Американские разработчики создали алгоритм, который предсказывает, в каком месте серийный преступник совершит следующий взлом, причем эффективнее всего программа работает, если район предсказания соответствует по размерам небольшому городскому кварталу. Компьютер учитывает индивидуальные предпочтения преступника и определяет присущие ему закономерности, сообщается в препринте, опубликованном на arXiv.org.

В прошлом году британская полиция начала использовать программу, которая позволяет определять, где с наибольшей вероятностью произойдет следующее преступление. Ключевая особенность алгоритма заключается в том, что с помощью данных о времени, типе и месте преступления, а также о криминальной обстановке в целом, он создает карту, на которой показаны районы, где преступность наиболее вероятна. Однако, в то время как технология хорошо подходит для определения места следующего правонарушения (как сообщает The Independent, компьютер имеет в 10 раз больше шансов предсказать район будущего преступления, чем случайное патрулирование), она не различает отдельных преступников и не подходит для работы с серийными преступлениями.

Новая модель машинного обучения, которую разработали Юйни Ли (Yunyi Li) и Тон Ван (Tong Wang) из Университета Айовы, решает эту проблему. Алгоритм Next Hit Predictor состоит из двух основных компонентов: один учитывает так называемый фоновый риск (background risk), который представлен в виде среднего уровня преступности в районе в течение длительного периода времени, а второй — спровоцированный риск (triggered risk), который связан с прошлыми деяниями определенного преступника, а точнее с его «излюбленным» типом мест. Согласно криминальной теории Джанет Варрен, преступник склонен выбирать схожую обстановку, так как она ему кажется знакомой. Именно это позволяет ученым определять присущие вору паттерны.

Для своей работы исследователи собрали данные о 4,9 тысячах взломов, произошедших в Кэмбридже, штат Массачусетс, между 1997 и 2006 годом. Из них 682 случая были связаны с серийными преступлениями (всего было 55 «цепочек»). Разработчики использовали полученную информацию для тренировки алгоритма, оставив последнее преступление в каждой серии для проверки модели.

В ходе теста программа генерировала карту, на которой каждой ячейке присваивалось значение в соответствии с уровнем риска (от низкого к высокому). Проверка Next Hit Predictor и сравнение ее с другими, более простыми моделями показали, что она «демонстрировала неизменно хорошие результаты» на разных картах — стоит отметить, что авторы не сообщают точной информации об эффективности работы алгоритма, поэтому точность предсказания оценить не представляется возможным. Самого лучшего показателя, по словам разработчиков, удалось добиться, когда размер каждой клетки соответствовал квадрату 70 на 70 метров — это примерно соответствует размеру городского квартала.

С развитием технологий машинного обучения компьютер стал все чаще использоваться правоохранительными органами для борьбы с преступностью. Так, в московском метро работает система распознавания лиц, которая уже помогла распознать и задержать, как минимум, 42 человека. В Китае похожий алгоритм внедрен в умные очки, которые использует железнодорожная полиция округа Чжэнчжоу.