Los departamentos de policía llevan dos décadas experimentando con sistemas predictivos apoyados en el análisis de datos y la inteligencia artificial. Este tipo de herramientas están muy implantadas en Estados Unidos y China, pero también tienen presencia en países como Reino Unido, Alemania o Suiza.
Su objetivo es determinar los puntos calientes del crimen para desplegar a las patrullas policiales de forma más eficiente. Uno de los efectos perversos de estos sistemas es que tienden a sobrecriminalizar los barrios menos pudientes: como los algoritmos se suelen alimentar de datos sobre arrestos, normalmente reclaman más vigilancia en las zonas donde se producen esas acciones, lo que a su vez provoca más detenciones aún.
Más información
Acabar con este círculo vicioso es complicado. Algunos desarrolladores han tratado de hacerlo nutriendo el sistema también con datos de denuncias. Es el caso de la herramienta de PredPol, una de las más populares en Estados Unidos. Si se tiene en cuenta los reportes de las víctimas, aseguran, se obtiene una imagen más nítida de la criminalidad y se eliminan los posibles prejuicios que puedan llevar a la policía a realizar más arrestos en determinados distritos (por ejemplo, en barrios predominantemente negros).
Pero esos esfuerzos son inútiles. Una reciente investigación concluye que los algoritmos que trabajan con esa información cometen los mismos errores. “Nuestro estudio demuestra que incluso los sistemas basados exclusivamente en las denuncias interpuestas por las víctimas pueden llevar a sesgos geográficos que pueden redundar en una colocación significativamente errada de las patrullas policiales”, explica a Columna Digital Nil-Jana Akpinar, investigadora de la Universidad Carnegie Mellon y coautora del trabajo.
