La tecnología se ha probado en varias ciudades de Estados Unidos
Lo habíamos visto en películas como Minority Report pero, ¿cuándo será posible aplicar dicha tecnología que se anticipa a los delitos en el mundo real? Según un nuevo trabajo publicado, más pronto que tarde. Una IA ha logrado predecir el 90% de los delitos antes de que sucedan.
La tecnología se ha probado en varias ciudades de Estados Unidos y cuentan que ha tenido una tasa de éxito de alrededor del 80/90%. La idea de fondo: que la IA sea capaz de optimizar las políticas y la asignación de recursos a las áreas de ciudades que más lo necesitan.
Detrás de este avance se encuentra Ishanu Chattopadhyay y su equipo, quienes han demostrado en un artículo publicado en Nature un modelo predictivo de IA en ocho ciudades importantes de Estados Unidos. Tal y como explican sobre el concepto:
La ciudad de Chicago publica registros de eventos para cada delito, incluido dónde y cuándo ocurrió el delito, y estos datos se introducen en un algoritmo de aprendizaje automático. Luego, la ciudad se separa en fragmentos de 90 metros cuadrados y los registros de eventos se combinan con las áreas para crear lo que los investigadores llaman una “serie temporal”. Luego, la IA usa estas series de tiempo para predecir delitos en función de dónde y cuándo ocurren con frecuencia. El modelo puede decir que probablemente habrá un robo a mano armada en esta área específica en este día específico, aunque no quién lo llevará a cabo.
Es decir, que podrá hacer una parte del proceso, pero todavía no podrá con la esencial que se mostraba en el cine: identificar al autor antes de que cometa el crimen. Según contó Chattopadhyay en la BBC:
A la gente le preocupa que esto se use como una herramienta para encarcelar a las personas antes de que cometan delitos. Eso no va a suceder, ya que no tiene ninguna capacidad para hacerlo. Simplemente predice un evento en un lugar en particular. No te dice quién va a cometer el evento o la dinámica o mecánica exacta de los eventos.
Según Chattopadhyay, el método que usaron para entrenar el modelo le permite evitar los polémicos sesgos sociales en los que se puede ver envuelta este tipo de tecnología. El autor explica que son simplemente registros de eventos que se alimentan en él. Hay muy pocas entradas manuales, y esto supuestamente es algo bueno.
(Con información de Gizmodo)