Politie voorspelt misdaad met machine learning

Minority Report.

Misdaad voorspellen en voorkomen met behulp van machine learning? Het lijkt fictie, maar wordt vandaag al in verschillende Amerikaanse politiezones geïmplementeerd. Ook de Belgische federale politie ziet brood in predictive policing. Hoe nauwkeurig kunnen algoritmen toekomstige misdrijven voorspellen?

In ‘Minority report’, een Amerikaanse sciencefictionfilm uit 2002, arresteerde het personage van Tom Cruise moordenaars nog voor ze iemand om het leven hadden gebracht. Een idee dat zeventien jaar later een stuk minder futuristisch lijkt. Criminoloog Wim Hardyns (UGent): “De meeste politiediensten houden buurten extra in de gaten aan de hand van criminaliteitscijfers uit verleden. Ze sturen meer patrouilles uit naar wijken waar bijvoorbeeld een jaar eerder meer delicten hebben plaatsgevonden. Predictive policing gaat uit van toekomstige misdaden aan de hand van onderbouwde voorspellingen.” De ordediensten gaan – in tegenstelling tot in de film – niet op zoek naar toekomstige moordenaars, maar wel naar de plaats en het tijdstip waarop een misdaad zal plaatsvinden.

Tablet met voorspellende kaarten

Wim Hardyns trok op onderzoek naar de VS, waar de techniek al in verschillende staten is ingeburgerd. Het politiekorps van Los Angeles gebruikt de software van Predpol. Agenten nemen een tablet mee op patrouille. Op een digitale kaart zien ze waar en wanneer er volgens de geaggregeerde data een misdaad zal plaatsvinden. “Dichter bij huis zien we ook voorbeelden van predictive policing in Zwitserland en Amsterdam”, zegt Hardyns, “al zijn die minder gesofisticeerd dan in de VS.”

Hoewel er al diverse toepassingen operationeel zijn, blijft het aantal testen rond de accuraatheid ervan beperkt. Het Institute for International Research on Criminal Policy van de Gentse Universiteit spitst zich als één van de weinige onderzoeksinstellingen toe op de materie. “Algoritmes voor predictive policing zijn gebaseerd op gecombineerde informatie. Het model vergt meer dan criminaliteitsgegevens uit het verleden. We voegen er een brede waaier van datasets aan toe, zoals demografische en socio-economische variabelen. De aanwezigheid van winkels kan bijvoorbeeld een belangrijke impact hebben op een misdaadlocatie. Dat resulteert in een gigantische hoeveelheid data waarop we machine learning loslaten.”

Tot zeventig procent accuraat

De onderzoekers vertalen de verzamelde data in kaarten die de toekomstige woninginbraken lokaliseren. Rode hokjes wijzen op een voorspelde misdaad op een bepaald tijdstip. Die toetsen de vorsers af aan de inbraken die daadwerkelijk plaatsvonden. Wat blijkt? Vijftig tot zeventig procent van de assumpties zijn correct. Het is een percentage dat volgens Wim Hardyns een zeker draagvlak biedt.

Guy Theyskens, woordvoerder van de federale politie, liet in De Tijd optekenen dat de politiediensten behoefte hebben aan dergelijke tools. Het nieuwe computersysteem iPolice, dat voor 2020 gepland is, moet de data van alle politiediensten samenbrengen in een cloud en predictive policing faciliteren. Voormalig minister van binnenlandse zaken Jan Jambon juichte het voorspellende politiewerk eerder ook al in krachtige bewoordingen toe. “Als je zo misdrijven kan voorkomen of pedofielen en terroristen kan ontmaskeren voor ze toeslaan, zou het schuldig verzuim zijn de technologie niet te gebruiken.”

Voorbehoud

Wim Hardyns benadrukt dat het onderzoek nog volop aan de gang is. Hij wijst ook op mogelijke ethische vragen en bezwaren. Critici wijzen onder meer op de mogelijkheid van systematische vooringenomenheid en zien een gebrek aan transparantie. Daarnaast kan er ook een verplaatsingseffect optreden, waarbij criminelen als reactie op de verhoogde waakzaamheid van de politie hun territorium verleggen. Dat is een dynamiek die de datamodellen mogelijk (nog) niet voorspellen.

Fout opgemerkt of meer nieuws? Meld het hier

Partner Content