ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್: ಅಪರಾಧವನ್ನು ತಡೆಗಟ್ಟುವುದೇ ಅಥವಾ ಪಕ್ಷಪಾತವನ್ನು ಬಲಪಡಿಸುವುದೇ?

• ಲೇಖಕ ಬಗ್ಗೆ:
• ಲೇಖಕ ಹೆಸರು

  ಕ್ವಾಂಟಮ್ರನ್ ದೂರದೃಷ್ಟಿ
• 25 ಮೇ, 2023

ಅಪರಾಧ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ವ್ಯವಸ್ಥೆಗಳನ್ನು ಬಳಸುವುದು ಮತ್ತು ಭವಿಷ್ಯದ ಅಪರಾಧ ಚಟುವಟಿಕೆಯನ್ನು ತಡೆಗಟ್ಟಲು ಮಧ್ಯಸ್ಥಿಕೆ ಆಯ್ಕೆಗಳನ್ನು ಸೂಚಿಸುವುದು ಕಾನೂನು ಜಾರಿ ಸಂಸ್ಥೆಗಳಿಗೆ ಭರವಸೆಯ ಹೊಸ ವಿಧಾನವಾಗಿದೆ. ಅಪರಾಧ ವರದಿಗಳು, ಪೊಲೀಸ್ ದಾಖಲೆಗಳು ಮತ್ತು ಇತರ ಸಂಬಂಧಿತ ಮಾಹಿತಿಯಂತಹ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ, ಮಾನವರು ಪತ್ತೆಹಚ್ಚಲು ಕಷ್ಟಕರವಾದ ಮಾದರಿಗಳು ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳನ್ನು ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಗುರುತಿಸಬಹುದು. ಆದಾಗ್ಯೂ, ಅಪರಾಧ ತಡೆಗಟ್ಟುವಲ್ಲಿ AI ಯ ಅನ್ವಯವು ಕೆಲವು ಪ್ರಮುಖ ನೈತಿಕ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಪ್ರಶ್ನೆಗಳನ್ನು ಹುಟ್ಟುಹಾಕುತ್ತದೆ. 

ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಸಂದರ್ಭ

ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಸ್ಥಳೀಯ ಅಪರಾಧ ಅಂಕಿಅಂಶಗಳು ಮತ್ತು ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಮುಂದೆ ಅಪರಾಧಗಳು ಎಲ್ಲಿ ಹೆಚ್ಚಾಗಿ ಸಂಭವಿಸಬಹುದು ಎಂಬುದನ್ನು ಮುನ್ಸೂಚಿಸುತ್ತದೆ. ಕೆಲವು ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಪೂರೈಕೆದಾರರು ಭೂಕಂಪದ ನಂತರದ ಆಘಾತಗಳನ್ನು ಊಹಿಸಲು ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಮತ್ತಷ್ಟು ಮಾರ್ಪಡಿಸಿದ್ದಾರೆ, ಅಪರಾಧಗಳನ್ನು ತಡೆಯಲು ಪೊಲೀಸರು ಆಗಾಗ್ಗೆ ಗಸ್ತು ತಿರುಗಬೇಕಾದ ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸಲು. "ಹಾಟ್‌ಸ್ಪಾಟ್‌ಗಳ" ಹೊರತಾಗಿ, ಅಪರಾಧಗಳನ್ನು ಮಾಡುವ ಸಾಧ್ಯತೆಯಿರುವ ವ್ಯಕ್ತಿಯ ಪ್ರಕಾರವನ್ನು ಗುರುತಿಸಲು ಟೆಕ್ ಸ್ಥಳೀಯ ಬಂಧನ ಡೇಟಾವನ್ನು ಬಳಸುತ್ತದೆ. 

US-ಆಧಾರಿತ ಪ್ರಿಡಿಕ್ಟಿವ್ ಪೋಲೀಸಿಂಗ್ ಸಾಫ್ಟ್‌ವೇರ್ ಪೂರೈಕೆದಾರ ಜಿಯೋಲಿಟಿಕಾ (ಹಿಂದೆ ಪ್ರೆಡ್‌ಪೋಲ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತಿತ್ತು), ಅದರ ತಂತ್ರಜ್ಞಾನವನ್ನು ಪ್ರಸ್ತುತ ಹಲವಾರು ಕಾನೂನು ಜಾರಿ ಘಟಕಗಳು ಬಳಸುತ್ತಿವೆ, ಅವರು ಬಣ್ಣದ ಜನರ ಅತಿಯಾದ ಪೋಲೀಸಿಂಗ್ ಅನ್ನು ತೊಡೆದುಹಾಕಲು ತಮ್ಮ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ ರೇಸ್ ಘಟಕವನ್ನು ತೆಗೆದುಹಾಕಿದ್ದಾರೆ ಎಂದು ಹೇಳಿಕೊಂಡಿದ್ದಾರೆ. ಆದಾಗ್ಯೂ, ಟೆಕ್ ವೆಬ್‌ಸೈಟ್ ಗಿಜ್ಮೊಡೊ ಮತ್ತು ಸಂಶೋಧನಾ ಸಂಸ್ಥೆ ದಿ ಸಿಟಿಜನ್ ಲ್ಯಾಬ್ ನಡೆಸಿದ ಕೆಲವು ಸ್ವತಂತ್ರ ಅಧ್ಯಯನಗಳು ಅಲ್ಗಾರಿದಮ್‌ಗಳು ದುರ್ಬಲ ಸಮುದಾಯಗಳ ವಿರುದ್ಧ ಪಕ್ಷಪಾತವನ್ನು ಬಲಪಡಿಸುತ್ತವೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ.

ಉದಾಹರಣೆಗೆ, ಹಿಂಸಾತ್ಮಕ ಬಂದೂಕು-ಸಂಬಂಧಿತ ಅಪರಾಧದಲ್ಲಿ ಯಾರು ತೊಡಗಿಸಿಕೊಳ್ಳುವ ಅಪಾಯವಿದೆ ಎಂದು ಊಹಿಸಲು ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸಿದ ಪೋಲೀಸ್ ಪ್ರೋಗ್ರಾಂ ಟೀಕೆಗಳನ್ನು ಎದುರಿಸಿತು, ಹೆಚ್ಚಿನ ಅಪಾಯದ ಅಂಕಗಳನ್ನು ಹೊಂದಿರುವವರು ಎಂದು ಗುರುತಿಸಲ್ಪಟ್ಟವರಲ್ಲಿ 85 ಪ್ರತಿಶತದಷ್ಟು ಜನರು ಆಫ್ರಿಕನ್ ಅಮೇರಿಕನ್ ಪುರುಷರು, ಕೆಲವರು ಹಿಂದಿನ ಹಿಂಸಾತ್ಮಕ ಕ್ರಿಮಿನಲ್ ದಾಖಲೆ ಇಲ್ಲ. 2017 ರಲ್ಲಿ ಚಿಕಾಗೋ ಸನ್-ಟೈಮ್ಸ್ ಪಟ್ಟಿಯ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಪಡೆದುಕೊಂಡು ಪ್ರಕಟಿಸಿದಾಗ ಸ್ಟ್ರಾಟೆಜಿಕ್ ಸಬ್ಜೆಕ್ಟ್ ಲಿಸ್ಟ್ ಎಂದು ಕರೆಯಲ್ಪಡುವ ಕಾರ್ಯಕ್ರಮವು ಪರಿಶೀಲನೆಗೆ ಒಳಪಟ್ಟಿತು. ಈ ಘಟನೆಯು ಕಾನೂನು ಜಾರಿಯಲ್ಲಿ AI ಅನ್ನು ಬಳಸುವಲ್ಲಿ ಪಕ್ಷಪಾತದ ಸಂಭಾವ್ಯತೆಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ ಮತ್ತು ಈ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು ಸಂಭಾವ್ಯ ಅಪಾಯಗಳು ಮತ್ತು ಪರಿಣಾಮಗಳನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಪರಿಗಣಿಸುವ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.

ಅಡ್ಡಿಪಡಿಸುವ ಪರಿಣಾಮ

ಸರಿಯಾಗಿ ಮಾಡಿದರೆ ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್‌ಗೆ ಕೆಲವು ಪ್ರಯೋಜನಗಳಿವೆ. ಅಪರಾಧ ತಡೆಗಟ್ಟುವಿಕೆ ಒಂದು ಪ್ರಮುಖ ಪ್ರಯೋಜನವಾಗಿದೆ, ಲಾಸ್ ಏಂಜಲೀಸ್ ಪೋಲೀಸ್ ಇಲಾಖೆಯು ದೃಢಪಡಿಸಿದಂತೆ, ಅವರ ಕ್ರಮಾವಳಿಗಳು ಸೂಚಿಸಿದ ಹಾಟ್‌ಸ್ಪಾಟ್‌ಗಳಲ್ಲಿ 19 ಪ್ರತಿಶತದಷ್ಟು ಕಳ್ಳತನವನ್ನು ಕಡಿಮೆ ಮಾಡಿದೆ ಎಂದು ಹೇಳಿದರು. ಮತ್ತೊಂದು ಪ್ರಯೋಜನವೆಂದರೆ ಸಂಖ್ಯೆ-ಆಧಾರಿತ ನಿರ್ಧಾರ-ಮಾಡುವಿಕೆ, ಅಲ್ಲಿ ಡೇಟಾವು ಮಾದರಿಗಳನ್ನು ನಿರ್ದೇಶಿಸುತ್ತದೆ, ಮಾನವ ಪಕ್ಷಪಾತಗಳಲ್ಲ. 

ಆದಾಗ್ಯೂ, ವಿಮರ್ಶಕರು ಈ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಸ್ಥಳೀಯ ಪೋಲೀಸ್ ಇಲಾಖೆಗಳಿಂದ ಪಡೆಯಲಾಗಿದೆ, ಇದು ಹೆಚ್ಚು ಬಣ್ಣದ ಜನರನ್ನು (ವಿಶೇಷವಾಗಿ ಆಫ್ರಿಕನ್-ಅಮೆರಿಕನ್ನರು ಮತ್ತು ಲ್ಯಾಟಿನ್ ಅಮೆರಿಕನ್ನರು) ಬಂಧಿಸುವ ಇತಿಹಾಸವನ್ನು ಹೊಂದಿದ್ದು, ಮಾದರಿಗಳು ಈ ಸಮುದಾಯಗಳ ವಿರುದ್ಧ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪಕ್ಷಪಾತವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತವೆ. ಜಿಯೋಲಿಟಿಕಾ ಮತ್ತು ಹಲವಾರು ಕಾನೂನು ಜಾರಿ ಸಂಸ್ಥೆಗಳಿಂದ ದತ್ತಾಂಶವನ್ನು ಬಳಸಿಕೊಂಡು ಗಿಜ್ಮೊಡೊ ಅವರ ಸಂಶೋಧನೆಯ ಪ್ರಕಾರ, ಜಿಯೋಲಿಟಿಕಾದ ಭವಿಷ್ಯವಾಣಿಗಳು ನೈಜ-ಜೀವನದ ಮಾದರಿಗಳನ್ನು ಅನುಕರಿಸುತ್ತದೆ ಮತ್ತು ಕಪ್ಪು ಮತ್ತು ಲ್ಯಾಟಿನೋ ಸಮುದಾಯಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ, ಈ ಗುಂಪುಗಳೊಳಗಿನ ವ್ಯಕ್ತಿಗಳು ಸಹ ಶೂನ್ಯ ಬಂಧನ ದಾಖಲೆಗಳೊಂದಿಗೆ. 

ನಾಗರಿಕ ಹಕ್ಕುಗಳ ಸಂಘಟನೆಗಳು ಸರಿಯಾದ ಆಡಳಿತ ಮತ್ತು ನಿಯಂತ್ರಕ ನೀತಿಗಳಿಲ್ಲದೆ ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಬಳಕೆ ಹೆಚ್ಚುತ್ತಿರುವ ಬಗ್ಗೆ ಕಳವಳ ವ್ಯಕ್ತಪಡಿಸಿವೆ. ಈ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಹಿಂದೆ "ಡರ್ಟಿ ಡೇಟಾ" (ಭ್ರಷ್ಟ ಮತ್ತು ಕಾನೂನುಬಾಹಿರ ಅಭ್ಯಾಸಗಳ ಮೂಲಕ ಪಡೆದ ಅಂಕಿಅಂಶಗಳು) ಬಳಸಲಾಗುತ್ತಿದೆ ಎಂದು ಕೆಲವರು ವಾದಿಸಿದ್ದಾರೆ ಮತ್ತು ಅವುಗಳನ್ನು ಬಳಸುವ ಏಜೆನ್ಸಿಗಳು ಈ ಪೂರ್ವಗ್ರಹಗಳನ್ನು "ಟೆಕ್-ವಾಶಿಂಗ್" ಹಿಂದೆ ಮರೆಮಾಡುತ್ತಿವೆ (ಈ ತಂತ್ರಜ್ಞಾನವು ವಸ್ತುನಿಷ್ಠವಾಗಿದೆ ಎಂದು ಹೇಳಿಕೊಳ್ಳುವುದು ಇಲ್ಲ. ಮಾನವ ಹಸ್ತಕ್ಷೇಪ).

ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಎದುರಿಸುತ್ತಿರುವ ಮತ್ತೊಂದು ಟೀಕೆಯೆಂದರೆ, ಈ ಕ್ರಮಾವಳಿಗಳು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾರ್ವಜನಿಕರಿಗೆ ಕಷ್ಟವಾಗುತ್ತದೆ. ಈ ಪಾರದರ್ಶಕತೆಯ ಕೊರತೆಯು ಈ ವ್ಯವಸ್ಥೆಗಳ ಮುನ್ನೋಟಗಳ ಆಧಾರದ ಮೇಲೆ ಅವರು ಮಾಡುವ ನಿರ್ಧಾರಗಳಿಗೆ ಕಾನೂನು ಜಾರಿ ಏಜೆನ್ಸಿಗಳನ್ನು ಹೊಣೆಗಾರರನ್ನಾಗಿ ಮಾಡಲು ಕಷ್ಟವಾಗುತ್ತದೆ. ಅಂತೆಯೇ, ಅನೇಕ ಮಾನವ ಹಕ್ಕುಗಳ ಸಂಘಟನೆಗಳು ಮುನ್ಸೂಚಕ ಪೊಲೀಸ್ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು, ವಿಶೇಷವಾಗಿ ಮುಖ ಗುರುತಿಸುವಿಕೆ ತಂತ್ರಜ್ಞಾನವನ್ನು ನಿಷೇಧಿಸುವಂತೆ ಕರೆ ನೀಡುತ್ತಿವೆ. 

ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್‌ನ ಪರಿಣಾಮಗಳು

ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್‌ನ ವ್ಯಾಪಕ ಪರಿಣಾಮಗಳು ಒಳಗೊಂಡಿರಬಹುದು:

• ನಾಗರೀಕ ಹಕ್ಕುಗಳು ಮತ್ತು ಅಂಚಿನಲ್ಲಿರುವ ಗುಂಪುಗಳು ವಿಶೇಷವಾಗಿ ಬಣ್ಣದ ಸಮುದಾಯಗಳಲ್ಲಿ, ಭವಿಷ್ಯಸೂಚಕ ಪೋಲೀಸಿಂಗ್‌ನ ವ್ಯಾಪಕ ಬಳಕೆಯ ವಿರುದ್ಧ ಲಾಬಿ ಮಾಡುತ್ತವೆ ಮತ್ತು ಹಿಂದಕ್ಕೆ ತಳ್ಳುತ್ತವೆ.
• ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಅನ್ನು ಹೇಗೆ ಬಳಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಮಿತಿಗೊಳಿಸಲು ಉಸ್ತುವಾರಿ ನೀತಿ ಅಥವಾ ಇಲಾಖೆಯನ್ನು ಹೇರಲು ಸರ್ಕಾರಕ್ಕೆ ಒತ್ತಡ. ಭವಿಷ್ಯದ ಶಾಸನವು ಪೋಲೀಸ್ ಏಜೆನ್ಸಿಗಳನ್ನು ಸರ್ಕಾರದಿಂದ ಅನುಮೋದಿಸಲಾದ ಮೂರನೇ ವ್ಯಕ್ತಿಗಳಿಂದ ಪಕ್ಷಪಾತ-ಮುಕ್ತ ನಾಗರಿಕ ಪ್ರೊಫೈಲಿಂಗ್ ಡೇಟಾವನ್ನು ಬಳಸಲು ಒತ್ತಾಯಿಸಬಹುದು.
• ವಿಶ್ವಾದ್ಯಂತ ಹೆಚ್ಚಿನ ಕಾನೂನು ಜಾರಿ ಸಂಸ್ಥೆಗಳು ತಮ್ಮ ಗಸ್ತು ಕಾರ್ಯತಂತ್ರಗಳಿಗೆ ಪೂರಕವಾಗಿ ಕೆಲವು ರೀತಿಯ ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಅನ್ನು ಅವಲಂಬಿಸಿವೆ.
• ನಾಗರಿಕರ ಪ್ರತಿಭಟನೆಗಳು ಮತ್ತು ಇತರ ಸಾರ್ವಜನಿಕ ಅಡಚಣೆಗಳನ್ನು ಊಹಿಸಲು ಮತ್ತು ತಡೆಗಟ್ಟಲು ಈ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಮಾರ್ಪಡಿಸಿದ ಆವೃತ್ತಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅಧಿಕಾರಯುತ ಸರ್ಕಾರಗಳು.
• ಸಾರ್ವಜನಿಕರಿಂದ ಹೆಚ್ಚುತ್ತಿರುವ ಒತ್ತಡದ ಅಡಿಯಲ್ಲಿ ತಮ್ಮ ಕಾನೂನು ಜಾರಿ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಮುಖ ಗುರುತಿಸುವಿಕೆ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ನಿಷೇಧಿಸುವ ಹೆಚ್ಚಿನ ದೇಶಗಳು.
• ಕಾನೂನುಬಾಹಿರ ಅಥವಾ ತಪ್ಪಾದ ಬಂಧನಗಳಿಗೆ ಕಾರಣವಾದ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ದುರುಪಯೋಗಪಡಿಸಿಕೊಳ್ಳಲು ಪೊಲೀಸ್ ಏಜೆನ್ಸಿಗಳ ವಿರುದ್ಧ ಹೆಚ್ಚಿದ ಮೊಕದ್ದಮೆಗಳು.

ಪರಿಗಣಿಸಬೇಕಾದ ಪ್ರಶ್ನೆಗಳು

• ಮುನ್ಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಅನ್ನು ಬಳಸಬೇಕೆಂದು ನೀವು ಯೋಚಿಸುತ್ತೀರಾ?
• ನ್ಯಾಯವನ್ನು ಹೇಗೆ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಭವಿಷ್ಯಸೂಚಕ ಪೋಲೀಸಿಂಗ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತವೆ ಎಂದು ನೀವು ಭಾವಿಸುತ್ತೀರಿ?