办事指南

美国警方利用机器学习来遏制自己的暴力行为

点击量:   时间:2017-08-02 13:03:31

Alamy By Hal Hodson他们的同事们都没有注意到,但有一台电脑通过警察自己的工作人员记录,它已经有迹象表明一名警官极有可能发动“不良事件” - 种族貌相,或者更糟糕的是,无端射击北卡罗来纳州的夏洛特 - 梅克伦堡警察局正在试行该系统,试图解决过去三年来美国成为激烈问题的警察暴力事件芝加哥大学的一个团队正在帮助他们将数据提供给机器学习系统,该系统学习如何发现非专业行为的风险因素然后,在风险转变为实际危害之前,该部门可以介入这个想法是为了防止那些有压力的人员表现得很激烈的事件,例如德克萨斯州的一个官员,他们在回应早些时候的两次自杀电话后,在泳池派对上对他们开枪理想情况下,早期预警系统将能够识别最近部署在艰难任务上的个人,并将他们从其他敏感呼叫中转移出去警察部门已经有一段时间的早期干预系统,但在许多情况下,他们只是指派人员专门关注那些看起来承受很大压力的人员在夏洛特进行测试的系统旨在包括一个部门对个人的所有记录 - 从先前的不端行为和枪支使用的细节到他们的部署历史,例如他们已经回应了多少自杀或家庭暴力呼叫它回顾性地捕获了2005年至今的83起不利事件中的48起 - 比Charlotte-Mecklenberg现有的早期干预系统多12%更重要的是,假阳性率 - 被标记为处于压力之下且没有继续采取积极行动的官员比例 - 比现有系统低32%芝加哥团队负责人Rayid Ghani说:“现在声称这样做的系统最终会让大多数军官感到沮丧” “你当然不能真正干预”“防止警察不端行为的最恰当干预可能是培训课程,与经理讨论或改变他们的节拍一周”Ghani及其同事将介绍试点的结果本月在旧金山举行的知识发现和数据挖掘国际会议上他们现在正在与田纳西州的洛杉矶郡警长局和诺克斯维尔警察局一起测试该系统最大的问题是,一旦个人被标记为潜在风险,该怎么做该团队正处于与夏洛特 - 梅克伦堡警方合作的早期阶段,寻找最合适的干预措施,可以是培训课程或与经理讨论或者它可能更微妙,例如改变一周的军官节拍加尼确信的一件事是干预措施需要由人类决定并提供 “我不希望任何这些都自动化,”他说 “只要中间有一个人开始与他们交谈,我们就会减少出错的机会”研究马里兰大学算法的社会影响的Frank Pasquale持谨慎乐观的态度 “在许多行业中,我认为工人的这种算法排名太过分了 - 这给我带来了麻烦,”他说 “但在警察的背景下,我认为它可行”帕斯夸莱说,虽然这种解决警察不端行为的制度是新的,但旧制度可能首先造成了这个问题 “这背后的人会说这是全新的,”他说 “但它可以被视为纠正早期算法失败的努力很多人说,你与少数民族和警察之间有这么多联系的原因是因为CompStat系统奖励那些逮捕最多的官员“CompStat,计算机统计的简称,是一个警察管理和问责制度,用于实施“破窗”警务理论,提出对公共饮酒和故意破坏等轻微违规行为进行严厉处理有助于营造法律和秩序的氛围,从而带来严重的犯罪行为许多警察研究人员表示,这种方法导致了警察和少数民族社区目前的紧张关系帕斯夸莱警告称,芝加哥大学系统与其他系统一样,可能会包含一些有偏见的数据例如,白人社区的黑人警察可能比白人同事得到的投诉更多,他说,因为警察也可能受到种族歧视给官员一些寻求补救的渠道将是重要的 “这不仅仅是一个自动数字计算器”更多关于这些主题: