Kepolisan ramalan: Mencegah jenayah atau mengukuhkan berat sebelah?

• Pengarang
• Nama pengarang

  Quantumrun Foresight
• Semoga 25, 2023

Menggunakan sistem kecerdasan buatan (AI) untuk mengenal pasti corak jenayah dan mencadangkan pilihan campur tangan untuk mencegah aktiviti jenayah masa hadapan boleh menjadi metodologi baharu yang menjanjikan untuk agensi penguatkuasaan undang-undang. Dengan menganalisis data seperti laporan jenayah, rekod polis dan maklumat lain yang berkaitan, algoritma boleh mengenal pasti corak dan arah aliran yang mungkin sukar untuk dikesan oleh manusia. Walau bagaimanapun, penerapan AI dalam pencegahan jenayah menimbulkan beberapa persoalan etika dan praktikal yang penting. 

Konteks kepolisan ramalan

Kepolisan ramalan menggunakan statistik dan algoritma jenayah tempatan untuk meramalkan tempat jenayah paling mungkin berlaku seterusnya. Beberapa penyedia kepolisan ramalan telah mengubahsuai lagi teknologi ini untuk meramalkan gegaran susulan gempa bumi untuk menentukan kawasan yang perlu kerap polis melakukan rondaan untuk menghalang jenayah. Selain daripada "titik panas," teknologi menggunakan data penangkapan tempatan untuk mengenal pasti jenis individu yang mungkin melakukan jenayah. 

Penyedia perisian kepolisan ramalan yang berpangkalan di AS, Geolitica (dahulunya dikenali sebagai PredPol), yang teknologinya sedang digunakan oleh beberapa entiti penguatkuasa undang-undang, mendakwa bahawa mereka telah mengalih keluar komponen perlumbaan ke dalam set data mereka untuk menghapuskan kepolisan berlebihan terhadap orang kulit berwarna. Walau bagaimanapun, beberapa kajian bebas yang dijalankan oleh laman web teknologi Gizmodo dan organisasi penyelidikan The Citizen Lab mendapati bahawa algoritma itu sebenarnya menguatkan kecenderungan terhadap komuniti yang terdedah.

Sebagai contoh, program polis yang menggunakan algoritma untuk meramalkan siapa yang berisiko terlibat dalam jenayah berkaitan senjata api yang ganas menghadapi kritikan selepas didedahkan bahawa 85 peratus daripada mereka yang dikenal pasti mempunyai skor risiko tertinggi adalah lelaki Afrika Amerika, beberapa dengan tiada rekod jenayah ganas sebelum ini. Program itu, yang dipanggil Senarai Subjek Strategik, berada di bawah penelitian pada 2017 apabila Chicago Sun-Times memperoleh dan menerbitkan pangkalan data senarai itu. Insiden ini menyerlahkan potensi berat sebelah dalam menggunakan AI dalam penguatkuasaan undang-undang dan kepentingan mempertimbangkan dengan teliti potensi risiko dan akibat sebelum melaksanakan sistem ini.

Kesan yang mengganggu

Terdapat beberapa faedah untuk kepolisan ramalan jika dilakukan dengan betul. Pencegahan jenayah adalah kelebihan utama, seperti yang disahkan oleh Jabatan Polis Los Angeles, yang mengatakan algoritma mereka menghasilkan pengurangan 19 peratus kecurian dalam kawasan panas yang ditunjukkan. Manfaat lain ialah pembuatan keputusan berasaskan nombor, di mana data menentukan corak, bukan berat sebelah manusia. 

Walau bagaimanapun, pengkritik menekankan bahawa kerana set data ini diperoleh daripada jabatan polis tempatan, yang mempunyai sejarah menangkap lebih ramai orang kulit berwarna (terutamanya Afrika-Amerika dan Amerika Latin), corak tersebut hanya menyerlahkan berat sebelah sedia ada terhadap komuniti ini. Menurut penyelidikan Gizmodo menggunakan data daripada Geolitica dan beberapa agensi penguatkuasaan undang-undang, ramalan Geolitica meniru corak kehidupan sebenar kepolisian berlebihan dan mengenal pasti komuniti Hitam dan Latin, malah individu dalam kumpulan ini dengan rekod penangkapan sifar. 

Organisasi hak sivil telah menyatakan kebimbangan terhadap peningkatan penggunaan kepolisan ramalan tanpa dasar tadbir urus dan pengawalseliaan yang betul. Ada yang berpendapat bahawa "data kotor" (angka yang diperoleh melalui amalan rasuah dan haram) digunakan di sebalik algoritma ini, dan agensi yang menggunakannya menyembunyikan kecenderungan ini di sebalik "membasuh teknologi" (mendakwa bahawa teknologi ini adalah objektif semata-mata kerana tiada campur tangan manusia).

Satu lagi kritikan yang dihadapi oleh kepolisan ramalan ialah selalunya sukar untuk orang ramai memahami cara algoritma ini berfungsi. Kekurangan ketelusan ini boleh menyukarkan untuk memastikan agensi penguatkuasaan undang-undang bertanggungjawab terhadap keputusan yang mereka buat berdasarkan ramalan sistem ini. Sehubungan itu, banyak organisasi hak asasi manusia menyeru larangan teknologi polis ramalan, khususnya teknologi pengecaman muka. 

Implikasi kepolisan ramalan

Implikasi yang lebih luas daripada kepolisan ramalan mungkin termasuk:

• Hak sivil dan kumpulan terpinggir melobi dan menolak penggunaan meluas kepolisan ramalan, terutamanya dalam komuniti kulit berwarna.
• Tekanan untuk kerajaan mengenakan dasar pengawasan atau jabatan untuk mengehadkan cara kepolisan ramalan digunakan. Perundangan masa hadapan mungkin memaksa agensi polis menggunakan data profil rakyat bebas berat sebelah daripada pihak ketiga yang diluluskan kerajaan untuk melatih algoritma kepolisan ramalan masing-masing.
• Lebih banyak agensi penguatkuasaan undang-undang di seluruh dunia bergantung pada beberapa bentuk kepolisan ramalan untuk melengkapkan strategi rondaan mereka.
• Kerajaan autoritarian menggunakan versi diubah suai bagi algoritma ini untuk meramal dan menghalang bantahan rakyat dan gangguan awam yang lain.
• Lebih banyak negara melarang teknologi pengecaman muka dalam agensi penguatkuasaan undang-undang mereka di bawah tekanan yang semakin meningkat daripada orang ramai.
• Peningkatan saman terhadap agensi polis kerana menyalahgunakan algoritma yang membawa kepada penahanan yang menyalahi undang-undang atau salah.

Soalan yang perlu dipertimbangkan

• Adakah anda fikir kepolisan ramalan harus digunakan?
• Pada pendapat anda, bagaimanakah algoritma kepolisan ramalan akan mengubah cara keadilan dilaksanakan?