METHODS OF INVESTIGATION
– The human mind and the machine –
​
Multidisciplinary project of English, History and Computer Science. A cura della V D del Liceo Scientifico E.Torricelli di Roma 2016/2017
Un quadrato rosso compare sulla mappa della città, e una volante della polizia si precipita nella via indicata per sventare il crimine prima ancora che venga commesso. A predire dove e quando ci sarà bisogno dell'intervento delle forze dell'ordine sono gli algoritmi che governano i software della “polizia predittiva” utilizzati nelle principali città di tutto il mondo, da New York fino a Milano.
La previsione, ovviamente, non è certa; si tratta di calcoli probabilistici che danno i loro risultati in base a un enorme numero di dati immagazzinati all'interno del software: dove un crimine è stato commesso, quando, di che tipo e altre variabili ancora. Il tutto allo scopo di prevenire il ripetersi di furti o aggressioni basandosi su un semplice assunto: se in una zona sono avvenuti numerosi crimini di un determinato tipo, è altamente probabile che avverranno di nuovo.
Il poliziotto di pattuglia, così, non deve far altro che osservare il monitor montato sulla sua volante per capire, in tempo reale, quali sono gli "hotspot" in cui c'è bisogno della sua presenza e in quale zona della città è più probabile che avvenga un certo tipo di crimine. Si tratta di aree molto circoscritte, di circa 150 metri quadrati, che appaiono e scompaiono sul monitor basandosi su dati così complicati che sarebbe impossibile per il singolo poliziotto intuirli da solo.
Tra l'altro, le informazioni date in pasto a questi algoritmi variano a seconda della società che ha creato il software. I software attualmente più utilizzati ed efficaci sono:
PREDPOL (tradotto da http://www.predpol.com/how-predpol-works/): Utilizzando solo dati riguardanti tipo, posizione, data e ora del crimine il potente software di PredPol fornisce ad ogni agenzia delle forze dell'ordine le previsioni di reati riguardanti determinati luoghi e tempi dove i crimini hanno più probabilità di verificarsi. Gli algoritmi utilizzati da PredPol si basano sulla constatazione che alcuni tipi di reati tendono a raggrupparsi nel tempo e nello spazio. PredPol prende un feed dal Sistema di Gestione Records di ogni reparto (RMS) per raccogliere tipo di reato, la posizione, data e ora. Questi dati vengono raccolti quotidianamente.
RISK TERRAIN MODELING: RisK Terrain Modeling, o RTM, è un approccio all’analisi dei rischi spaziali che è stato inventato da Les Kennedy e Joel Caplan alla Rutgers University ed è stato sviluppato in collaborazione con Eric Piza. È usato per identificare i rischi che provengono da caratteristiche di un paesaggio e modella come poter creare impostazioni di comportamento uniche per la criminalità. Definiamo crimine l’esito di un evento perché questo era lo scopo iniziale di RTM. Ma attualmente è utilizzato in altri campi, tra cui la prevenzione degli infortuni, la salute pubblica, l’epidemiologia, il traffico o pianificazione dei trasporti, la sicurezza delle frontiere, l'inquinamento, pirateria marittima. RTM è a tutti gli effetti un metodo diagnostico. Con una diagnosi degli attrattori di comportamento criminale o di altri eventi pericolosi, è possibile fare previsioni molto accurate. RTM offre un modo statisticamente valido per articolare aree vulnerabili.
HUNCHLAB: HunchLab è probabilmente il più evoluto, perché a tutti i fattori analizzati dai software trattati in precedenza aggiunge la possibilità di "pesare" i vari crimini in modo da dare un ordine di priorità agli interventi, di scegliere la migliore tattica d'azione e di segnare appunti che vengono immagazzinati dal software. Da notare come nessuno di questi programmi sfrutti i dati personali degli assalitori (per esempio, se colpiscono più di frequente bianchi o neri), in modo da evitare preoccupazioni riguardanti le libertà civili e la profilazione.
​
KEYCRIME: Negli Stati Uniti, proprio nel tentativo di evitare il rischio di profilazione, vengono volontariamente omesse le caratteristiche socio-demografiche dei criminali più frequentemente arrestati nei diversi hotspot. Lo stesso non avviene invece per quanto riguarda Keycrime, un software di polizia predittiva sviluppato da Mario Venturi e in dotazione esclusiva, almeno per il momento, alla questura di Milano.
Anche in questo caso, le statistiche sono molto positive: rapine a supermercati, negozi e farmacie sono calati del 57% da quando a Milano si usa questo software. Keycrime, però, utilizza molti più dati rispetto ai software americani, concentrandoli sulle persone; la raccolta meticolosa di queste informazioni è finalizzata a individuare dei tratti caratterizzanti l'evento criminoso, quindi colui che l'ha commesso. I poliziotti inseriscono nell'algoritmo precise caratteristiche: se il ladro ha usato una pistola o meno, se era mancino o destrimano, se era da solo o con dei complici, dove ha colpito, quali sono gli orari o i giorni che predilige e moltissimi altri dettagli (fino a 12mila informazioni per ogni atto criminoso). Il tutto allo scopo di trovare lo schema d'azione di una determinata banda e poter così prevedere dove, quando e come è più probabile che colpirà nell'immediato futuro.
Sicuramente, verrà segnalata anche l'etnia del criminale, informazione tanto utile quanto delicata: non c'è il rischio di indurre la polizia a controllare qualcuno sulla base della sola etnia di appartenenza? Mario Venturi nega questa chiave di lettura: "Se il software segnala che in una certa area agiscono dei rapinatori a bordo di una Fiat, la polizia farà più attenzione a chi guida una Fiat. Non è discriminazione: il software aiuta a razionalizzare le risorse e collocarle laddove c'è bisogno." Il funzionamento di Keycrime, inoltre non ha il compito di portare la polizia a presidiare un'area in cui è probabile che avvenga un crimine, ma di prevedere dove colpirà il criminale che si sta cercando e individuarlo. Più che sul luogo, quindi, agisce sulle persone.
Detto questo, la polizia predittiva è efficace?
Uno studio dell'Università della California sembrerebbe dare risposta positiva, segnalando come nelle città in cui PredPol viene utilizzato (Los Angeles, Atlanta, Seattle, per dirne alcune) i crimini si siano ridotti in media del 7,4%, con punte del 30%. Il problema è che questo studio è stato condotto, tra gli altri, dai due fondatori di PredPol e i risultati riportati sono stati seriamente messi in dubbio in uno studio condotto dall'Università di Grenoble.
Le perplessità, però, non riguardano solo i risultati effettivi, ma anche il modo in cui i dati vengono raccolti e utilizzati. Una prima problematica fondamentale viene efficacemente sintetizzata su The Verge: "Se un gran numero di crimini viene denunciato in un luogo specifico non significa necessariamente che lì stiano avvenendo più crimini che altrove. Potrebbe significare che la polizia tende a stazionare nelle vicinanze (rendendo più probabile la denuncia del crimine avvenuto), che la pattuglia ha deciso di concentrarsi per un certo lasso di tempo in quell'area, che gli abitanti di quel quartiere tendono a denunciare i crimini più facilmente di quanto avvenga altrove.
Il rischio, quindi, è che la polizia prenda di mira determinati quartieri—spesso quelli abitati da minoranze etniche e immigrati
Il meccanismo è evidente: se la polizia già tiene d'occhio una certa zona, avrà modo di intervenire più frequentemente che altrove. L'algoritmo apprenderà che in quella zona ci sono stati numerosi crimini, e continuerà a segnalarla come "zona pericolosa", dando vita a un circolo vizioso in cui, paradossalmente, più la polizia interviene più la zona viene segnalata come a rischio. Allo stesso tempo, una zona che la polizia controlla poco e in cui furti e scippi vengono di rado denunciati potrebbe rimanere ignota all'algoritmo.
Il rischio, quindi, è che la polizia prenda di mira determinati quartieri, spesso quelli abitati da minoranze etniche e immigrati, eccedendo nei controlli e nelle perquisizioni con il pericolo di alzare il livello di tensione. Gli algoritmi, difesi dall'aura di scientificità, potrebbero insomma diventare una giustificazione per la più classica profilazione razziale o stimolare la polizia a fermare e controllare un soggetto per il solo fatto che cammina per una zona indicata come hotspot.