Loading article…
米国 では、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で予測型警察活動が実施されています。 [ 1 ] [ 2 ]予測型警察活動とは、法執行機関において、潜在的な犯罪行為を特定するために、数学的、予測分析、その他の分析手法を使用することを指します。[ 3 ] [ 4 ]予測型警察活動の手法は、犯罪を予測する方法、犯罪者を予測する方法、犯罪者の身元を予測する方法、犯罪の被害者を予測する方法の 4 つの一般的なカテゴリに分類されます。[ 5 ]
米国では、この技術はメディアで「犯罪が始まる前に阻止できる」革新的な技術として紹介されている。[ 6 ]しかし、RAND研究所の予測型警察技術の導入に関する報告書では、その役割はより控えめな表現で説明されている。
2011年11月、TIME誌は予測型警察活動を2011年のベスト発明50選の1つに挙げ、「予防的警察活動」という用語を使用した。[ 7 ]
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、また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。[ 8 ]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することができるため、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から、通常は警察官を犯罪の予測された時間と場所に派遣する予防戦略と組み合わせる必要があります。[ 9 ]自動化された予測型警察活動の利用は、警察官の直感だけでなく、データに基づいて判断を下すことができるため、将来の犯罪を予測する際に、より正確で効率的なプロセスを提供します。警察が予測型警察活動からの情報を使用することで、地域社会の懸念を予測し、時間と場所にリソースを賢明に配分し、被害を防ぐことができます。[ 10 ]
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、銃撃の場所を特定することもあります。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、パターンを特定するために使用しています。[ 11 ] UCLAの教授によって2012年に設立されたPredPolは、予測型警察ソフトウェア企業の市場リーダーの1つです。[ 12 ]そのアルゴリズムは、特定の場所で犯罪が発生した場合、その周辺の不動産や土地が次の犯罪のリスクにさらされていると推測するニアリピートモデルを検証することによって形成されます。このアルゴリズムは、犯罪の種類、犯罪の場所、犯罪の日時を考慮して、将来の犯罪の発生を予測します。[ 12 ]予測型警察に利用されているもう1つのソフトウェアプログラムは、ロサンゼルスで銃暴力の削減を試みるために使用されているオペレーションLASERです。[ 13 ]しかし、LASERは2019年に様々な理由で中止されましたが、特に人々の識別に一貫性がないことが理由でした。[ 14 ]さらに、一部の警察署も、人種的偏見や非効率的な方法に関連して、このプログラムの使用を中止しました。[ 15 ]予測型警察活動モデルの背後にある考え方は、ある意味では役立ちますが、常に社会的偏見を技術的に繰り返してしまう可能性があり、必然的に既存の不平等のパターンを増大させることになります。[ 16 ]
使用されるモデルは通常、データや犯罪の原因に関する直接的な仮定に基づいて構築されるものではありません。これは、人間の判断とそれに伴うバイアスの可能性を排除することを目的としていますが、予測モデルは既存のデータに見られるパターンを再現することしかできないため、モデルの構築に使用されるデータ自体にバイアスがある場合、モデル内のバイアスは避けられない可能性があります。[ 17 ]さらに、多くのモデルは人種、性別、場所、その他の機密性の高い、またはバイアスの可能性のある変数の使用を避けていますが、モデルで使用される法執行機関が利用できる他の多くのデータとの相関関係のため、そのような変数のすべての代理変数を排除することは非常に困難です。[ 18 ]
警察署内で犯罪を予測しようとする試みは、1920年代にシカゴ社会学派 が行った仮釈放再犯に関する研究にまで遡ることができます。この研究に関わった社会学者アーネスト・バージェスは、この研究に基づいて数理的手法を構築しました。この手法は、将来の犯罪予測と相関する特定の要因を見つけて評価するものです。すぐにこれは司法制度のさまざまな分野に広がり、性犯罪再犯迅速リスク評価（RRASOR）や暴力リスク評価ガイド（VRAG）などの予測ツールの作成につながりました。[ 19 ]
2008年、ロサンゼルス市警察のウィリアム・ブラットン署長は、司法支援局と国立司法研究所の所長代理と協力し、犯罪予防における予測型警察活動の概念を探求し始めた。[ 20 ] 2010年、研究者らは、科学者が地震の余震を予測するのと同様に、特定の犯罪を予測することが可能だと提唱した。[ 1 ]
2009年、国立司法研究所は初の予測型警察活動シンポジウムを開催した。同シンポジウムで、所長代理のクリスティーナ・ローズ氏は、シュリーブポート、ロサンゼルス、ワシントンD.C.首都圏、ニューヨーク、シカゴ、ボストンの各警察署が予測型警察活動プログラムの導入に関心を示していると述べた。[ 21 ]現在、予測型警察活動プログラムは、カリフォルニア州、ワシントン州、サウスカロライナ州、アリゾナ州、テネシー州、ニューヨーク州、イリノイ州など、米国のいくつかの州の警察署で使用されている。 [ 1 ] [ 2 ]
2012年から、NOPDは予測型警察活動の分野でパランティア・テクノロジーズと秘密裏に協力し始めた。 [ 22 ]ジェームズ・カービルの言葉によれば、彼はこのプロジェクトの推進者であり、「ニューオーリンズでは誰もこのことを知らない」とのことである。[ 22 ]
2020年、第4巡回区控訴裁判所は、予測型警察活動は人種差別的な現状を強化するだけの法執行手段であるとの判決を下した。同裁判所はまた、この件で政府に緊急事態免除を認めることは、不法捜索と押収の基準を確立した画期的なテリー対オハイオ州事件に対する広範な非難になると述べた。 [ 23 ]いわゆる「犯罪多発地域」に通常適用される予測型警察活動は、「警察が積極的な取り組みをどこに集中させるべきかについて偏った決定を下すために偏った情報に依存している」[ 24 ]が、それがなくても警察は少数派コミュニティで犯罪に適切に対処できる。[ 25 ]
予測型警察活動の有効性は、さまざまな結果を示す複数の研究によって検証されてきた。2015年、ニューヨーク・タイムズは、予測型警察活動の有効性を分析し、多数の研究を引用してその結果を説明した記事を掲載した。[ 26 ]
RAND研究所が行った調査では、予測型警察活動の導入によって犯罪が減少したという統計的証拠は見つからなかった。同調査では、予測型警察活動は有効性の半分に過ぎないと指摘している。残りの半分は、慎重に実行された人間の行動によるものである。この予測と実行は、データの入力の信頼性に大きく依存する。データが信頼できない場合、予測型警察活動の有効性は疑問視される可能性がある。[ 27 ]
2010年にロサンゼルス市警察が行った別の調査では、その精度が現在の慣行の2倍であることが判明した。[ 1 ]カリフォルニア州サンタクルーズでは、6か月間にわたる予測型警察活動の実施により、強盗の件数が19%減少した。[ 1 ]ケントでは、すべての路上犯罪の8.5%がPredPolによって予測された場所で発生し、警察アナリストによる5%を上回った。[ 28 ]
マックス・プランク外国・国際刑事法研究所による、 Precobs（犯罪前監視システム）ソフトウェアの3年間のパイロット評価に関する研究[ 29 ]では、ソフトウェアの有効性について明確な発言はできないとしている。3年間のパイロットプロジェクトは2018年に第2段階に入る予定である[ 30 ] 。
RAND Corporationの研究によると、予測型警察活動に使用されるデータの質は、データの検閲、体系的バイアス、および関連性が不十分な場合、著しく不十分になる可能性がある。データの検閲とは、特定の地域での犯罪を省略するデータの実施である。体系的バイアスは、一定数の犯罪を示すデータが収集されたが、犯罪が発生した時期が十分に報告されていない場合に発生する可能性がある。関連性とは、予測型警察活動を推進するデータの有用性である。[ 27 ]
これらの欠陥の記録は、非効率的で差別的な警察活動を引き起こすと報告されている。ある特定のデータ収集では、「黒人であるという理由で運転中に不均衡なリスクにさらされる」と報告されている。この報告では、黒人ドライバーは運転中に停止させられ、捜索される可能性が著しく高いことが示された。[ 31 ]これらの偏見は、予測型警察活動を実施するために使用されるアルゴリズムに組み込まれ、人種プロファイリングのレベルが上昇し、不均衡な逮捕につながる可能性がある。
RAND研究所の調査によると、予測型警察活動の有効性は、質と量の両面で高いデータ入力を必要とし、それに依存している。十分なデータがなければ、予測型警察活動は否定的で不正確な結果をもたらす。さらに、予測型警察活動は「犯罪の終焉」と誤って呼ばれていることも指摘されている。しかし、予測型警察活動の有効性は、予測に基づいて取られる具体的な行動に根本的に依存する。[ 27 ]
2014年の報告書では、仮釈放の条件を決定する際に役立つリスク評価モデルの使用について調査し、リスク評価は再犯率の低減に非常に効果的であると結論付け、そのようなモデルを禁止することは刑事司法制度における人種的不平等の問題に対する効果的な解決策にはならず、問題を偏った人間の意思決定に逆戻りさせるだけだと主張している。[ 32 ]
2013年の予測型警察活動に関する報告書では、基本的な犯罪統計に依存するはるかに単純なモデルが、解釈や評価が難しいという欠点もなく、より複雑なモデルと同等の性能を発揮することが多く、より信頼性が高く、信頼できる代替手段となる可能性があることが判明した。[ 33 ]
イリノイ州シカゴとルイジアナ州シュリーブポートで行われた予測型警察活動実験の独立した評価では、どちらのプログラムも犯罪に統計的に有意な影響を与えていないことが判明した。[ 34 ] [ 35 ]しかし、シカゴの実験では、犯罪に関与する可能性に違いがないにもかかわらず、対象者の逮捕率が上昇したことが判明した。[ 35 ]シュリーブポートの実験では、プログラムに参加していないグループと比較して、法執行機関の支出が6～10%削減され、一部の警察官は、プログラムの結果として地域社会との関係が改善したと報告した。[ 35 ]
ホットスポット・ポリシングと呼ばれる予測型警察活動の特定の手法は、犯罪に対してプラスの効果をもたらしている。[ 36 ]国立司法研究所が提供した証拠によると、この手法は、複数の犯罪、暴力犯罪、薬物犯罪、アルコール関連犯罪などの発生頻度を減少させている。[ 37 ]しかし、慎重な実施と十分なデータ活用がなければ、この手法は暗黙の偏見や人種プロファイリングを助長する可能性がある。
予測型警察活動に対する批判は、複雑なアルゴリズムの不透明性によって公平性を評価する能力が制限されること、モデルの作成に使用されるデータソースに偏りがある可能性、および個人の適正手続きを受ける憲法上の権利に関する倫理的懸念に焦点を当てることが多い。[ 17 ]法執行機関が使用するアルゴリズムの多くは、その仕組みの詳細を企業秘密として隠している民間企業から購入されている。これは、使用される予測モデルにおける潜在的な偏りを評価しようとする際の一般市民のアクセスを制限する。[ 17 ]さらに、犯罪に関連する場所や個人を予測することは、有罪が証明されるまでは誰もが無罪と推定されるという原則に反するとして、根本的に違憲であると考える人もいる。[ 17 ]
アメリカ自由人権協会（ACLU）や電子フロンティア財団（EFF）を含む市民権団体の連合は、予測型警察活動が人種プロファイリングを助長する傾向があることを批判する声明を発表した。[ 38 ] ACLUのエゼキエル・エドワーズは、そのようなソフトウェアは犯罪を予測するよりも警察活動を予測する方が正確だと主張している。[ 39 ]
最近の研究では、予測型警察活動に対しても批判的な意見がある。クリスティアン・ラムとアイザック・ウィリアムは、「予測して奉仕するために？」の中で、偏ったデータセットでそのようなシステムを訓練することの影響を検証している。[ 40 ]サンダース、ハント、ハリウッドは、実際のところ予測の統計的有意性は無視できるほど小さいことを示している。[ 41 ]
予測型警察活動の方法とその落とし穴を比較した結果、ローガン・コエプケは、それはまだ警察活動の未来ではなく、「単に警察活動の現状を新しい名前で表現しただけだ」という結論に至った。[ 42 ]
ニューヨーク市自動意思決定システムタスクフォースへの証言の中で、NAACP法律擁護教育基金のジャナイ・ネルソン氏は、差別的または偏った執行方針から得られたデータの使用を禁止するようニューヨーク市に強く求めた。彼女はまた、ニューヨーク市がニューヨーク市警察による自動意思決定システムの使用方法と運用方法について完全な透明性を確保するよう求めた。[ 43 ]
Significance誌の記事によると、「アルゴリズムは予想どおりに動作し、トレーニングに使用されたデータのパターンを再現した」とのことであり、「警察データでトレーニングされた最高の機械学習アルゴリズムでさえ、警察データのパターンと未知のバイアスを再現する」とのことである。[ 44 ]
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。[ 45 ]
予測型警察活動の応用例の中には、少数派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。[ 46 ]
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・フロイド殺害事件の後、警察署の責任強化を求める声が高まる中、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賛成多数で可決しました。[ 47 ]
予測型警察活動の禁止に伴い、顔認識技術も同様に禁止された。顔認識技術は、肌の色が濃い人に対する精度が低いことが批判されており、それが人違いや冤罪につながる可能性がある。[ 48 ]
2019年、ミシガン州デトロイトのマイケル・オリバーは、被害者が撮影したビデオに映っていた容疑者とDataWorks Plusソフトウェアで顔が「一致」したため、窃盗の罪で不当に告発された。オリバーは数ヶ月間法廷で無罪を主張し、事件を担当する裁判官が犯罪のビデオ映像を確認したところ、オリバーが犯人ではないことが明らかになった。実際、犯人とオリバーは全く似ておらず、唯一共通しているのは、両者ともアフリカ系アメリカ人であるため、顔認識技術が誤認する可能性が高くなるという点だけである。[ 49 ]
予測型警察技術に関して、サンタクルーズ市長のジャスティン・カミングスは、「これは私のような人々を標的にしている」と発言したと伝えられており、予測型警察が阻止するどころか継続させてしまう可能性のある人種的偏見や差別のパターンに言及している。 [ 50 ]
例えば、ドロシー・ロバーツが学術誌の記事「監獄国家のデジタル化」で説明しているように、犯罪が発生する場所や犯罪行為を行う可能性のある人物を予測する予測型警察アルゴリズムに入力されるデータには、人種差別の影響を受けた情報が含まれる傾向がある。例えば、逮捕歴や投獄歴、居住地域、教育レベル、ギャングや組織犯罪グループへの所属、911番通報記録などの特徴を含めると、少数派や低所得者層のコミュニティに対する過剰な警察活動を示唆するアルゴリズムが生成される可能性がある。[ 51 ]
2014年の報告書は、過去の行動に基づいて将来のリスクを評価するという原則自体は公平であるが、使用されている既存の記録は実際の過去の行動を代表するものではないと主張している。例えば、マリファナ使用の過去の割合は人種間で概ね一貫しているが、マリファナ所持違反の逮捕率には大きな格差があり、これは警察による不平等な取り締まりを示しており、その結果、少数派グループが著しく多くの犯罪歴を持つことになった。あるグループが過去の逮捕データで過剰に代表されている場合、そのデータに基づいて訓練されたモデルは、そのグループのメンバーが将来犯罪を犯すリスクが高いと考えるように偏ってしまう。[ 32 ]
政府による監視や法執行機関による自動監視の脅威に対する市民のプライバシーの懸念に直面し、メイン州は2021年に、ほとんどの場合政府による顔認識の使用を禁止し、行方不明者の特定などの限られた深刻なケースでのみ例外を認める法律を可決した。[ 52 ]
NYPDのPatternizrモデルは、犯罪アナリストや捜査官が一連の犯罪を互いに関連しているものとして特定し、単一の犯人によって犯された可能性があると判断する作業を効率化するために作成されました。NYPDは、このモデルが犯罪のパターンを迅速に検出する能力により、複数の連続犯罪者を迅速かつ正確に特定できたと主張しています。このプログラムの批判者は、証明されていない社会科学に基づいているため市民に不公平であり、プログラムによってフラグが立てられ、司法取引を受け入れる以外に選択肢がないと感じている無実の個人が虚偽の自白をし、投獄される可能性があると主張しています。[ 18 ]
{{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）{{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）