sábado, 4 de octubre de 2014

UNIDAD PRE-CRIMEN DE LA POLICIA: ENTRE LA CRIMINALISTICA Y LA ESP


El término «predicción de crimen» conjura, sin duda, imágenes propias de un mundo como el de Minority Report, donde la policía confiaba en la clarividencia de tres precogs capaces de ver el futuro y todos los crímenes que tendrán lugar en él. La policía entonces sólo tenía que detener a los criminales antes de que éstos lo fueran y, con ello, conseguían reducir el crimen en un 99.9%. Aquello era una ficción fruto de la fértil mente de Philip K. Dick y la adaptación de ésta para el cine a manos del no menos genial Steven Spielberg. Pero, en una versión con menos fantasía y mucha más tecnología, la predicción del crimen es ya una realidad en EEUU.

Gracias al simultáneo abaratamiento y aumento en potencia de la computación y también a la creación sistemática de gigantescas bases de datos trufadas de detalles históricos sobre el crimen, hoy nos encontramos ante una tecnología que, encajando a la perfección con la tercera ley de Arthur C. Clarke, es suficientemente avanzada para parecernos magia.

La predicción policial se basa en la idea de que es posible, mediante sofisticados análisis computerizados de crímenes pasados, predecir dónde y cuándo ocurrirán crímenes en el futuro.
El sistema que más fama tiene se licencia bajo el nombre de Predpol y se encuentra instalado en más de media docena de ciudades norteamericanas. La primera en ensayarlo fue Los Ángeles donde, a los pocos meses de su despliegue en 2012, la zona de prueba -Foothill- vio una reducción del 9% en los delitos a la propiedad, mientras que en el resto de los barrios el crimen se mantenía casi igual. Una diferencia que el Capitán de la policía de Los Ángeles atribuyó en entrevista a NBC News, en buena medida, al uso de Predpol.

Su funcionamiento es simple: al principio del turno, cada agente recibe un mapa que corresponde a su zona de patrulla asignada, en él hay marcadas una o más casillas que equivalen a áreas de 150 por 150 metros. El agente debe aprovechar el tiempo que no destine a responder a llamadas concretas a patrullar, en especial, esa casilla. Allí es donde el algoritmo predice que se producirá el crimen. El criminal, si decide aparecer en el lugar y a la hora convenidas, habrá demostrado que la conducta de las personas puede describirse usando los mismos principios con los que los sismólogos predicen las réplicas a los terremotos tan comunes también en esa zona del mundo.

El uso de métodos de la sismología para medir la probabilidad del comportamiento humano, aunque pueda sonar a ciencia ficción o, al menos, a ciencia futurista, la verdad es que se basa en conocimiento con décadas de antigüedad. La clave para la predicción es que ciertos crímenes como pequeños hurtos, robo de automóviles o robos del contenido de éstos, dependen de la localización y la oportunidad. Mecanismos como el de Predpol no evitarán un atraco planeado durante meses contra una sucursal bancaria; los algoritmos se ocupan de algo harto más mundano y fruto de la inmediatez.
Si alguien consigue hacerse con un pequeño botín entrando en una casa en un barrio determinado, es muy probable que el éxito le anime a intentarlo nuevamente en la misma zona pronto. En un mismo barrio es probable que los mismos fallos en seguridad se repitan en más de un hogar o tal vez la escasa presencia policial, la mala iluminación de la vía pública o la oportuna complejidad de un entramado de callejones ideal para escapar sean las variables decisivas.

La oportunidad para el crimen es algo que los delincuentes deben aprender a reconocer rápido y muchas veces ésta provoca pequeños brotes de actividad criminal, como si se tratara de un virus. Esto es algo que los sociólogos y criminólogos saben desde hace mucho tiempo y que ahora, gracias al masivo poder de la computación y el gigantesco tamaño de las bases de datos electrónicas, los académicos han conseguido transformar en alimento para el Big Data.


Señales de desorden
El RTM, la otra aproximación mayoritaria a la predicción del crimen, se centra en las claves del lugar y aparta del punto de mira el historial de delitos que favorece Predpol. Creado por un par de académicos, Joel Caplan y Leslie Kennedy de la Escuela de Justicia Criminal de la Universidad de Rutgers, en Nueva Jersey, su método, cuenta Caplan a EL MUNDO, se basa en detectar «el proverbial callejón oscuro [con] ventanas rotas o grafiti, propiedades embargadas o abandonadas, etc. Son obvias señales de desorden que pueden influir en el comportamiento» de las personas. Lo que el RTM hace para encontrar futuros crímenes es «en lugar de buscar patrones de crímenes conocidos, identificamos las características del entorno» donde es más probable que éstos se produzcan.

Según su creador, este modelo genera resultados comparables a los de Predpol y, además, mejora las relaciones de la policía con la ciudadanía porque, por un lado, «ha permitido incrementar la productividad [de los agentes] sin más detenciones ni registros aleatorios [...] les ha forzado a interactuar con la comunidad de un modo positivo» porque «con el RTM sabes qué de ese lugar está atrayendo crimen, no solo irás allí e intentará arrestar a alguien». El algoritmo desarrollado por Caplan y Leslie, al contrario que el de Predpol está disponible de manera gratuita en la web.

El tercer caso de predicción policial es Hunchlab -que podría traducirse del inglés como «laboratorio-pálpito»-, de la empresa Azavea. Fundada por otro académico que dejó la investigación para fundar una startup tecnológica, después de un tiempo trabajando para la policía de Filadelfia, Robert Cheetham adquirió experiencia de primera mano lidiando con lo que hasta hace poco era la piedra de toque de la estadística policial: COMPSTAT, el sistema de gestión creado por el departamento de policía de Nueva York.

Años más tarde, Cheetham unió sus conocimientos a los de Jerry Ratcliffe, un ex policía londinense reconvertido a profesor de criminología en la Universidad de Temple. Entre ambos diseñaron el embrión de lo que se convertiría en Hunchlab. Ellos combinan las dos estrategias mencionadas -utilizan datos históricos de crímenes como Predpol y el RTM o Risk Terrain Mapping- a los que añaden un conjunto de factores extraídos del calendario como vacaciones, eventos deportivos, festivales, la previsión meteorológica y un largo etcétera de cosas que, a primera vista, pueden no tener ninguna relación con la propensión al crimen. Los mapas se generan una vez por turno y se combinan con aplicaciones para tabletas y smartphones que «avisan a un agente si pasa cerca de un lugar con una alta probabilidad de crimen en ese momento», cuenta Cheetham a EL MUNDO.

Las revelaciones que Edward Snowden hizo a través del diario The Guardian sobre un sistema global de vigilancia que involucraba, entre otras, a la Agencia de Seguridad Nacional estadounidense, fueron para muchos ciudadanos de todo el mundo su primer encuentro con el la idea y extensión real del Big Data en un planeta globalizado.

Los sistemas de predicción policial tienen, por el momento y según cifras de las propias agencias de seguridad o creadores de los algoritmos, buenos resultados. Pero la entrada de este tipo de tecnologías en una esfera tan esencial para el funcionamiento de un Estado de derecho debe hacernos reflexionar. ¿Son los datos que alimentan al algoritmo de la calidad suficiente? ¿Cómo sabemos que la tecnología funciona si sus creadores la protegen de potenciales competidores y a la policía, obviamente, no le interesa explicar dónde y cuándo pretende detener a los criminales antes de hacerlo?

Es más, ¿qué tipos de crimen pueden ser evitados y qué pasará con los no predecibles si se concentran los recursos policiales en éstos? En resumen, como dijo el romano Juvenal, Quis custodiet ipsos custodes? o «¿quién vigilará a los vigilantes?»

George Mohler, creador de Predpol, confesaba a El MUNDO que «ningún sistema es perfecto. Los humanos tienen prejuicios y los algoritmos también tendrán sesgos, pero éstos serán transparentes y se podrán arreglar [...] lo que veremos al final será un híbrido en el que los humanos tomarán la decisión final».

LUIS QUEVEDO



1 comentario:

Blogger dijo...

The best facts about Clixsense's GPT Click Feature:
1. Up to $0.02/click.
2. 5 secs starting timer.
3. Revisit every 24 hours.