A Comparative Simulation Study of the Fairness and Accuracy of Predictive Policing Systems in Baltimore City
تقدم هذه الورقة دراسة محاكاة شاملة في مدينة بالتيمور تكشف أنه بينما يمكن لأنظمة الشرطة التنبؤية أن تكون أكثر دقة وعدلاً من أساليب العمل الشرطي التقليدي القائم على البؤاخ الساخنة في المدى القصير، فإن كلا النهجين يعانيان من تحيزات وحلقات تغذية راجعة مماثلة، مع احتمال قيام الأنظمة التنبؤية بتضخيم عدم المساواة على المدى الطويل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل مدينة بالتيمور كأنها حديقة ضخمة ومعقدة. بعض أجزاء الحديقة مليئة بالأعشاض الضارة (الجريمة)، بينما أجزاء أخرى نظيفة. وقوة الشرطة في المدينة هي طاقم البستنة، ومهمتهم هي تقرير أين يرسلون آلات قص الأعشاض.
لفترة طويلة، استخدم الطاقم طريقة بسيطة تسمى "الشرطة في النقاط الساخنة" (Hot Spots Policing). الأمر يشبه النظر إلى الحديقة بالأمس والقول: "واو، كانت هناك الكثير من الأعشاض هنا بالأمس، لذا سأرسل الطاقم إلى هناك مرة أخرى اليوم". إنه نهج تفاعلي يعتمد على التاريخ القريب.
ثم منحتهم التكنولوجيا أداة جديدة: "الشرطة التنبؤية" (Predictive Policing). هذا يشبه توقعات الطقس المتطورة للأعشاض. فهي تستخدم رياضيات معقدة للنظر في الأنماط عبر فترة زمنية أطول، وتتنبأ بمكان نمو الأعشاض غداً بدقة، على أمل الإمساك بها قبل أن تنتشر.
السؤال الكبير الذي كان الجميع يتساءل عنه هو: هل هذه الأداة الجديدة عالية التقنية أكثر عدلاً من الطريقة القديمة؟ هل تعامل جميع الأحياء بالتساوي، أم أنها تستهدف مجموعات معينة من الناس بشكل غير عادل؟
هذه الورقة البحثية تشبه محاكاة لعبة فيديو ضخمة مدتها 300 يوم، حيث لعب الباحثون دور الشرطة في بالتيمور ليروا ما سيحدث. لم يكتفوا بالتخمين؛ بل بنوا توأماً رقمياً للمدينة وأجروا المحاكاة 20 مرة ليروا كيف سيتم توزيع "آلات قص الأعشاض" (الشرطة) بمرور الوقت.
إليكم ما وجدوه، مشروحاً ببساطة:
1. فخ "المدى القصير" مقابل "المدى الطويل"
اختبر الباحثون ثلاث "استراتيجيات بستنة" مختلفة:
- KDE قصير المدى: النظر فقط في الأعشاض من الشهر الماضي.
- KDE طويل المدى: النظر في الأعشاض من السنة الماضية.
- PredPol (الشرطة التنبؤية): الخوارزمية المتطورة التي تتعلم وتتنبأ.
المفاجأة: الأداة الجديدة المتطورة (PredPol) كانت في الواقع الأفضل في العثور على الأعشاض (الدقة) وكانت بشكل عام الأكثر عدلاً في البداية. لقد وزعت ضباط الشرطة بشكل أكثر توازناً من طريقة "النظر إلى الشهر الماضي" القديمة.
2. "حلقة التغذية الراجعة" (الدائرة المفرغة)
هذا هو الجزء المعقد. تصف الورقة البحثية حلقة تغذية راجعة تشبه كرة ثلج تتدحرج من فوق تلة.
- إذا أرسلت المزيد من الشرطة إلى حي ما، فسوف يجدون المزيد من الجرائم (لأنهم يبحثون بجهد أكبر).
- يرى الكمبيوتر "تم العثور على جرائم أكثر!"، فيرسل المزيد من الشرطة إلى هناك في المرة القادمة.
- هذا يخلق دورة حيث يستمر تجمع الشرطة في نفس الأماكن، بغضاً عن كون ذلك هو المكان الفعلي الذي تحدث فيه معظم الجرائم أم لا.
العقبة: بينما بدأت الأداة المتطية (PredPol) أكثر عدلاً، إلا أنها تدحرجت من التلة بسرعة أكبر. لقد ضخمت التحيز (عدم العدالة) بشكل أسرع من الطرق القديمة. إذا قمت بتشغيل المحاكاة لفترة طويلة جداً، فقد ينتهي الأمر بالأداة المتطورة لتكون الأقل عدلاً لأنها علقت في تلك الدورة بسرعة كبيرة.
3. "تحول بالتيمور" (الأمر لا يتعلق دائماً بالعرق)
يفترض معظم الناس أن هذه الأنظمة تستهدف دائماً أحياء السود بشكل غير عادل. وجد الباحثون شيئاً مفاجئاً في بالتيمور:
- عندما استخدموا بيانات عن جميع أنواع الجرائم، أظهرت المحاكاة أن الشرطة كانت تُرسل بالفعل إلى أحياء البيض (مثل وسط المدينة/Downtown) بشكل أكبر بمرال الوقت.
- ومع ذلك، عندما نظروا فقط في حالات الاعتداء الجسدي (Aggravated Assaults)، تم إرسال الشرطة بشكل أكبر إلى أحياء السود.
التشبيه: فكر في الخوارزمية مثل نظام تحديد المواقع (GPS). إذا أخبرت الـ GPS "ابحث لي عن الطرق الأكثر ازدحاماً"، فقد يأخذك إلى ضاحية غنية. إذا أخبرته "ابحث لي عن أكثر التقاطعات خطورة"، فقد يأخذك إلى جزء مختلف من المدينة. الأداة ليست "شريرة" بطبيعتها؛ هي فقط تتبع الخريطة التي تعطيها إياها. في بالتيمور، الخريطة هي التي غيرت الوجهة.
4. المقايضة بين "العدالة" و"الدقة"
وجدت الورقة البحثية أن كون النظام "دقيقاً" (العثور على أكبر قدر من الجرائم) لا يعني بالضرورة أنه "عادل".
- أحياناً، يمكن للنظام أن يكون جيداً جداً في العثادة على الجرائم ولكنه غير عادل تماماً في كيفية معاملة الأحياء.
- وأحياناً، يمكن للنظام أن يكون عادلاً ودقيقاً في نفس الوقت.
- الدرس المستفاد: لا يمكنك النظر إلى رقم واحد فقط. يجب عليك التحقق من كل من "درجة صيد الجرائم" و"درجة العدالة" بشكل منفصل.
5. الخلاصة الرئيسية
يقول الباحثون: "لا تشتروا مجرد الأداة اللامعة وتتوقعوا الأفضل".
قبل أن تبدأ مدينة مثل بالتيمور (أو أي مدينة أخرى) في استخدام هذه الأنظمة التنبؤية في الحياة الواقعية، يجب عليها تشغيل محاكاتها الخاصة أولاً. تماماً كما لا تبني جسراً دون اختبار المخططات، لا ينبغي لك نشر خوارزمية شرطة دون اختبار كيفية سلوكها في تاريخ مدينتك الفريد وتركيبتها السكانية.
باخت المختصر: الأدوات التنبؤية الجديدة قوية ويمكن أن تكون أكثر عدلاً من الطرق القديمة، ولكن لديها "رقم مختصر" لعدم العدالة. إذا لم تراقبها عن كثب، فيمكنها عن طريق الخطأ خلق دورة تجعلها تستمر في معاقبة نفس الأحياء مراراً وتكراراً. الحل ليس في التخلص من الأدوات، بل في اختبارها بعناية في "حديقة تجريبية" قبل زراعتها في العالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.