Loading article…
予測型警察活動とは、法執行機関において数学、予測分析、その他の分析手法を用いて潜在的な犯罪行為を特定することである。[ 1 ] [ 2 ] [ 3 ] RAND研究所が発表した報告書では、予測型警察活動の手法は、犯罪予測手法、犯罪者予測手法、加害者身元予測手法、犯罪被害者予測手法の4つの一般的なカテゴリーに分類されるとしている。[ 4 ]
予測型警察活動は、過去の犯罪の時間、場所、性質に関するデータを使用して、警察の戦略担当者に、資源を最大限に活用したり、将来の犯罪を抑止または防止する可能性を最大化するために、警察のパトロールをどこで、いつ行うべきか、あるいは存在感を維持すべきかについての洞察を提供します。この種の警察活動は、犯罪報告のシグナルとパターンを検出して、犯罪が急増するかどうか、銃撃事件が発生する可能性がある時期、次に車上荒らしが行われる場所、次の犯罪被害者が誰になるかを予測します。アルゴリズムは、分析可能な大量のデータで構成されるこれらの要素を考慮して作成されます。[ 5 ] [ 6 ]アルゴリズムの使用は、さまざまな変数を迅速に考慮して自動的な結果を生成できるため、予測型警察活動のプロセスを加速する、より効果的なアプローチを生み出します。アルゴリズムが生成する予測は、通常、犯罪の予測された時間と場所に警官を派遣する予防戦略と組み合わせる必要があります。[ 7 ]
警察は、銃撃事件や銃声に関する蓄積されたデータを使用して、銃撃現場を特定することもある。シカゴ市は、人口マッピング犯罪統計からのデータを組み合わせて監視を改善し、パターンを特定している。[ 8 ]
犯罪を予測するのではなく、予測型警察活動は犯罪を防止するために使用できる。「AIケア倫理」アプローチは、一部の地域では、負の環境条件の結果として犯罪率が高くなっていることを認識している。人工知能は、特定された要求に対処することで犯罪を最小限に抑えるために使用できる。[ 9 ]
2003年4月の激しい戦闘作戦の終結後、イラク全土の街路に即席爆発装置（IED）が散布された。これらの装置は、予測型警察戦術を用いて米軍の活動を監視・阻止するために配備された。しかし、IEDが広範囲に及ぶため、イラク軍が地域内の米軍の存在すべてに対応することは不可能となった。この課題から、活動レベルは高いものの効果的な制御には広すぎる地域、すなわち「行動可能なホットスポット」という概念が生まれた。この状況は、イラク軍にとって、IEDが監視する地域沿いの監視、狙撃兵の配置、ルートパトロールに最適な場所を選択する上で困難をもたらした。
予測型警察活動のルーツは、社会統治の政策アプローチに遡ることができ、中国共産党の習近平指導者は2016年の安全保障会議で、情報システムの広範な利用を通じて調和のとれた繁栄した国家を促進することが中国政権の政策課題であると発表した。[ 10 ]社会統治の一般的な例としては、ビッグデータを使用してアイデンティティをデジタル化し、信頼性を定量化する社会信用システムの開発が挙げられる。西側諸国には、これに匹敵する包括的で制度化された市民評価システムは他にない。[ 11 ]
中国の警察が過去の犯罪を分析し、将来の犯罪活動を予測するために、集計された公的および私的情報を収集および評価する増加は、情報主導の警察活動（つまり、情報を効果的に使用する）を警察活動の情報化（つまり、情報技術を使用する）に転換することによって社会の安定を促進するという政府の使命の一部である。[ 10 ]警察地理情報システム（PGIS）を通じたビッグデータの使用の増加は、過去の犯罪パターンと傾向の分析を犯罪の自動的な予防と抑制に転換するために、部門と地域間で情報リソースをより良く調整するという中国の約束の範囲内にある。 [ 12 ] [ 13 ] PGISは1970年代に初めて導入され、当初は都市の調査と計画のための政府内部の管理と研究機関で使用されていた。1990年代半ば以降、PGISは警察の協力とリソースの共有を促進することによって法執行を強化するために中国の公安産業に導入された。[ 12 ] [ 14 ] PGISの現在のアプリケーションは、依然として公共地図サービス、空間クエリ、ホットスポットマッピングの段階にとどまっている。犯罪軌跡分析および予測への応用はまだ探索段階にあるが、警察の情報化の推進により、クラウドベースのPGIS設計のアップグレード、マルチソースの時空間データの融合、警察の時空間ビッグデータ分析および視覚化の開発が促進されている。[ 15 ]
中国には全国的な警察予測プログラムは存在しないが、2015年から2018年の間に浙江省、広東省、蘇州市、新疆ウイグル自治区などの地域では、予測型警察システムとして宣伝されているか、あるいはその構築物となっている地方プロジェクトも実施されている。[ 10 ] [ 16 ]
浙江省と広東省は、疑わしいオンライン活動や通信活動をリアルタイムで収集・監視し、アリババグループなどの民間企業と協力して潜在的な容疑者を特定することで、通信詐欺の予測と防止を確立した。 [ 17 ]予測型警察活動と犯罪防止活動には、特定の被害者への事前警告が含まれており、中山警察は2018年に9,120件の警告電話をかけ、2017年には13,000件以上の電話と30,000件以上のテキストメッセージを直接傍受した。[ 10 ]
広東省では薬物関連犯罪も捜査されており、特に中山警察は2017年に初めて廃水分析と水と電気の使用状況を含むデータモデルを利用して薬物犯罪のホットスポットを特定した都市である。この方法により、2019年までに45の異なる犯罪捜査で341人の容疑者が逮捕された。[ 18 ]
中国では、蘇州警察局が2013年から予測型警察活動を採用している。2015年から2018年にかけて、中国のいくつかの都市が予測型警察活動を採用した。[ 19 ]中国は、予測型警察活動を用いて、新疆収容所に送る対象者を特定し、標的にしている。[ 20 ] [ 21 ]
ヨーロッパでは、予測型警察活動や警察活動における人工知能の広範な利用に対して、国レベルと欧州連合レベルの両方で大きな反発があった。[ 23 ]
デンマークのPOL-INTELプロジェクトは2017年から運用されており、Palantir TechnologiesのGothamシステムに基づいている。Gothamシステムはドイツの州警察やユーロポールでも使用されている。[ 23 ]
米国では、予測型警察活動は、カリフォルニア州、ワシントン州、サウスカロライナ州、アラバマ州、アリゾナ州、テネシー州、ニューヨーク州、イリノイ州など、いくつかの州の警察署によって実施されている。[ 24 ] [ 25 ]
ニューヨークでは、NYPDがPatternizrと呼ばれる新しい犯罪追跡プログラムの導入を開始しました。Patternizrの目的は、警察官が同一犯または同一犯グループによる犯罪の共通点を特定するのを支援することです。Patternizrの助けを借りて、警察官は時間を節約し、より効率的に活動することができます。このプログラムは、さまざまな犯罪の可能性のある「パターン」を生成します。警察官は、生成された犯罪が現在の容疑者に関連しているかどうかを確認するために、可能性のあるパターンを手動で検索する必要があります。犯罪が一致する場合、警察官はパターン犯罪についてより詳細な捜査を開始します。[ 26 ]
インドでは、さまざまな州警察が法執行能力を強化するためにAI技術を採用しています。たとえば、マハラシュトラ州警察は、犯罪予測と検出を改善するために、国内初の州レベルの警察AIシステムであるマハラシュトラ高度研究監視強化法執行（MARVEL）を開始しました。 [ 27 ]また、ウッタルプラデーシュ州警察は、顔認識と犯罪者追跡のためにAI搭載モバイルアプリケーション「Trinetra」を使用しています。[ 28 ]
予測型警察活動は、その有効性に影響を与える問題に直面している。Obiohaは、予測型警察活動に関して提起されたいくつかの懸念について言及している。高コストと使用の制限により、特に貧しい国々では、より広範な使用が妨げられている。予測型警察活動に影響を与えるもう1つの問題は、パターンを決定するために人間の入力に依存していることである。欠陥のあるデータは、偏った、場合によっては人種差別的な結果につながる可能性がある。[ 29 ]このようなデータは偏りがないと主張されているが、有色人種や低所得者のコミュニティが最も標的にされている。[ 30 ]さらに、一部の犯罪は報告されないままであり、データは選択バイアスの影響を受けやすく、不正確になる可能性がある。2016年にSignificanceに掲載された研究で、Kristian LumとWilliam Isaacは、カリフォルニア州オークランドの薬物犯罪データにPredPolアルゴリズムを適用し、このモデルは黒人や低所得者の割合が高い地域に警察を不均衡に誘導したが、公衆衛生調査データでは薬物使用は市全体に均等に分布していることが示されたと報告した。 LumとIsaacはこの不均衡の原因を、実際のアルゴリズム自体ではなく、基礎となる逮捕データに存在するバイアスに帰した。[ 31 ]アルゴリズムの公平性に関する研究者たちは、このダイナミクスをフィードバックループと表現しており、Barocas、Hardt、Narayananは、フィードバックループの影響は技術的な変更だけでは対処しにくいと主張している。問題はモデル自体ではなく、トレーニングデータの根本的な問題から生じている。[ 32 ]
これらの偏りは、単なるデータ品質の問題にとどまらない可能性があります。数学的分析によると、完全に偏りのないデータであっても、監視率が高い地域では、犯罪率の違いではなく、規模が大きくなるにつれて確率が累積するため、誤報が指数関数的に増加します。監視が4倍集中している地域では、誤報が20倍以上多く発生する可能性があります。このようなシステムは、誤報がほぼ確実になる臨界閾値にも達します。これは、少数派コミュニティへの異なる影響は、数学的に構造的に避けられないものであり、より優れたアルゴリズムやよりクリーンなデータによって修正できないことを示唆しています。[ 33 ]
2020年、警察の残虐行為に対する抗議活動を受けて、数学者グループがアメリカ数学会報に、予測型警察活動の研究を中止するよう同僚に促す書簡を発表した。1,500人以上の数学者がこのボイコット案に賛同した。[ 34 ]
予測型警察活動の応用例の中には、マイノリティの居住地域を標的にしたものや、フィードバックループが欠如しているものがある。[ 35 ]
米国各地の都市では、管轄区域内における予測型警察技術やその他の「侵襲的な」情報収集手法の使用を制限するための法案が制定されている。
犯罪削減戦略として予測型警察活動が導入された後、ソフトウェアPredPolを使用して作成されたアルゴリズムの結果により、カリフォルニア州サンタクルーズ市では、プログラム実施後最初の6か月間で強盗件数が約20%減少しました。しかし、2020年6月下旬、ミネソタ州ミネアポリスでのジョージ・フロイド殺害事件と警察署の責任強化を求める声の高まりを受けて、サンタクルーズ市議会は予測型警察活動技術の使用を全面的に禁止することを可決しました。[ 36 ]
予測型警察活動とは、犯罪の予測、犯罪多発地帯、監視技術[ 37 ]、犯罪を視覚化し、リスクの高い個人やグループを標的にし、物理的な場所をマッピングし、デジタル通信を追跡し、個人やコミュニティに関するデータを収集するために使用されるツールや方法など、犯罪の予測に関するあらゆることを包括的に表す言葉です。天気予報のように犯罪を予測または予報できることを想像してみてください。この能力の可能性だけでも、法執行機関にとっては喜ばしいことです。なぜなら、法執行機関は監視と人員を犯罪多発地帯に集中させることができるからです。しかし、この技術には犯罪を減らすことができるという大きな可能性を秘めていますが、個人の自由に対する比類のないリスクや濫用の可能性も伴います[ 38 ]。
一部の学者は、予測型警察活動は人間の偏見なしに情報を処理する能力がはるかに優れていると主張しており、[ 39 ]それによって警察官が偏見や注意散漫から行動することを防ぎ、警察資源をより効率的かつ公平に配分できるとしている。しかし、この主張には、これらの取り組みが地域社会の安全を向上させるという具体的な証拠はなく、多くの擁護団体や法的異議申し立てが、偏見の再生産、公民権侵害、透明性の欠如という点で予測型警察活動の危険性を指摘している。
A New York University study that examined 13 U.S. jurisdictions found that predictive policing systems increased existing discriminatory law enforcement practices. [40] An October 2023 investigation by The Markup found that crime predictions generate by Geolitica's PredPol algorithm for the Plainfield, New Jersey Police Department had an accuracy rate of less than 0.5%.[41] A Brennan Center for Justice report noted that Los Angeles and Chicago ended what had once been highly praised programs when they were found to be ineffective over time. These concerns revolve around the issue of algorithmic fairness, but then if the programmer is not racially fair, how then would the system be fair? Critics say that predictive policing discriminates against people of color and economically alienated groups. Arrest data, particularly for drug and other crimes, can be easily influenced by racial bias in police officers, choices about whom to investigate. If the officer is corrupted then the system will only serve as an enabler, a cover for a corrupted law enforcer to perpetuate heinous crimes against a targeted group of people. Data analytics algorithms also may predict a higher incidence of crime in minority communities than actually exists. Police then focus on those communities, thus adding to dirty data that reinforces their status as hot spots for crime.
Law enforcement data is highly sensitive. Though some data can and should be shared with the community for the sake of transparency, most needs to be secured so that it does not fall into fraudsters hands. This requires departments to comply with regulations for protecting sensitive information to avoid database breaches or theft. Predictive policing shows how historical data can be used to influence a preferred outcome. The problem with the police using this information arises from the combination of a high rate of crime in areas that are generally poverty stricken, uneducated, and have above ethnic populations [42]. Now this is misleading as it correlates poverty, education, and ethnicity with crime; this is not a necessary truth. A city like Atlanta, this only reinforces the perception that there is a necessary connection between ethnicity, education, and poverty with crime thereby leading to a surge in human and algorithmic biases.
欧州連合では、 2025年2月2日に施行された人工知能法第5条(1)( d)項により、検証可能な事実に対する人間の評価なしに、生体認証プロファイリングのみに基づいて個人が犯罪を犯すリスクを予測する目的でAIシステムを販売、展開、または使用することが禁止されています。これは、最大3500万ユーロまたは企業の全世界年間総売上高の7%のいずれか高い方の罰金によって執行されます。[ 43 ]