Tiếp theoHướng dẫn tiếp theo
Vòng phản hồi trong hệ thống ML
kỹ thuật
HƯỚNG DẪN xã hội
Cảnh sát dự đoán sử dụng mô hình dữ liệu để dự báo nơi có thể xảy ra sự cố hoặc những người có thể liên quan, sau đó sử dụng dự báo để hướng dẫn cảnh sát chú ý hoặc can thiệp.
Nghe hướng dẫn nàyAI thuật lại · ~3 min
Bởi vì các sự cố được ghi lại phụ thuộc một phần vào nơi cảnh sát tuần tra và những gì họ ghi lại, việc triển khai có thể thay đổi dữ liệu trong tương lai. Phản hồi này có thể củng cố các mô hình đầu vào mà không chứng minh được rằng tỷ lệ tội phạm cơ bản cao hơn.
Hệ thống kiểm soát dự đoán dự đoán địa điểm hoặc con người để cảnh sát chú ý. Các công cụ dựa trên địa điểm sử dụng dữ liệu sự cố đã ghi lại để làm nổi bật các khu vực trên bản đồ để tuần tra; các công cụ dựa trên con người xếp hạng mọi người theo mức độ rủi ro ước tính khi tham gia vào một sự kiện. Dự báo không phải là phát hiện một tội ác đã xảy ra hoặc một người nào đó là nguy hiểm. Nó định hình một phản ứng mang tính thể chế và phản ứng đó trở thành một phần của môi trường được đo lường. Lum và Isaac năm 2016 “Dự đoán và phục vụ?” phân tích đã áp dụng cách tiếp cận kiểu PredPol đối với dữ liệu về các vụ bắt giữ ma túy ở Oakland và so sánh các dự đoán thu được từ cuộc tuần tra với các ước tính của khảo sát y tế công cộng về việc sử dụng ma túy. Bởi vì việc bắt giữ phản ánh việc thực thi cũng như hành vi phạm tội, việc sử dụng hồ sơ bắt giữ làm đại diện cho tội phạm có thể hướng việc tuần tra tới những nơi đã nhận được nhiều sự chú ý của cảnh sát hơn. Sau đó, các điểm dừng và bắt giữ mới có thể thêm các quan sát vào cùng một luồng dữ liệu, tạo ra một vòng phản hồi. Nghiên cứu minh họa một cơ chế và một trường hợp cụ thể chứ không phải bằng chứng cho thấy mọi hệ thống dự đoán đều có tác dụng như nhau. Danh sách Chủ đề Chiến lược (SSL) của Chicago là một trường hợp. Trang dữ liệu lịch sử của Thành phố Chicago cho biết chương trình đã kết thúc vào năm 2019 và mô tả điểm ước tính xác suất một cá nhân sẽ tham gia vào một vụ nổ súng với tư cách là nạn nhân hoặc kẻ phạm tội. Một đánh giá gần như thử nghiệm do NIJ tài trợ năm 2016 cho thấy những người trong danh sách ít nhiều có khả năng trở thành nạn nhân của vụ giết người hoặc xả súng so với nhóm so sánh; phân tích cấp thành phố đã hỗ trợ kết quả đó. Nhóm được liệt kê có nhiều khả năng bị bắt vì nổ súng hơn, và các tác giả đã thảo luận liệu các cảnh sát có sử dụng điểm số làm đầu mối điều tra hay không. Nghiên cứu liên quan đến một chương trình thí điểm, không phải mọi chương trình kiểm soát dự đoán. Việc đánh giá nên tách biệt các dự báo khỏi các chính sách hoạt động, ghi lại nơi các cuộc tuần tra được cử đi, so sánh với các lựa chọn thay thế và đo lường các kết quả không chỉ đơn giản là trình bày lại hoạt động của cảnh sát. Tác động đến cộng đồng, kết quả dương tính giả, phản hồi và biện pháp bảo vệ theo đúng thủ tục đều quan trọng. Một mô hình có thể ưu tiên sự chú ý, nhưng nó không thể biến dữ liệu được ghi lại thành thước đo khách quan về tội phạm thực sự mà không kiểm tra xem những hồ sơ đó được tạo ra như thế nào.
Một công cụ dựa trên địa điểm sẽ gắn cờ các ô bản đồ nhỏ bằng cách sử dụng các báo cáo sự cố gần đây và các sĩ quan sẽ chỉ đạo các cuộc tuần tra bổ sung đến các địa điểm đó.
Danh sách dựa trên cá nhân xếp hạng các cá nhân theo nguy cơ ước tính liên quan đến bạo lực với tư cách là nạn nhân hoặc nghi phạm, đặt ra câu hỏi về sự can thiệp và thủ tục pháp lý.
Các nhà nghiên cứu áp dụng phương pháp kiểu PredPol cho dữ liệu lịch sử về các vụ bắt giữ ma túy ở Oakland và chỉ ra cách thức các mô hình bắt giữ có thể hướng dự báo tới các khu vực lân cận đã được kiểm soát chặt chẽ.
Một thành phố xem xét chương trình dự đoán rủi ro của mình và nhận thấy các biện pháp can thiệp vào việc triển khai, chính sách và cộng đồng đã thay đổi cùng với mô hình, làm phức tạp thêm các tuyên bố về tác động.
Trước khi thảo luận về một trường hợp lịch sử của Chicago, hãy xác nhận rằng chương trình được trích dẫn không hoạt động và phân biệt nó với bất kỳ mô hình nào sau này. Các chương trình dự đoán mới có thể sử dụng dữ liệu, mục đích và khả năng giám sát khác nhau, vì vậy hãy đánh giá từng hoạt động triển khai theo thiết kế và kết quả riêng của nó. Bao gồm các cộng đồng bị ảnh hưởng khi thiết lập dữ liệu, thông báo, đánh giá và thực hành trách nhiệm giải trình. Kiểm tra thẩm quyền pháp lý, hồ sơ mua sắm và kết quả đánh giá bất cứ khi nào cơ quan đề xuất cách sử dụng dự đoán mới. Giữ thông tin thực tế về chương trình được phiên bản với mỗi đánh giá. Ghi ngày tháng cho mỗi lần xem xét và ghi lại những thay đổi đối với mỗi cơ quan.
Bản tin miễn phí
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Cảnh sát dự đoán sử dụng mô hình dữ liệu để dự báo nơi có thể xảy ra sự cố hoặc những người có thể liên quan, sau đó sử dụng dự báo để hướng dẫn cảnh sát chú ý hoặc can thiệp. Bởi vì các sự cố được ghi lại phụ thuộc một phần vào nơi cảnh sát tuần tra và những gì họ ghi lại, việc triển khai có thể thay đổi dữ liệu trong tương lai. Phản hồi này có thể củng cố các mô hình đầu vào mà không chứng minh được rằng tỷ lệ tội phạm cơ bản cao hơn.
Công cụ dự báo dựa trên địa điểm dự đoán khu vực, trong khi công cụ dựa trên người ước tính rủi ro cho từng cá nhân.
Số lượng bắt giữ được ghi lại phụ thuộc một phần vào nơi và cách thức cảnh sát tuần tra và hành động.
Mô hình có thể ảnh hưởng đến sự chú ý, điều này thay đổi các quan sát được sử dụng trong các mô hình sau này.
Cổng dữ liệu của Chicago cho biết chương trình đã kết thúc vào năm 2019 và giữ lại bộ dữ liệu cho mục đích tham khảo lịch sử.
Đánh giá cho thấy không có khả năng cao hơn hoặc thấp hơn về việc bị giết người hoặc bị bắn trong nhóm người có danh sách so với nhóm so sánh.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
Vòng phản hồi trong hệ thống ML
kỹ thuật