Giriş
"Person of Interest" dizisi gerçek oldu! Suçları gerçekleşmeden önce tahmin eden yapay zeka...
Yapay zeka suça karıştı! Hemen korkmayın...Chicago Üniversitesi'nde suçları gerçekleşmeden önce tahmin eden yapay zeka geliştirildi. Yıllar önce ABD kanalı CBS'de yayınlanan Person of Interest dizisinde, aynı konu işleniyordu. Dizide kişilerin suça eğilimi yüzde olarak hesaplanabiliyordu. Eski bir CIA ajanı olan Mr. Finch, doğal yollardan değil de cinayet, suikast vb. herhangi bir nedenle ölecek önemli kişileri kurtarmak için eskiden ABD ordusunda asker olan becerikli John Reese'den destek alıyordu.
Suçları gerçekleşmeden önce tahmin eden yapay zeka geliştirildi! Chicago Üniversitesi'nde görev yapan veri bilimci ve sosyal bilimciler, şiddet ve mülkiyet suçlarındaki kamusal verilerden zaman ve coğrafi konumlara ait kalıpları öğrenerek suçu önceden tahmin eden yeni bir algoritma geliştirdi. Model, gelecekte işlenecek suçları bir hafta önceden yaklaşık %90 doğrulukla tahmin edebiliyor.
Bu haber akla yıllar önce ABD kanalı CBS'de yayınlanan "Person of Interest" dizisini akla getiriyor. Çünkü dizide aynı konu işleniyordu. ABD'nin New York şehrinde geçen dizide, kişilerin suça eğilimi yüzde olarak hesaplanabiliyordu. Eski bir CIA ajanı olan ve parasını faydalı işlere yatırmayı tercih eden Harold Finch (Michael Emerson), doğal yollardan değil de cinayet, suikast vb. herhangi bir nedenle ölecek kişileri kurtarmak için ABD ordusunda eski bir asker olan becerikli John Reese'den (James Caviezel) destek alıyordu. Hatta bu kişiler bazen suçun kendisini yaratan azılı suçlular, mafya babaları veya kaçakçılar olabiliyordu. Ancak gelecekte olması gereken bazı olayların akışını bozmamak için bu suçluları da kurtarmak gerekiyodu.
Chicago Üniversitesi'nden Matt Wood'un Nature Human Behavior adlı akademik dergide yayımlanan ve Populer Science Türkiye'de yer verilen makalesine göre, Chicago Üniversitesi'ndeki araştırma takımı, ayrı bir modelde ise polislerin suça verdiği yanıtları inceleyerek olaylardan sonra gerçekleşen tutuklanma sayılarını analiz etmiş ve söz konusu oranları farklı sosyoekonomik durumlara sahip bölgeler arasında karşılaştırmış.
Araştırmacılar daha zengin bölgelerde işlenen suçların daha fazla tutuklanmayla sonuçlanırken, dezavantajlı bölgelerde tutuklanma sayısının düştüğünü görmüş. Yoksul semtlerde işlenen suçların daha fazla tutuklamaya yol açmaması, polislerin yanıt verirken ve kanunları uygularken önyargılı davrandığını akla getiriyor.
Münferit olayların zaman ve mekan koordinatlarına bakarak suçu izole eden yeni model, örüntüleri tespit edip gelecekteki olayları tahmin ediyor. Şehri yaklaşık 300 metrelik uzamsal levhalara bölüyor ve önyargılara eğilimli geleneksel semt sınırlarını ya da siyasi sınırları temel almak yerine, bu alanlar içerisindeki suçu tahmin ediyor. Model, ABD’deki diğer yedi şehirden alınan verilerle de benzer bir performans sergilemiş (Atlanta, Austin, Detroit, Los Angeles, Philadelphia, Portland ve San Francisco).
Suçun önlenmesine yönelik çalışmalar tabii ki ilk defa yapılmıyor. Daha önceki çalışmalarda kolluk kuvvetlerinde görülen sistemik eğilimler ve bunların suç ve toplumla olan karmaşık ilişkileri hesaba katılmıyordu. Bu anlamda önceki çalışmaların objektiflikten uzak olduğunu söyleyebiliriz. Ancak bu çalışmada suçun gerçekleştikten sonraki durumları da hesaba katılmış durumda.
Ayrıca suç önleme konusunda yürütülen önceki çalışmalarda sık sık epidemik veya sismik bir yaklaşım kullanılmış; yani suç, “sıcak noktalarda” ortaya çıkıp civardaki bölgelere yayılan bir unsur şeklinde tasvir edilmiş. Ancak bu araçlarda, şehirlerin karmaşık sosyal ortamı yakalanamıyor ve suç ile kolluk kuvvetinin etkileri arasındaki ilişki hesaba katılmıyor.
Nature Human Behavior'da yayımlanan makalenin kıdemli yazarı Chicago Üniversitesinde yardımcı tıp profesörü olan Ishanu Chattopadyay, araştırmaya dair detayları şöyle aktarıyor: “Sistemi zorladığınız zaman, zengin muhitte işlenen suça cevaben daha fazla kişiyi tutuklamanın daha fazla kaynak gerektirdiğini ve polis kaynaklarının daha düşük sosyoekonomik statüye sahip alanlardan çekilmesine sebep olduğunu gördük.”
Chicago Üniversitesi ve Santa Fe Enstitüsünde çalışan sosyolog eş yazar James Evans ise, “Uzamsal modellerde, şehrin doğal topolojisi görmezden geliniyor” diyor. “Ulaşım ağları şehirlere, yaya yollarına, tren ve otobüs hatlarına riayet ediyor. İletişim ağları benzer sosyoekonomik arka plana sahip alanlara riayet ediyor. Bizim modelimiz, bu bağlantıların keşfedilmesini mümkün kılıyor.”
Geliştirilen yapay zeka, Chicago Belediyesi’nden alınan ve iki geniş kategoride rapor edilen olayların yer aldığı tarihsel verilerle test edilip doğrulanmış.
Kategoriler şiddet suçlarını (cinayet, saldırı ve darp) ve mülkiyet suçlarını (soygun, hırsızlık ve araç hırsızlığı) kapsıyor. Bu suçlara ait verilerin kullanılmasının sebebi ise şu: Çünkü özellikle yoksul ve suçun daha çok yaşandığı bölgelerde kolluk kuvvetlerine olan güven düşük. Bu nedenle yerel halk ancak bu tür olaylarda polise başvuruyor. Bu gibi suçlarda uyuşturucu suçları, trafik cezaları ve diğer kabahatlerde olduğu gibi yaptırım önyargılarına karşı daha düşük bir yatkınlık olduğu da görülüyor.