La vigilancia predictiva es el uso de matemáticas, análisis predictivo y otras técnicas analíticas en la aplicación de la ley para identificar posibles actividades delictivas. [1] [2] [3] Un informe publicado por la Corporación RAND identificó cuatro categorías generales en las que se dividen los métodos de vigilancia predictiva: métodos para predecir delitos, métodos para predecir delincuentes, métodos para predecir la identidad de los perpetradores y métodos para predecir las víctimas de delitos. [4]
La vigilancia predictiva utiliza datos sobre las horas, lugares y naturaleza de los delitos pasados para proporcionar a los estrategas policiales información sobre dónde y en qué momentos las patrullas policiales deben patrullar o mantener una presencia, con el fin de hacer el mejor uso de los recursos o tener la mayor posibilidad de disuadir o prevenir futuros delitos. Este tipo de vigilancia detecta señales y patrones en los informes de delitos para anticipar si el delito aumentará, cuándo puede ocurrir un tiroteo, dónde se asaltará el próximo automóvil y quién será la próxima víctima del delito. Los algoritmos se producen teniendo en cuenta estos factores, que consisten en grandes cantidades de datos que se pueden analizar. [5] [6] El uso de algoritmos crea un enfoque más eficaz que acelera el proceso de vigilancia predictiva, ya que puede tener en cuenta rápidamente diferentes variables para producir un resultado automatizado. A partir de las predicciones que genera el algoritmo, deben combinarse con una estrategia de prevención, que normalmente envía a un oficial al momento y lugar previstos del delito. [7] El uso de la vigilancia predictiva automatizada permite un proceso más preciso y eficiente a la hora de analizar futuros delitos, ya que existen datos que respaldan las decisiones, en lugar de basarse únicamente en los instintos de los agentes de policía. Al hacer que la policía utilice la información obtenida de la vigilancia predictiva, puede anticipar las preocupaciones de las comunidades, asignar recursos de manera inteligente en momentos y lugares y prevenir la victimización. [8]
La policía también puede utilizar los datos acumulados sobre tiroteos y los sonidos de los disparos para identificar los lugares de los tiroteos. La ciudad de Chicago utiliza datos combinados de las estadísticas delictivas de los mapas de población para mejorar el seguimiento e identificar patrones. [9]
En lugar de predecir el delito, la vigilancia predictiva puede utilizarse para prevenirlo. El enfoque de la "Ética de la atención basada en la inteligencia artificial" reconoce que en algunos lugares hay mayores índices de delincuencia como resultado de condiciones ambientales negativas. La inteligencia artificial puede utilizarse para minimizar el delito abordando las demandas identificadas. [10]
Al concluir las intensas operaciones de combate en abril de 2003, se dispersaron artefactos explosivos improvisados (IED) por las calles de Irak. Estos dispositivos se desplegaron para monitorear y contrarrestar las actividades militares de los EE. UU. mediante tácticas de vigilancia predictiva. Sin embargo, las extensas áreas cubiertas por estos IED hicieron que fuera impráctico para las fuerzas iraquíes responder a cada presencia estadounidense en la región. Este desafío condujo al concepto de puntos calientes accionables, zonas que experimentaban altos niveles de actividad pero eran demasiado extensas para un control efectivo. Esta situación presentó dificultades para el ejército iraquí a la hora de seleccionar ubicaciones óptimas para la vigilancia, la colocación de francotiradores y las patrullas de ruta a lo largo de las áreas monitoreadas por IED.
Las raíces de la vigilancia predictiva se remontan al enfoque político de la gobernanza social, en el que el líder del Partido Comunista Chino, Xi Jinping, anunció en una conferencia de seguridad en 2016 que la agenda del régimen chino es promover un país armonioso y próspero mediante un uso extensivo de los sistemas de información. [11] Un ejemplo común de gobernanza social es el desarrollo del sistema de crédito social , donde se utilizan grandes datos para digitalizar identidades y cuantificar la confiabilidad. No existe otro sistema de evaluación ciudadana comparablemente integral e institucionalizado en Occidente. [12]
El aumento en la recopilación y evaluación de información pública y privada agregada por parte de la fuerza policial de China para analizar delitos pasados y pronosticar actividades delictivas futuras es parte de la misión del gobierno de promover la estabilidad social al convertir la vigilancia basada en inteligencia (es decir, usar información de manera efectiva) en informatización (es decir, usar tecnologías de la información) de la vigilancia. [11] El aumento en el empleo de big data a través del sistema de información geográfica policial (PGIS) está dentro de la promesa de China de coordinar mejor los recursos de información en todos los departamentos y regiones para transformar el análisis de patrones y tendencias delictivas pasadas en prevención y supresión automatizadas del delito. [13] [14] PGIS se introdujo por primera vez en la década de 1970 y originalmente se utilizó para la gestión interna del gobierno y las instituciones de investigación para la topografía y planificación de la ciudad. Desde mediados de la década de 1990, PGIS se ha introducido en la industria de seguridad pública china para empoderar a la aplicación de la ley al promover la colaboración policial y el intercambio de recursos. [13] [15] Las aplicaciones actuales de PGIS todavía están contenidas dentro de las etapas de servicios de mapas públicos, consultas espaciales y mapeo de puntos críticos . Su aplicación en el análisis y predicción de la trayectoria del delito todavía está en la etapa exploratoria; sin embargo, la promoción de la informatización de la policía ha fomentado actualizaciones basadas en la nube para el diseño de PGIS, la fusión de datos espaciotemporales de múltiples fuentes y desarrollos para el análisis y visualización de big data espaciotemporal policial . [16]
Aunque no existe un programa nacional de predicción policial en China, también se han llevado a cabo proyectos locales entre 2015 y 2018 en regiones como Zhejiang , Guangdong , Suzhou y Xinjiang , que se publicitan como un sistema de policía predictiva o son componentes básicos de este. [11] [17]
Zhejiang y Guangdong han establecido la predicción y prevención del fraude en las telecomunicaciones mediante la recopilación y vigilancia en tiempo real de actividades sospechosas en línea o de telecomunicaciones y la colaboración con empresas privadas como Alibaba Group para la identificación de posibles sospechosos. [18] La operación de vigilancia predictiva y prevención del delito implica la advertencia previa a víctimas específicas, con 9.120 llamadas de advertencia realizadas en 2018 por la fuerza policial de Zhongshan junto con la interceptación directa de más de 13.000 llamadas telefónicas y más de 30.000 mensajes de texto en 2017. [11]
Los delitos relacionados con las drogas también se investigan en Guangdong, en particular en la policía de Zhongshan , que fue la primera ciudad en utilizar, en 2017, análisis de aguas residuales y modelos de datos que incluían el uso de agua y electricidad para localizar puntos críticos de delitos relacionados con las drogas. Este método condujo al arresto de 341 sospechosos en 45 investigaciones criminales diferentes en 2019. [19]
En China , la Oficina de Policía de Suzhou ha adoptado la vigilancia predictiva desde 2013. Durante el período 2015-2018, varias ciudades de China han adoptado la vigilancia predictiva. [20] China ha utilizado la vigilancia predictiva para identificar y seleccionar a personas para enviarlas a campos de internamiento de Xinjiang . [21] [22]
El sistema de vigilancia predictiva de la plataforma integrada de operaciones conjuntas (IJOP) es operado por la Comisión Central de Asuntos Políticos y Jurídicos . [23]
En Europa ha habido un rechazo significativo a la vigilancia predictiva y al uso más amplio de la inteligencia artificial en la policía, tanto a nivel nacional como de la Unión Europea. [24]
El proyecto danés POL-INTEL está en funcionamiento desde 2017 y se basa en el sistema Gotham de Palantir Technologies . El sistema Gotham también lo utilizan la policía estatal alemana y Europol . [24]
La policía predictiva se ha utilizado en los Países Bajos . [24]
En Estados Unidos , la práctica de la vigilancia predictiva ha sido implementada por los departamentos de policía de varios estados, como California, Washington, Carolina del Sur, Alabama, Arizona, Tennessee, Nueva York e Illinois. [25] [26]
En Nueva York, el Departamento de Policía de Nueva York ha comenzado a implementar un nuevo programa de rastreo de delitos llamado Patternizr. El objetivo de Patternizr era ayudar a los agentes de policía a identificar puntos en común en los delitos cometidos por los mismos delincuentes o el mismo grupo de delincuentes. Con la ayuda de Patternizr, los agentes pueden ahorrar tiempo y ser más eficientes, ya que el programa genera el posible "patrón" de diferentes delitos. Luego, el agente tiene que buscar manualmente entre los posibles patrones para ver si los delitos generados están relacionados con el sospechoso actual. Si los delitos coinciden, el agente iniciará una investigación más profunda sobre los delitos que siguen el patrón. [27]
En la India, varias fuerzas policiales estatales han adoptado tecnologías de IA para mejorar sus capacidades de aplicación de la ley. Por ejemplo, la Policía de Maharashtra ha lanzado Maharashtra Advanced Research and Vigilance for Enhanced Law Enforcement (MARVEL) , el primer sistema de IA policial a nivel estatal del país, para mejorar la predicción y detección de delitos. [28] Además, la Policía de Uttar Pradesh utiliza la aplicación móvil impulsada por IA 'Trinetra' para el reconocimiento facial y el seguimiento de delincuentes. [29]
La vigilancia predictiva se enfrenta a problemas que afectan a su eficacia. Obioha menciona varias preocupaciones planteadas sobre la vigilancia predictiva. Los altos costos y el uso limitado impiden un uso más generalizado, especialmente entre los países más pobres. Otro problema que afecta a la vigilancia predictiva es que se basa en la participación humana para determinar patrones. Los datos defectuosos pueden conducir a resultados sesgados y posiblemente racistas. [30] La tecnología no puede predecir el crimen, solo puede utilizar como arma la proximidad a la policía. Aunque se afirma que son datos imparciales, las comunidades de color y de bajos ingresos son las más atacadas. [31] También debe notarse que no todos los delitos se denuncian, lo que hace que los datos sean erróneos [ se necesita más explicación ] e inexactos.
En 2020, tras las protestas contra la brutalidad policial , un grupo de matemáticos publicó una carta en Notices of the American Mathematical Society instando a sus colegas a dejar de trabajar en la vigilancia predictiva. Más de 1.500 matemáticos más se unieron al boicot propuesto. [32]
Algunas aplicaciones de la policía predictiva se han centrado en barrios minoritarios y carecen de circuitos de retroalimentación. [33]
Ciudades de todo Estados Unidos están promulgando leyes para restringir el uso de tecnologías de vigilancia predictiva y otras técnicas “invasivas” de recopilación de inteligencia dentro de sus jurisdicciones.
Tras la introducción de la vigilancia predictiva como estrategia de reducción de la delincuencia, gracias a los resultados de un algoritmo creado mediante el uso del software PredPol, la ciudad de Santa Cruz (California) experimentó una disminución en el número de robos que alcanzó casi el 20 % en los primeros seis meses de funcionamiento del programa. A pesar de ello, a finales de junio de 2020, tras el asesinato de George Floyd en Minneapolis (Minnesota), junto con un creciente llamamiento a una mayor rendición de cuentas por parte de los departamentos de policía, el Ayuntamiento de Santa Cruz votó a favor de prohibir por completo el uso de la tecnología de vigilancia predictiva. [34]
Junto con la prohibición de la vigilancia predictiva, se prohibió también la tecnología de reconocimiento facial , que ha sido criticada por su menor precisión en tonos de piel más oscuros, lo que puede contribuir a casos de identidad errónea y, potencialmente, a condenas erróneas . [35]
En 2019, Michael Oliver, de Detroit, Michigan , fue acusado injustamente de hurto cuando su rostro se registró como "coincidencia" en el software DataWorks Plus con el sospechoso identificado en un video tomado por la víctima del presunto delito. Oliver pasó meses yendo a la corte argumentando su inocencia, y una vez que el juez que supervisaba el caso vio las imágenes del crimen, quedó claro que Oliver no era el autor. De hecho, el autor y Oliver no se parecían en nada, excepto por el hecho de que ambos son afroamericanos, lo que hace más probable que la tecnología de reconocimiento facial cometa un error de identificación. [35]
En relación con la tecnología de vigilancia predictiva, el alcalde de Santa Cruz, Justin Cummings, dijo: “Esto es algo que apunta a personas como yo”, haciendo referencia a los patrones de sesgo racial y discriminación que la vigilancia predictiva puede continuar en lugar de detener. [36]
Por ejemplo, como explica Dorothy Roberts en su artículo de revista académica Digitizing the Carceral State, los datos que se introducen en los algoritmos de vigilancia predictiva para predecir dónde se producirán los delitos o quién es probable que cometa una actividad delictiva tienden a contener información que ha sido afectada por el racismo. Por ejemplo, la inclusión de antecedentes de arrestos o encarcelamientos, barrio de residencia, nivel de educación, pertenencia a pandillas o grupos de delincuencia organizada, registros de llamadas al 911 , entre otras características, puede producir algoritmos que sugieran un exceso de vigilancia policial en comunidades minoritarias o de bajos ingresos . [35]