¿Puede la IA predecir puntos críticos de crimen futuros en una ciudad analizando imágenes satelitales y datos del censo ?

Los sistemas de aprendizaje automático ahora combinan vistas satelitales, tendencias demográficas y registros históricos de delitos para predecir dónde es probable que aumenten ciertos delitos en los próximos meses. Estas predicciones son utilizadas por algunos programas municipales de seguridad para asignar recursos.

Los investigadores han logrado avances significativos en el uso de algoritmos de aprendizaje automático para analizar imágenes satelitales y datos del censo con el fin de predecir puntos críticos de delincuencia. Al aprovechar las imágenes satelitales, los modelos de IA pueden identificar factores ambientales como el deterioro urbano, la pobreza y la falta de espacios verdes que están asociados con tasas más altas de delitos. Los datos del censo proporcionan información adicional sobre factores demográficos y socioeconómicos que pueden contribuir a la delincuencia. Los estudios han demostrado que combinar estas fuentes de datos puede mejorar la precisión de las predicciones de delitos. Por ejemplo, un modelo que analiza imágenes satelitales para identificar características como edificios abandonados, mala iluminación y vegetación densa puede combinarse con datos del censo sobre densidad de población, niveles de ingresos y educación para predecir áreas con altas tasas de delitos. Si bien este enfoque muestra promesa, su efectividad puede variar según la calidad de los datos, los algoritmos específicos utilizados y el contexto local. Además, existen preocupaciones sobre posibles sesgos en los datos y el riesgo de perpetuar desigualdades sociales existentes. El desarrollo de modelos más sofisticados y matizados que puedan tener en cuenta estas complejidades es un área activa de investigación.

+- administrado el 13 de mayo de 2026 · Fuente: National Institute of Justice — https://nij.ojp.gov, Science Direct — https://www.sciencedirect.com