This post is also available in: enEnglish (אנגלית)

ארגוני אכיפת החוק מתמודדים עם סביבה מאתגרת ומגוונת של איומים, ויחד עם זאת מוצפים בכמויות אדירות של נתוני פשיעה המתקבלים ממגוון חיישנים, מידע ממקורות גלויים כגון רמזים מאזרחים, ועוד. כדי לבחון דפוסים בעולם הפשע, חוקרים נהגו לבצע תהליך ידני, שלוקח זמן רב, המבוסס על הזיכרון שלהם, ובלתי יעיל, כך לפי pubsonline.informs.og.

כעת, ארגוני המשטרה מתחילים להשתמש בטכנולוגיות של למידת מכונה כדי לקבל החלטות חכמות ומיודעות יותר לגבי שיטור, מזהים בצורה פרואקטיבית נתונים שיש ביניהם קשר, והופכים אותם לתובנות לפעולה, המיועדות לספק תגובה בטוחה יותר בסיכון מופחת.

ארגוני אכיפה כמו משטרת ניו יורק, לדוגמא, מצאו שיש פוטנציאל גבוה באלגוריתמים לזיהוי דפוסים, בינה מלאכותית והיכולת להפוך נתונים בלתי מובנים לנתונים מובנים שתומכים בעבודת המשטרה ומספקים לה מידע.

שיטור מבוסס חיזוי מוגדר כ"ישום טכניקות אנליטיות, בפרט טכניקות כמותיות, כדי לזהות מטרות אפשריות להתערבות משטרתית ומניעת פשע או כדי לפתור פשעי עבר באמצעות כלי חיזוי סטטיסטיים", לפי דוח של מכון RAND.

אוון לוין, האחראי על אנליטיקת נתונים במשטרת ניו יורק, ואלכס קוהלס-ווד, לשעבר מנהל האנליטיקה בארגון זה, פיתחו מערך של שלושה מודלים של למידת מכונה בפיקוח, בשם Patternizr.

כלי זה לתמיכה בקבלת החלטות, המהווה מנוע המלצה, כולל מערך של מודלים של למידת מכונה שהופכים את חיפוש דפוסי הפשיעה ליעיל ואפקטיבי יותר, כך לפי statetechmagazine.com.


"עיבוד המידע ומציאת הקשרים באמצעות כלי בינה מלאכותית מסייעים לבטל את ה"שטחים המתים" אותם מנצלים הפושעים. יכולת הראות והתובנות החדשה של הנתונים מאפשרת לצוותים להשיג הבנה טובה יותר של מצבים כדי לקבל החלטות מודעות יותר", לדברי ריצ'ארד זאק, מנהל פיתרונות האבטחה הציבורית במיקרוסופט.

נתונים בלתי מובנים, או נתונים שאינם מתאימים בקלות למודלים ופורמטים קיימים בשפע בדוחות המשטרה. הם יכולים לכלול תיאורים של תוקפים, תגובות המותקפים, פרטים על חפצים שנגנבו בשוד וכו'. כלי ה-Patternizr מדגים כיצד סוכנויות האכיפה משתמשות בלמידת מכונה ואנליטיקת זיהוי דפוסים כדי לאתר מקרים דומים בשפיעה ולשפר את הביטחון הציבורי.

הכלי משווה "גרעין" של תלונה, שנבחר על ידי אנליסט של המשטרה, למאות אלפי פשעים המתועדים במאגר הנתונים של משטרת ניו יורק. בכל השוואה בין פשע לגרעין, המערכת מייצרת "מדד דמיון" שמודד מה הסיכוי שלשני מקרי פשע יש דופס משותף, לפי הדוח. ברגע שכל מדדי הדמיון מופקים, המערכת מסדרת את הזוגות בסדר יורד לפי מדד הדמיון ומוציאה רשימה לבדיקת האנליסט.

התלונות בעלות הסיכוי הגבוה ביותר להיות תואמות עם תלונת גרעין מופיעות בראש הרשימה, לפי לוין וקוהלס-ווד. לאחר שהוא עובר על התוצאות, האנליסט יכול להחליט אם לקבץ את התלונות לקבוצות לפי דפוסים.