Xuất hiện thuật toán mới có thể dự đoán trước các vụ phạm tội

Theo một nghiên cứu được công bố trên tạp chí Nature Human Behavior, các nhà khoa học xã hội tại Đại học Chicago (Mỹ) đã phát triển một thuật toán mới thể dự báo tội phạm ở một thành phố lớn gần nơi người dân sinh sống với độ chính xác cao.

Nghiên cứu này mang tên "Dự báo mức độ diễn ra tội phạm đô thị và tiết lộ khuynh hướng phạm tội ở các thành phố của Mỹ", được hỗ trợ bởi Cơ quan Dự án nghiên cứu nâng cao quốc phòng và Trường cao đẳng Văn hóa và xã hội Neubauer.

Thuật toán mới này chia thành phố Chicago thành các ô vuông diện tích 93m2. Sau đó, các nhà nghiên cứu kiểm tra từng ô phố bằng cách sử dụng hàng trăm nghìn dữ liệu xã hội học, dữ liệu lịch sử về tội phạm bạo lực và tội phạm tài sản của thành phố. Dựa vào thông tin thu thập được thuật toán mới sẽ đưa ra dự đoán nguy cơ các vụ phạm tội có thể xảy ra tại một thời điểm và không gian cụ thể trước 1 tuần lễ, đạt yêu cầu chính xác tới 90%.

Nghiên cứu cho thấy khi áp dụng thuật toán mới với dữ liệu từ các thành phố lớn khác, bao gồm Atlanta, Los Angeles và Philadelphia, cũng cho những dự đoán khá chính xác.

Các mô hình dự đoán tội phạm đã từng được nhiều cơ quan thực thi pháp luật sử dụng trước đây nhưng có độ chính xác không cao vì dựa trên một nhóm yếu tố hẹp hơn, bỏ sót mối quan hệ sắc thái giữa tội phạm, môi trường xã hội phức tạp của các thành phố, và tác động của việc thực thi pháp luật của cảnh sát.

Vào năm 2012, Sở Cảnh sát Chicago cùng các nhà nghiên cứu học thuật đã triển khai "Mô hình tội phạm và nạn nhân rủi ro". Mô hình này sử dụng các yếu tố như tuổi tác và lịch sử bắt giữ để đưa ra danh sách những đối tượng được chú ý, hoặc nạn nhân và thủ phạm của các vụ xả súng tiềm năng. Bản danh sách này sau đó lọt ra ngoài đã gây ra nhiều kiện tụng. Vào năm 2017, một cuộc điều tra của báo Chicago Sun-Times đã tiết lộ: gần một nửa số người được mô hình xác định là thủ phạm tiềm năng chưa bao giờ bị buộc tội sở hữu súng trái phép, trong đó 13% chưa bao giờ bị buộc tội nghiêm trọng.

(Tham khảo QTM)