En la universidad de Chicago se está desarrollando un algoritmo modelo que pretende predecir con una semana de anticipación posibles delitos. No se trata de la premisa de un filme de ciencia ficción como Minority Report, sino de un estudio científico basado en la teoría del aprendizaje automático no supervisado, la interacción de los procesos estocásticos y la teoría del lenguaje formal para explorar los fundamentos matemáticos de la inferencia de causalidad a partir de los datos.
Ejemplos de inteligencia artificial:
20 ejemplos de IA que cambiarán tu vida para siempre
En otras palabras, se trata de alimentar con bases de datos a una inteligencia artificial para que mediante la teoría estadística de procesos cuya evolución en el tiempo es al azar, logre determinar puntos críticos de delincuencia y así dar un margen de tiempo para que la policía prevenga el delito antes de ser cometido.
Así es la investigación
Lo que pretenden los investigadores es elaborar un mapa dinámico que pueda señalar los puntos de mayor incidencia criminal y que la policía pueda actuar con antelación. Se han realizado ensayos en diferentes divisiones del departamento de policía de los Ángeles (Estados Unidos) y en Kent (Reino Unido), con resultados sorprendentes: hasta un 7,4 % de reducción en la comisión de delitos.
La técnica derivada del análisis de los puntos críticos coadyuva para identificar los lugares en donde se deben enfocar los recursos policiales y como consecuencia, la reducción de crímenes. Diversos estudios han puesto en tela de juicio el uso y efectividad de tales métodos, sin embargo, muy pocos investigadores han hecho comparaciones de dichos mapeos.
Para probar su precisión, los investigadores recaban datos de periodos anteriores a una fecha fija con el fin de probar la precisión y predecir en dónde ocurrirán los próximos delitos, para ello se valen de mapeos temáticos, censos, elipses espaciales, mapeo de cuadrícula y estimación de densidad kernel, KDE por sus siglas en inglés. Siendo esta última la que supera a las demás.
Se comparan cuatro delitos tipificados: robo, delincuencia callejera, robo de vehículos y robo a inmuebles con el objetivo de hallar patrones y reportar mejor su aplicación en la práctica. Los modelos predictivos tienen la capacidad de mejorar la vigilancia criminal.
La mente maestra
Pero ¿quién está detrás de todo esto? El investigador Ishanu Chattopadhyay es un científico con maestría y doctorado en ingeniería mecánica, maestría en matemáticas. En la actualidad su trabajo se enfoca al análisis de bases de datos clínicas para aislar patrones indicativos de etiologías, es decir, el estudio de las causas de las enfermedades.
Sus aportaciones más importantes son acerca de algoritmos para la destrucción de datos, la inferencia inversa de Gillespie (que plantea la solución de un sistema de ecuaciones estocásticas), además de las implementaciones no paramétricas del análisis causal de Granger, que tienen implicaciones vitales en la informática biomédica.
En su sitio web Zero Knowledge Discovery (ZED) ofrece una variedad de artículos científicos, así como software y noticias acerca de sus investigaciones. Todo bajo el auspicio de la prestigiada universidad de Chicago.
Aunque tenga similitud con alguna historia llevada al cine, la realidad es que cada vez se utiliza, con inquietante frecuencia, inteligencia artificial para tareas cotidianas —o inverosímiles que solo veíamos en obras de ciencia ficción— como lo es la predicción de delitos. Para algunos es algo poco ético y para otros es un hecho sin precedentes y con miras a mejorar muchas de las actividades que se realizan día con día y para unos cuántos más es un nuevo paradigma del determinismo tecnológico.
