Nature子刊：新算法可以提前一周预测两个街区内的犯罪，在美国8个城市准确率达到90%。芝加哥大学助理教授IshanuChattopadhyay告诉Insider，他和他的团队创建了一个“城市双胞胎（urbantwin）”模型，通过对芝加哥从2014年到2016年底的犯罪数据的训练，可以预测未来几周某些犯罪的可能性，并将范围缩小到两个街区的半径，准确率达到90%。Chattopadhyay说，“我们报告了一种在个体事件层面预测城市犯罪的方法，它的预测准确性比过去高得多。”预测犯罪报告模式的重要性使我们对城市社区有了新的认识，使我们能够提出新的问题，并使我们能够以新的方式评估警察的行动。”该研究发表在《自然人类行为》杂志上。论文链接：https://www.nature.com/articles/s41562-022-01372-0预测未来犯罪模型的数据来自芝加哥市的历史数据，其中包括两大类报告事件:暴力犯罪（谋杀、袭击和殴打）和财产犯罪（入室盗窃、盗窃和机动车盗窃）。根据AreaVibes编制的数据，芝加哥2020年的犯罪率比全国平均水平高67%。之所以使用这些数据，是因为它最有可能被报告给城市地区的警察，这些城市地区有不信任的历史并且与执法部门缺乏合作。与毒品犯罪、交通堵塞和其他轻微违规不同，此类犯罪也不太容易出现执法偏见。通过对数据的测试和验证，训练出的新模型可以通过观察离散事件的时空坐标，准确预测未来几周的事件模式，地理范围可以控制在两个街区左右。该模型在其他七个城市（亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山）产生了类似的结果，重点关注犯罪类型及其发生地点。“我们创建了城市环境的数字双胞胎。如果你提供过去发生的数据，它会告诉你未来会发生什么，”Chattopadhyay说。“这并不神奇，有一些局限性，但我们验证了Gotit，而且效果非常好。潜在偏见主要作者IshanuChattopadhyay警告说，“该工具的准确性并不意味着它应该被用来指导执法政策——例如，警察部门不应该使用它来积极聚集在一个社区以防止犯罪，”Chattopadhyay说。相反，它应该被添加到城市政策和警务策略的工具箱中来解决犯罪问题。“现在，你可以将它用作模拟工具，看看如果犯罪率上升，或者在另一个地区加强执法，会发生什么。Chattopadhyay解释说：“如果你应用所有这些不同的变量，你可以看到系统如何响应它们。研究小组还通过分析事件发生后逮捕的人数并比较不同社区的逮捕率来研究警察对犯罪的反应。根据Econofact编制的研究表明，警务工作中的种族偏见导致高成本、经济成本，并加剧了已经严重贫困地区的不平等。他们发现，wh随着富裕地区的犯罪率上升，更多的人被捕。但这并没有发生在弱势社区，这显示出警察反应和执法的不平衡。因此，Chattopadhyay公开了数据和算法以加强审查，他希望这些调查结果将用于高层政策，而不是作为警方应对的工具。尽管如此，像这样的研究还是有很多质疑的声音。2016年，芝加哥警察局测试了一个模型来预测那些最有可能卷入枪击事件的人，但这份神秘的名单最终显示，56%居住在芝加哥的黑人男子出现在名单上，引发种族主义指责。虽然一些模型试图根除这些偏见，但它们往往会产生相反的效果，一些人指责基础数据中的种族偏见会加剧未来的偏见行为。剑桥循证警务中心的劳伦斯·谢尔曼(LawrenceSherman)告诉《新科学家》杂志，他担心这项研究会将警务数据纳入依赖公民报告或警察外出寻找犯罪的研究中。Chattopadhyay同意这是一个问题，他的团队试图通过排除公民报告的犯罪和警察干预（通常涉及轻微的毒品犯罪和交通拦截）以及更严重的暴力和财产犯罪（无论如何都是更有可能被报告）来解释问题。Chattopadhyay说：“理想情况下，如果你可以预测或预防犯罪，唯一的反应不应该是派遣更多警察或在特定社区大量执法。“如果你可以预防犯罪，还有很多其他事情我们可以采取措施防止此类事情发生，这样就不会有人入狱，从而帮助整个社会。“
