Czy AI może przewidywać przyszłe punkty zapalne przestępczości w mieście, analizując obrazy satelitarne i dane spisowe ?

Systemy uczenia maszynowego obecnie łączą obrazy satelitarne, trendy demograficzne oraz historyczne zapisy przestępczości, aby przewidywać, gdzie w nadchodzących miesiącach może wzrosnąć liczba określonych przestępstw. Te prognozy są wykorzystywane przez niektóre miejskie programy bezpieczeństwa do alokacji zasobów.

Naukowcy poczynili znaczne postępy w wykorzystywaniu algorytmów uczenia maszynowego do analizy zdjęć satelitarnych i danych spisowych w celu przewidywania obszarów o wysokiej przestępczości. Wykorzystując obrazy satelitarne, modele AI mogą identyfikować czynniki środowiskowe, takie jak zaniedbanie miejskie, ubóstwo i brak terenów zielonych, które są powiązane z wyższym wskaźnikiem przestępczości. Dane spisowe dostarczają dodatkowych informacji na temat czynników demograficznych i społeczno-ekonomicznych, które mogą przyczyniać się do przestępczości. Badania wykazały, że łączenie tych źródeł danych może poprawić dokładność prognoz dotyczących przestępczości. Na przykład model analizujący zdjęcia satelitarne w celu identyfikacji takich cech, jak opuszczone budynki, słabe oświetlenie i gęsta roślinność, może być łączony z danymi spisowymi dotyczącymi gęstości zaludnienia, poziomu dochodów i wykształcenia, aby przewidywać obszary o wysokim wskaźniku przestępczości. Chociaż podejście to wydaje się obiecujące, jego skuteczność może się różnić w zależności od jakości danych, konkretnych algorytmów użytych oraz lokalnego kontekstu. Ponadto istnieją obawy dotyczące potencjalnych błędów w danych oraz ryzyka utrwalania istniejących nierówności społecznych. Rozwój bardziej zaawansowanych i subtelnych modeli, które mogą uwzględniać te złożoności, jest aktywnym obszarem badań.

+- administered May 13, 2026 · Source: National Institute of Justice — https://nij.ojp.gov, Science Direct — https://www.sciencedirect.com