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 2421

Incidentes Asociados

Incidente 4339 Reportes
Chicago Police's Strategic Subject List Reportedly Biased Along Racial Lines

Loading...
La herramienta policial predictiva de Chicago acaba de fallar en una prueba importante
theverge.com · 2016

Luchando por reducir su alta tasa de homicidios, la ciudad de Chicago se ha convertido en una incubadora de técnicas policiales experimentales. Vigilancia comunitaria, parar y cachear, tácticas de "interrupción" — la ciudad ha intentado muchas estrategias. Quizás lo más controvertido y prometedor ha sido la "lista de calor" futurista de la ciudad, una lista generada por algoritmos que identifica a las personas con más probabilidades de estar involucradas en un tiroteo.

La esperanza era que la lista permitiera a la policía brindar servicios sociales a las personas en peligro, y al mismo tiempo evitar que los posibles tiradores empuñaran un arma. Pero [un nuevo informe de RAND Corporation] (https://link.springer.com/article/10.1007/s11292-016-9272-0) muestra que nada de eso ha sucedido. En cambio, indica que la lista es, en el mejor de los casos, ni siquiera tan efectiva como una lista de los más buscados. En el peor de los casos, se dirige innecesariamente a las personas para llamar la atención de la policía, creando una nueva forma de elaboración de perfiles.

Financiado a través de [una subvención de $2 millones del Instituto Nacional de Justicia] (http://www.theverge.com/2014/2/19/5419854/the-minority-report-this-computer-predicts-crime-but-is -it-racist), el algoritmo de la lista identifica a las personas al observar no solo los arrestos, sino también si alguien está socialmente conectado con un tirador conocido o una víctima del tiroteo. El programa también tiene una especie de función previa al delito en la que la policía visita a las personas de la lista antes de que se haya cometido ningún delito.

Uno de los aspectos más prometedores de la lista era que no era solo un oficial de policía quien visitaba. También aparecían trabajadores sociales, empleados del grupo de Estrategia de Reducción de la Violencia de Chicago en John Jay College. La lista fue diseñada para permitir que la policía de Chicago se relacionara con ciudadanos en riesgo (y potencialmente peligrosos), pero también para brindar servicios sociales, como acceso a asesoramiento, a personas que estaban en peligro.

"Queremos mostrarles el palo y la zanahoria", dijo Christopher Mallette, director ejecutivo del grupo de Estrategia de Reducción de la Violencia de Chicago, en una conversación con The Verge el año pasado. "Queremos que sepan que pueden obtener ayuda, pero también queremos que sepan que si no se mantienen en línea, hay una celda esperándolos".

CPD no tuvo reparos en promocionar la importancia de la lista, que luego se renombró como Lista de temas estratégicos o SSL. En 2014, el oficial de CPD a cargo del programa, el comandante Jonathan Lewin, [le dijo a The Verge](http://www.theverge.com/2014/2/19/5419854/the-minority-report-this-computer- predice el crimen pero es racista): "Esto informará a los departamentos de policía de todo el país y del mundo sobre la mejor manera de utilizar la vigilancia predictiva para resolver problemas. Se trata de salvar vidas".

Pero el estudio de RAND, al que se le otorgó acceso extraordinario a CPD cuando lanzó la lista en 2013, encontró que el programa no ha salvado vidas en absoluto. A los investigadores de RAND se les permitió ver la lista, asistir a reuniones internas y, en general, observar cómo se usaba la herramienta. Descubrieron que CPD no estaba usando la lista como una forma de brindar servicios sociales; en cambio, CPD lo estaba usando como una forma de apuntar a las personas para arrestarlas.

"Las personas en el SSL fueron consideradas como 'personas de interés' para el CPD", según [el informe] (https://link.springer.com/article/10.1007/s11292-016-9272-0). "En general... no hubo instrucciones prácticas sobre qué hacer con las personas en el SSL, se prestó poca atención ejecutiva o administrativa al piloto y poco o ningún seguimiento con los comandantes de distrito".

John S. Hollywood, uno de los autores del informe, explicó a The Verge que había hasta 11 iniciativas diferentes de reducción de la violencia en curso dentro de CPD en el momento en que se lanzó la lista. "La lista se perdió", dijo.

Entonces, no fue una sorpresa que cuando Hollywood y sus colegas compilaron datos para determinar si la lista cambiaba la tasa de homicidios de la ciudad o reducía la probabilidad de que alguien en la lista pudiera estar involucrado en un tiroteo, descubrieron que no había una diferencia significativa.

"[A]las personas en riesgo no tenían más o menos probabilidades de convertirse en víctimas de un homicidio o tiroteo como resultado del SSL, y esto está respaldado por el análisis a nivel de la ciudad que no encontró ningún efecto en la tendencia de homicidios de la ciudad, " según el informe.

En lugar de usarse para prevenir la violencia, la lista sirvió esencialmente como una forma de encontrar sospechosos después del hecho. "Sin embargo, encontramos que los sujetos SSL tenían más probabilidades de ser arrestados por un tiroteo", dijo el informe.

Lewin de CPD se negó a comentar sobre el informe, pero CPD [emitió un comunicado de prensa en respuesta] (http://4abpn833c0nr1zvwp7447f2b.wpengine.netdna-cdn.com/wp-content/uploads/2016/08/RAND_Response-1.pdf) . Hizo hincapié en que RAND "evaluó una versión muy temprana" de la lista, "que desde entonces ha evolucionado mucho y se ha integrado completamente con el proceso de responsabilidad de gestión del Departamento". También señala que "el modelo de predicción discutido en el informe es el modelo inicial muy temprano (Versión 1), desarrollado en agosto de 2012. Ahora estamos usando la Versión 5, que ha mejorado significativamente".

Hollywood estuvo de acuerdo en que la lista estaba en una etapa inicial cuando se evaluó y que es posible que haya mejorado. (CPD acordó permitir que los investigadores de RAND evalúen una versión actualizada de la lista, dijo Hollywood).

El informe RAND es importante, sin embargo, como una mirada rara a la efectividad de una importante herramienta policial predictiva que se promocionó como el futuro de la vigilancia y, en cambio, puede ser un experimento fallido.

Andrew G. Ferguson, profesor de derecho y experto en vigilancia predictiva de la Universidad del Distrito de Columbia, resumió los problemas identificados en el informe RAND.

"La simple creación de una lista de 'los más buscados' basada en datos pierde el valor de la predicción de big data", dijo Ferguson en un correo electrónico. "La capacidad de identificar e intervenir proactivamente en la vida de los jóvenes en riesgo es positiva, pero hay que comprometerse con la pieza de intervención".

"Simplemente dirigir a la policía hacia esos individuos para la vigilancia tradicional no es suficiente", dijo.

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