Kan AI criminaliteitscijfers voorspellen op basis van historische gegevens, weerspatronen en andere sensorische gegevens ?

AI kan nu korte-termijn, gelokaliseerde criminaliteitsrisicovoorspellingen maken door historische incidentgegevens te combineren met realtime bronnen zoals weer, voetgangerssensoren, sociale-media-activiteit en zelfs geluidsdetectiesystemen voor schoten. Moderne systemen gebruiken spatiotemporele deep-learningmodellen (bijv. grafische neurale netwerken over geografische rasterkaarten en op transformers gebaseerde sequentie-leraren) die oudere statistische methoden overtreffen op meerdere gemeentelijke datasets, met winst van 15–30 % in precisie-recallmetrieken voor de voorspelling van hotspots in de komende dienst.

Deze tools worden ingezet in een handvol Amerikaanse en Europese steden, hoofdzakelijk voor resourceallocatie in plaats van individuele targeting, en worden voortdurend geëvalueerd op eerlijkheid en bias tegen achtergestelde wijken. Op dit moment zijn middellange-termijnvoorspellingen (weken of maanden vooruit) nog steeds veel minder betrouwbaar, en behandelen de meeste instanties AI-uitkomsten als beslissingsondersteuning in plaats van definitief bewijs.

— Verrijkt 12 mei 2026 · Bron: National Institute of Justice — https://nij.ojp.gov/topics/articles/predictive-policing-what-we-know-and-what-we-need-know