Escrito por
JORDAN PEARSON
Os departamentos de polícia em Nova York em breve poderá estar usando os tweets marcados geo-prever crime. Parece um cenário de ficção científica muito forçado a la Minority Report , mas quando entrei em contato com o Dr. Matthew Greber, o pesquisador da Universidade da Virgínia por trás da tecnologia, ele explicou que o sistema é muito mais matemática do que metafísica.
O sistema de Greber criou é um amálgama de ambas as técnicas antigas e novas. Atualmente, muitos departamentos de polícia como alvo pontos quentes para a atividade criminosa com base em ocorrências reais de crime. Esta abordagem, chamada de núcleo estimativa da densidade (KDE), envolve o emparelhamento de um registro histórico crime com uma localização geográfica e usando uma função de probabilidade para calcular a possibilidade de futuros crimes que ocorrem nessa área. Enquanto o KDE é uma abordagem útil para antecipar o crime, ele empalidece em comparação com o dinamismo do tempo real de fluxo de dados do Twitter, de acordo com o trabalho de pesquisa do Dr. Gerber "Prevendo Crime Usando o Twitter e Kernel Density Estimation" .
A abordagem do Dr. Greber é semelhante ao KDE, mas lida no reino etéreo de dados e linguagem, não papelada. O sistema envolve o mapeamento do ambiente Twitter; muito parecido como policial atualmente mapear o ambiente físico com o KDE. A grande diferença é que Greber está olhando para o que as pessoas estão falando em tempo real, bem como o que eles fazem depois do fato, e ver o quão bem eles combinam.Os algoritmos de procurar determinada língua que é provável que indicam a ocorrência iminente de um crime na área, diz Greber. "Podemos observar as pessoas falando de sair, ficar bêbado, ir a bares, eventos esportivos, e assim por diante, sabemos que este tipo de eventos se correlacionam com o crime, e é isso que os modelos estão pegando."
Uma vez que esses dados são coletados, as marcas de GPS nos tweets permite Greber e sua equipe para fixá-los a um mapa virtual e delinear os pontos quentes para o crime em potencial. No entanto, todos os que os tweets sobre bater o clube mais tarde não vai necessariamente para cometer um crime. Greber testa a precisão da sua abordagem, comparando as previsões baseadas no KDE Twitter com as previsões tradicionais do KDE com base em dados da polícia sozinho. A grande questão é, isso funciona? Para Greber, a resposta é um firme "às vezes". "Isso ajuda para alguns, e dói para os outros", diz ele.
De acordo com os resultados do estudo, a análise baseada em KDE Twitter rendeu melhorias na precisão da previsão mais KDE tradicional para perseguição, dano criminal, e jogos de azar. Arson, seqüestro e intimidação, por outro lado, mostraram uma diminuição na precisão da análise tradicional do KDE. Não está claro por que esses crimes são mais difíceis de prever o uso do Twitter, mas o estudo observa que o problema pode estar com o tipo de linguagem usada no Twitter, que é caracterizada pela taquigrafia e linguagem informal que pode ser difícil para os algoritmos para analisar.
Este tipo de abordagem para a prevenção do crime de alta tecnologia traz à tona o debate sobre privacidade e familiares o uso de data dos usuários para fins que não concordam explicitamente. O caso torna-se especialmente sensível quando os dados serão utilizados pela polícia para rastrear os criminosos. Sobre este ponto, embora ele reconheça pós-Snowden ceticismo da sociedade a respeito da colheita de dados para fins de Estado, Greber é indiferente. "As pessoas se inscrever para ter seus tweets GPS marcados. É uma coisa de opt-in, e se você não fizer isso, seus tweets não serão coletados desta forma ", diz ele. "O Twitter é um serviço público, e eu acho que as pessoas são muito conscientes disso."
Greber insiste que não há perigo de direcionamento individual quando se trata do uso de previsão crime com base no Twitter, como o sistema, embora ele registra nomes não-individuais não modelar os indivíduos, nem identificar quem são os autores do crime são reais. Ainda assim, o problema pode não estar com o direcionamento dos indivíduos pela polícia, mas grupos e bairros. A utilidade desta tecnologia reside, afinal, na alocação mais eficiente dos recursos policiais (patrulhas, etc) para localizações geográficas específicas.
No entanto, Greber refuta essa. "Você poderia dizer que iria deixá-bairros-alvo da polícia, e coisas assim, mas eles já fazem isso com o conhecimento que eles têm atualmente. Polícia sabe certos bairros são ruins, e eles fazem alvo aqueles com patrulhas extras, raids, e coisas assim. "
Parece um pouco de uma tautologia. Análise baseada em KDE Twitter não permitiria a possibilidade de bairros ou grupos que estão sendo alvejados pela polícia específicos, mas apenas porque ele já está sendo feito. Embora os dados não estão lá para fundamentar essa preocupação por enquanto, parece como se a modelagem pré-crime no Twitter em "maus" bairros-o que, vamos ser francos, é muitas vezes um código para "em grande parte não-brancos", podem servir como uma encarnação virtual do Stop and Frisk .Embora a modelagem preditiva crime social, baseada em mídia não explicitamente alvo bairros de minorias, o efeito pode ser o mesmo, como observa Greber, mas com o álibi tecnológica higienizado de análise matemática.
Análise de pré-crime com base em os tweets pode estar chegando ao recinto em Queens e no Bronx em breve, Greber diz, como o NYPD manifestou interesse em programas-piloto nos bairros. No entanto, ele observa, a adopção generalizada desta tecnologia pode ser muito longe, como prova de que ela reduz os índices de criminalidade ainda precisa ser testado. Mas, se a prática é captado pelo recinto tecnologicamente progressistas, que não será apenas o seu empregador que você vai ter que se preocupar em ver seu tweet sobre a bater de volta algumas bebidas depois do trabalho-Vai ser a polícia, também.
JORDAN PEARSON
Os departamentos de polícia em Nova York em breve poderá estar usando os tweets marcados geo-prever crime. Parece um cenário de ficção científica muito forçado a la Minority Report , mas quando entrei em contato com o Dr. Matthew Greber, o pesquisador da Universidade da Virgínia por trás da tecnologia, ele explicou que o sistema é muito mais matemática do que metafísica.
O sistema de Greber criou é um amálgama de ambas as técnicas antigas e novas. Atualmente, muitos departamentos de polícia como alvo pontos quentes para a atividade criminosa com base em ocorrências reais de crime. Esta abordagem, chamada de núcleo estimativa da densidade (KDE), envolve o emparelhamento de um registro histórico crime com uma localização geográfica e usando uma função de probabilidade para calcular a possibilidade de futuros crimes que ocorrem nessa área. Enquanto o KDE é uma abordagem útil para antecipar o crime, ele empalidece em comparação com o dinamismo do tempo real de fluxo de dados do Twitter, de acordo com o trabalho de pesquisa do Dr. Gerber "Prevendo Crime Usando o Twitter e Kernel Density Estimation" .
A abordagem do Dr. Greber é semelhante ao KDE, mas lida no reino etéreo de dados e linguagem, não papelada. O sistema envolve o mapeamento do ambiente Twitter; muito parecido como policial atualmente mapear o ambiente físico com o KDE. A grande diferença é que Greber está olhando para o que as pessoas estão falando em tempo real, bem como o que eles fazem depois do fato, e ver o quão bem eles combinam.Os algoritmos de procurar determinada língua que é provável que indicam a ocorrência iminente de um crime na área, diz Greber. "Podemos observar as pessoas falando de sair, ficar bêbado, ir a bares, eventos esportivos, e assim por diante, sabemos que este tipo de eventos se correlacionam com o crime, e é isso que os modelos estão pegando."
Uma vez que esses dados são coletados, as marcas de GPS nos tweets permite Greber e sua equipe para fixá-los a um mapa virtual e delinear os pontos quentes para o crime em potencial. No entanto, todos os que os tweets sobre bater o clube mais tarde não vai necessariamente para cometer um crime. Greber testa a precisão da sua abordagem, comparando as previsões baseadas no KDE Twitter com as previsões tradicionais do KDE com base em dados da polícia sozinho. A grande questão é, isso funciona? Para Greber, a resposta é um firme "às vezes". "Isso ajuda para alguns, e dói para os outros", diz ele.
De acordo com os resultados do estudo, a análise baseada em KDE Twitter rendeu melhorias na precisão da previsão mais KDE tradicional para perseguição, dano criminal, e jogos de azar. Arson, seqüestro e intimidação, por outro lado, mostraram uma diminuição na precisão da análise tradicional do KDE. Não está claro por que esses crimes são mais difíceis de prever o uso do Twitter, mas o estudo observa que o problema pode estar com o tipo de linguagem usada no Twitter, que é caracterizada pela taquigrafia e linguagem informal que pode ser difícil para os algoritmos para analisar.
Este tipo de abordagem para a prevenção do crime de alta tecnologia traz à tona o debate sobre privacidade e familiares o uso de data dos usuários para fins que não concordam explicitamente. O caso torna-se especialmente sensível quando os dados serão utilizados pela polícia para rastrear os criminosos. Sobre este ponto, embora ele reconheça pós-Snowden ceticismo da sociedade a respeito da colheita de dados para fins de Estado, Greber é indiferente. "As pessoas se inscrever para ter seus tweets GPS marcados. É uma coisa de opt-in, e se você não fizer isso, seus tweets não serão coletados desta forma ", diz ele. "O Twitter é um serviço público, e eu acho que as pessoas são muito conscientes disso."
Greber insiste que não há perigo de direcionamento individual quando se trata do uso de previsão crime com base no Twitter, como o sistema, embora ele registra nomes não-individuais não modelar os indivíduos, nem identificar quem são os autores do crime são reais. Ainda assim, o problema pode não estar com o direcionamento dos indivíduos pela polícia, mas grupos e bairros. A utilidade desta tecnologia reside, afinal, na alocação mais eficiente dos recursos policiais (patrulhas, etc) para localizações geográficas específicas.
No entanto, Greber refuta essa. "Você poderia dizer que iria deixá-bairros-alvo da polícia, e coisas assim, mas eles já fazem isso com o conhecimento que eles têm atualmente. Polícia sabe certos bairros são ruins, e eles fazem alvo aqueles com patrulhas extras, raids, e coisas assim. "
Parece um pouco de uma tautologia. Análise baseada em KDE Twitter não permitiria a possibilidade de bairros ou grupos que estão sendo alvejados pela polícia específicos, mas apenas porque ele já está sendo feito. Embora os dados não estão lá para fundamentar essa preocupação por enquanto, parece como se a modelagem pré-crime no Twitter em "maus" bairros-o que, vamos ser francos, é muitas vezes um código para "em grande parte não-brancos", podem servir como uma encarnação virtual do Stop and Frisk .Embora a modelagem preditiva crime social, baseada em mídia não explicitamente alvo bairros de minorias, o efeito pode ser o mesmo, como observa Greber, mas com o álibi tecnológica higienizado de análise matemática.
Análise de pré-crime com base em os tweets pode estar chegando ao recinto em Queens e no Bronx em breve, Greber diz, como o NYPD manifestou interesse em programas-piloto nos bairros. No entanto, ele observa, a adopção generalizada desta tecnologia pode ser muito longe, como prova de que ela reduz os índices de criminalidade ainda precisa ser testado. Mas, se a prática é captado pelo recinto tecnologicamente progressistas, que não será apenas o seu empregador que você vai ter que se preocupar em ver seu tweet sobre a bater de volta algumas bebidas depois do trabalho-Vai ser a polícia, também.
FONTE:
http://www.infowars.com/twitter-can-now-predict-crime-and-this-raises-serious-questions/
Nenhum comentário:
Postar um comentário
Faça seu comentário aqui ou deixe sua opinião.
Observação: somente um membro deste blog pode postar um comentário.