciente de 21 años.-período de meses.
"El modelo no solo predijo el doble de delitos de lo que predijeron los analistas de delitos capacitados, sino que también previno el doble de delitos", dijo Jeffrey Brantingham, profesor de antropología de UCLA y autor principal del estudio. Un artículo sobre el trabajo, que también se probó en Kent, Inglaterra, fue publicado hoy en línea por Revista de la Asociación Estadounidense de Estadística .
El modelo tuvo tanto éxito que el LAPD lo adoptó para su uso en 14 de sus 21 divisiones, frente a tres en 2013.
Desarrollado utilizando seis años de investigación matemática y una década de datos policiales sobre delitos, el programa predice los momentos y lugares en los que se producirán delitos graves basándose en datos históricos sobre delitos en un área determinada. Una clave de su éxito, dijo Brantingham, es que elalgoritmo detrás del modelo "aprende" efectivamente con el tiempo.
"De la misma manera que su servicio de transmisión de video sabe qué película va a ver mañana, incluso si sus gustos han cambiado, nuestro algoritmo evoluciona constantemente y se adapta a los nuevos datos sobre delitos", dijo.
A partir de 2011, los investigadores analizaron las tendencias delictivas en la división suroeste de LAPD y en dos divisiones de Kent para determinar si su modelo podía predecir, en tiempo real, cuándo y dónde ocurrirían los delitos mayores. Su análisis en Los Ángeles se centró en los robos,robo de automóviles y robo de automóviles. En Kent, estudiaron los patrones de esos delitos, así como los delitos violentos, incluidos el asalto y el robo.
Los investigadores probaron el modelo informático comparándolo con analistas de delitos profesionales, para ver cuál podía predecir con mayor precisión dónde ocurrirían los delitos. En cada uno de los 117 días en Los Ángeles, les dieron a los analistas humanos un mapa de todo el distrito policial y preguntaronpara identificar una ubicación precisa, de solo media cuadra de tamaño, donde es más probable que ocurra un delito en un período específico de 12 horas. El algoritmo se programó para responder la misma pregunta en esta fasedel experimento, los agentes de policía no actuaron según las predicciones del modelo.
En Los Ángeles, el modelo matemático predijo correctamente la ubicación de los delitos en el 4,7 por ciento de sus pronósticos, mientras que los analistas humanos acertaron solo el 2,1 por ciento de las veces. En las dos divisiones de Kent, el modelo predijo el 9,8 por ciento y el 6,8 por ciento de losdelitos; los analistas tenían razón el 6,8 por ciento y el 4 por ciento de las veces. Aunque esas tasas de éxito pueden no parecer dramáticas, es importante tener en cuenta que las predicciones se centraron en ubicaciones de destino minúsculas: los puntos calientes previstos representaron menos del 1 por cientode la superficie terrestre de Los Ángeles, y un porcentaje aún menor de Kent.
En la siguiente fase del estudio, los agentes de policía en cada una de las tres divisiones de LAPD - North Hollywood, Southwest y Foothill en el noreste del Valle de San Fernando - se desplegaron en 20 áreas de media cuadra según las predicciones deel modelo o los analistas humanos, en días aleatorios entre cuatro y ocho meses. Ni los oficiales ni sus comandantes sabían si las asignaciones provenían de la computadora o de los analistas profesionales.
Se indicó a los agentes que fueran a las áreas especificadas, que estaban marcadas en los mapas como recuadros rojos, que respondieran como les pareciera conveniente y que permanecieran en las ubicaciones todo el tiempo que lo consideraran necesario. En las tres divisiones, el modelo matemático produjo 4.3menos delitos por semana, una reducción del 7,4 por ciento, en comparación con la cantidad de delitos que la policía habría esperado si los agentes no hubieran patrullado las áreas de la "caja roja". El delito se redujo cuando los oficiales también patrullaron las áreas seleccionadas por los analistas humanos,pero solo por dos delitos por semana en cada división.
Con base en esos resultados, los investigadores estimaron que el uso del algoritmo ahorraría $ 9 millones por año en Los Ángeles, teniendo en cuenta los costos para las víctimas, los tribunales y la sociedad.
Brantingham dijo que la tasa de éxito del modelo matemático podría mejorarse aún más a medida que los investigadores mejoren el algoritmo que utiliza.
Basado en su propia prueba, la policía de Kent ahora está implementando el modelo matemático en otras divisiones en todo el condado.
"Hemos trabajado en estrecha colaboración con nuestras contrapartes en Los Ángeles desde el momento en que nos interesamos en la vigilancia policial predictiva y los beneficios que aporta para mantener seguras a las comunidades", dijo Mark Johnson, jefe de análisis de la policía de Kent.
Brantingham cree que el modelo matemático sería eficaz en ciudades de todo el mundo. Es cofundador de PredPol, una empresa que comercializa software de vigilancia policial predictiva en ciudades como Atlanta y Tacoma, Washington.
Brantingham también enfatizó que el algoritmo no puede reemplazar el trabajo policial; está destinado a ayudar a los oficiales de policía a hacer mejor su trabajo.
"Nuestra directiva para los oficiales era 'meterse en la caja' y usar su capacitación y experiencia para vigilar lo que ven", dijo el comandante Sean Malinowski, jefe de personal de LAPD. "La flexibilidad en cómo usar las predicciones demostró serpopular y se ha convertido en una parte clave de cómo la policía de Los Ángeles implementa la vigilancia predictiva en la actualidad ".
Muchos científicos sociales han dicho que el comportamiento humano y el comportamiento delictivo son demasiado complejos para ser explicados con un modelo matemático, pero Brantingham no está totalmente de acuerdo.
"No es demasiado complejo", dijo. "No estamos tratando de explicar todo, pero hay muchos aspectos del comportamiento humano que podemos entender matemáticamente".
Fuente de la historia :
Materiales proporcionado por Universidad de California - Los Ángeles . Original escrito por Stuart Wolpert. Nota: el contenido se puede editar por estilo y longitud.
cite esta página :