Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar

Problema 1016

Loading...
Trampas de la vigilancia predictiva
rand.org · 2016

Considérelo el “Informe de minorías” de la vida real: la policía de Chicago dice que está utilizando con éxito grandes datos para predecir a quién le dispararán y quién disparará. Pero la vida es más complicada que las películas. Las estadísticas que la policía promociona para decir que el programa funciona ocultan el hecho de que la sociedad está muy lejos de poder prevenir el crimen, incluso si la policía tiene una idea clara de quién podría estar involucrado.

La policía de Chicago afirma que tres de cada cuatro víctimas de tiroteos en 2016 estaban en la "lista caliente" secreta del departamento de más de 1,000 personas. Y el 80 por ciento de los arrestados en relación con los tiroteos estaban en la lista, dicen, pero no ha habido una verificación independiente. Sin embargo, si ese fuera el caso, ¿por qué 2016 está en camino de ser el año más violento en la historia registrada de Chicago?

Esta pregunta se puso a prueba en un estudio reciente de RAND Corporation sobre el programa de Chicago, y los resultados no son alentadores.

Es probable que ningún algoritmo prediga jamás con absoluta certeza el quién, cuándo y dónde de un delito. Pero los investigadores han logrado un gran progreso en la identificación de quién está en mayor riesgo tanto de perpetración criminal como de victimización. Al calcular la frecuencia con la que una persona ha sido arrestada con alguien que luego se convirtió en víctima de homicidio, los investigadores del Instituto de Tecnología de Illinois han identificado un pequeño grupo de personas que tienen hasta 500 veces más probabilidades de ser víctimas de un homicidio relacionado con armas que el resto. residente promedio de Chicago.

Se sabe menos sobre cómo reducir la violencia armada para una población de tan alto riesgo. Un estudio de 2009 sobre la violencia armada en Chicago encontró que una intervención popular que lleva a los delincuentes a “foros de notificación”, que transmiten el castigo mejorado que recibirán si cometen un delito, puede reducir la reencarcelación hasta en un 30 por ciento. (Si bien reducir la reencarcelación y prevenir el homicidio son dos cosas diferentes, esta estrategia es lo más cercano a lo que Chicago propone hacer con su lista. Proponen que la policía entregue cartas personalizadas a los delincuentes que contengan su historial criminal y los castigos que recibirán si reinciden, junto con la información de contacto de los servicios sociales).

Dados esos desarrollos, fue emocionante tener la oportunidad de evaluar de forma independiente el programa de vigilancia predictiva de la Policía de Chicago. Para resumir una larga historia: no funcionó.

La Policía de Chicago identificó a 426 personas con el mayor riesgo de violencia armada, con la intención de brindarles servicios de prevención. En una ciudad de más de 2,7 millones, esa es una cantidad manejable de personas en las que concentrarse. Sin embargo, la Policía de Chicago no proporcionó ningún servicio o programación. En cambio, aumentaron la vigilancia y los arrestos, medidas que no resultaron en ningún cambio perceptible en la violencia armada durante el primer año del programa, según el estudio RAND.

Los nombres de solo tres de las 405 víctimas de homicidio asesinadas entre marzo de 2013 y marzo de 2014 estaban en la lista de la policía de Chicago, mientras que el 99 por ciento de las víctimas de homicidio no lo estaban. Entonces, incluso si la policía supiera cómo prevenir estos asesinatos, solo tres personas se habrían salvado, y las otras 402 no se habrían salvado. En un comunicado de prensa reciente, la policía de Chicago desestimó las conclusiones ( PDF ) de los hallazgos de RAND al decir que el departamento ha más que duplicado la precisión predictiva de su lista y comenzará a brindar una mejor programación de intervención. Incluso si esas mejoras son reales, la caída de la delincuencia será casi imperceptible.

He aquí por qué: Considere la cantidad de homicidios que se evitarían si la precisión de la lista se hubiera duplicado con respecto al programa piloto de 2013 y la policía realmente brindara un programa de intervención con un 30 por ciento de efectividad. Eso evitaría menos de dos asesinatos por año, una caída de menos del 1 por ciento en la tasa general de homicidios de la ciudad.

Para lograr incluso una caída del 5 por ciento en la tasa de homicidios de la ciudad, se necesitan saltos enormes tanto en la predicción como en la eficacia de la intervención. De hecho, la lista tendría que ser 10 veces más precisa que en el piloto de 2013, y los esfuerzos de prevención tendrían que ser cinco veces más efectivos que las estimaciones actuales. Y después de toda esa mejora, he aquí cuántas vidas se salvarían: 21. En una ciudad que reportó 468 asesinatos el año pasado, eso sería un tremendo progreso pero difícilmente la solución definitiva.

Para caídas significativas en las tasas de homicidios en toda la ciudad, se necesitan mejoras monumentales, no incrementales, en la vigilancia predictiva. Prevenir incluso un solo asesinato es loable. Pero ni la policía ni el público deben esperar que la vigilancia predictiva por sí sola tenga un impacto importante en las tasas generales de homicidios en el corto plazo.

Jessica Saunders es criminóloga sénior en RAND Corporation, una organización no partidista y sin fines de lucro, y autora de "Predicciones puestas en práctica: una evaluación cuasiexperimental del programa policial predictivo de Chicago", publicado en septiembre en The Journal of Experimental Criminology.

Este comentario apareció originalmente en U.S. News & World Report el 7 y 2 de octubre.

Leer la Fuente

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2024 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • e1b50cd