واحد خبر mobile.ir : به تازگی روش جدیدی برای پیش‌گیری و پیش‌بینی جرائم در انگلستان به کار گرفته شده است که با استفاده از اطلاعات استخراج شده از گوشی‌های موبایل، می‌تواند وقوع جرائم را در مناطق خاص، با دقتی در حدود 70 درصد پیش‌بینی کند.

اخیرا آندری بوگومولف (Andrey Bogomolov) و همکارانش از ایتالیا، اسپانیا و ایالات متحده آمریکا، تحقیقی در دانشگاه تِرِنتو (Trento) در ایتالیا انجام داده‌اند که در تاریخ 10 سپتامبر سال جاری (19 شهریور) در سایت arxiv.org -- که سایتی رایگان برای دسترسی به مطالب علمی بروز در اکثر رشته‌هاست -- منتشر شده و در آن به پیش‌بینی جرائم از طریق اطلاعات جمعیت‌شناسی (demographic) و داده‌های موبایل پرداخته‌اند. در این پژوهش که رویکردی نو به مسأله پیش‌بینی جرائم در یک فضای جغرافیایی محسوب می‌شود، کوشش شده با بکارگیری منابعی چون گوشی‌های موبایل و تکیه بر آمار و داده‌های جمعیت‌شناسی و جرم‌شناختی، پیش‌بینی نزدیک به واقعیتی از احتمال وقوع جرم در آینده ارائه شود. این پژوهشگران ایده خود را به طور عملی در لندن پیاده کرده‌اند و با استفاده از داده‌های واقعی جرم در این شهر، احتمال وقوع جرائم در نقطه مشخصی از شهر لندن را با دقت 70 درصدی پیش‌بینی کرده‌اند که امکان لحاظ شدن این نقطه را به عنوان نقطه حساس جرم (crime hot spots) در اختیار پلیس قرار می‌دهد.

تصویر بالا: نمایش نمونه‌ای از اطلاعات سطح بالای بدست آمده از داده‌های مرتبط با گوشی‌های هوشمند و ترکیب با اطلاعات جمعیت‌شناسی

در واقع پیشنهاد بوگومولف و همکارانش گامی دیگر در مسیر تغییر رویکردِ فرد محور پلیسِ پیش‌گیری، به رویکرد مکان‌محور محسوب می‌شود. این ایده در سال 2008 توسط جرم‌شناسی به نام دیوید وایزبرد (David Weisburd) ارائه شده است که بر اساس آن، پلیس به جای تکیه بر سوابق جرم‌شناختی افراد روی اطلاعات جغرافیایی و ساختارهای کوچک متمرکز می‌شود و با تحلیل آنها می‌تواند حوزه‌های جغرافیایی یا به بیان دقیق‌تر توپولوژی وقوع جرم را در هر منطقه شناسایی نماید و با استفاده از آن نیروها را به نحو دقیقتری برای کنترل و پیش‌گیری از جرم تخصیص دهد.

استیون اسپیلبرگ کارگردان فیلم Minority Report (گزارش اقلیت) که در سال 2002 روی پرده سینما رفته است، تصویری از آینده بشر ارائه می‌کند که در آن، مجرمان با پیش‌بینی احتمال وقوع جرم و پیش از انجامِ آن، توقیف می‌شوند. با آنکه در زمان اکران فیلم، چنین ایده‌هایی دور از واقعیت به نظر می‌رسید، اما امروزه بسیاری از کسانی که فیلم را دیده‌اند نزدیکی زیادی را میان ایده اصلی فیلم و خدمات پلیسی پیش‌گیرانه یا پیش‌بینانه (predictive policing) خواهند یافت؛ فرآیندی که در بسیاری از نیروهای پلیسی جهان به کار گرفته می‌شود و با استفاده از داده‌های جرائم پیشین، احتمال وقوع جرائم مشابه و مجرمان بالقوه را در آینده پیش‌بینی می‌کند. مطابق گزارشات، نتایج حاصل از کاربرد این روش‌ها تا حدود بسیاری مطلوب بوده است و از دید برخی از نیروهای پلیس، تکیه بر داده‌های حاصل از این فرآیندها، امکان تخصیص موثرتر منابع را در اختیار پلیس قرار داده است. فرآیند پلیسی پیش‌گیرانه در پی توقف وقوع جرم پیش از آغاز آن است. به طور مثال، اگر اخیرا سرقتی در اطراف منزل شما روی داده باشد، الگوریتم‌های موجود آن را بعنوان نقطه‌ بالقوه‌ای برای جرائم آتی در نظر می‌گیرد. حال پرسش آن است که نیروهای پلیس از چه نوع داده‌هایی برای این کار استفاده می‌کنند؟

روش‌های پیش‌گیری پلیسی بر اساس مکان وقوع جرم، اغلب مبتنی بر اطلاعاتی نظیر آمار جرائم و جمعیت‌شناسی محلی است. اما گردآوری این نوع از داده‌ها دشوار و هزینه‌بر است و در عین حال امکان بروزرسانی دائمی آنها نیز وجود ندارد. از این رو در این طرح که به تازگی در شهر لندن مورد آزمایش قرار گرفته است، اطلاعات گوشی‌های موبایل و اپراتورها نیز به مجموعه داده‌های پیشین افزوده شده است تا امکان پیش‌بینی دقیقتر میسر گردد. در حقیقت اپراتورهای گوشی موبایل می‌توانند درباره مالکان خطوط، اطلاعاتی نظیر جنسیت، سن، محل استقرار و غیره را جمع‌آوری کنند و مکان گوشی را به طور لحظه‌ای رصد نمایند. چنین اطلاعاتی به طور طبیعی قادرند در ترکیب با داده‌های جمعیتی و جرم‌شناختی، پیش‌بینی دقیقتری را برای پیش‌گیری پلیسی امکان‌پذیر سازند.

تیمِ بوگومولف و همکارانش از مجموعه داده‌های (data set) کاربران تلفن موبایل در مرکز شهر لندن استفاده کردند که این داده‌ها از طریق شرکت تلفونیکا (Telefonica) — یک شرکت اروپایی تلفن همراه که مالک خدمات O2 در بریتانیاست — در اختیار آنها قرار گرفته است. این داده‌ها انواع اطلاعات مرتبط با کاربران مانند سن، جنسیت، محل سکونت و مکان آنها را به طور لحظه‌ای در بر می‌گرفت. این تیم پژوهشی برای ایجاد الگوریتمِ پیش‌بینی احتمال وقوع جرائم در دوره‌های آتی، ابتدا طرحی اولیه را بر اساس اطلاعات آماری و جمعیت‌شناسی در یک دوره زمانی ارائه کردند و با استفاده از الگوریتم حاصل از این داده‌ها، پیش‌بینی مکان‌هایی با احتمال بالای وقوع جرم را با دقت 62 درصد به انجام رساندند که نتیجه‌ توجیه‌پذیری محسوب می‌شد و قادر بود پیش‌بینی کند که آیا یک منطقه خاص در یک ماه آینده، می‌تواند به عنوان یک نقطه حساس وقوع جرم در نظر گرفته شود. در مرحله بعدی، آنها داده‌های موبایل و گوشی‌ها را نیز با داده‌های پیشین ترکیب و از مجموعه‌ آنها برای تولید مجدد الگوریتم استفاده کردند. این کار باعث افزایش دقت الگوریتم به میزان 6 درصد شد و الگوریتم قادر بود احتمال وقوع جرم را در نقاط حساس با دقتی 68 درصدی پیش‌بینی کند. بر اساس تحلیل این گروه پژوهشی، برخی از داده‌های تلفن همراه اهمیت بیشتری دارند و به طور مثال، اطلاعات مرتبط با حضور مالک تلفن همراه در منزل، ارتباط زیادی با الگوی جرم نشان می‌دهد.

تصویر بالا: نقاط پیش‌بینی شده با احتمال بالا در وقوع جرم در لندن

در این تحقیق، ترکیب دو روش پیش‌گیرانه مبتنی بر فرد و مبتنی بر مکان‌ مورد توجه قرار گرفته است. بدین معنا که اطلاعات فردی حاصل از اطلاعات موبایل با اطلاعات مکانی وقوع جرائم ترکیب شده و در نتیجه امکان تعیین دقیقتر نقاط حساس وقوع جرم فراهم آمده است. این روش با در نظر گرفتن هزینه کمتر استخراج و بکارگیری داده‌های موبایل نسبت به گردآوری اطلاعات آماری و جمعیت‌شناختی، شیوه مناسبی برای پیش‌بینی جرائم محسوب می‌شود، ضمن آنکه امکان بروز‌رسانی سریعتر اطلاعات را نیز در اختیار پلیس قرار می‌دهد.

اما نکته‌ای که در این میان اهمیت بسیاری داشته و در صورت کاربرد وسیع‌تر این روش می‌تواند توجه منتقدان را به خود جلب کند، مسأله حریم خصوصی افراد (privacy) و اطلاعات شخصی مرتبط با گوشی‌های موبایل است. به طور طبیعی، تلاش پلیس برای دستیابی به اطلاعات گوشی‌ها، مکان استقرار و دیگر مشخصات مالکان تلفن همراه برای استفاده در چنین روش‌هایی، اطلاعاتی را افشا می‌کند که مطابق قوانین و عرف جوامع پیشرفته، در زمره اطلاعات و حریم شخصی افراد محسوب می‌شود و دسترسی به هر یک از آنها نیاز به صدور احکام قضایی دارد. البته طراحان این طرح بر این نکته اصرار دارند که اطلاعات دریافتی از اپراتور کاملا به صورت ناشناس مورد استفاده قرار می‌گیرد و از این رو نمی‌توان با تکیه بر آنها حریم خصوصی افراد را نقض کرد. اما به هر حال، نوع اطلاعاتی که در این طرح مورد استفاده قرار گرفته است، از جمله سن، جنسیت، محل زندگی و محل استقرار فعلی، امکان تشخیص هویت را به سادگی فراهم می‌سازد و از این جهت سطح ناشناس بودن اطلاعات بسیار کمتر از حدی است که طراحان این ایده ادعا کرده‌اند.

با این حال، صرف نظر از انتقاداتی چون نقض حریم خصوصی، چنین طرح‌هایی قادرند نهادهای اجراکننده قانون را در مواجهه با بحران‌های اجتماعی یاری رسانند. البته نمی‌توان انتظار داشت که ایده‌ بوگومولف و همکارانش به شناسایی دقیق وقوع جرم بپردازد، چراکه در این طرح رویکرد احتمالاتی مورد توجه قرار گرفته است و نقاط حساس وقوع جرم به صورت احتمالی در اختیار نهاد قانونگذار قرار می‌گیرد. امری که بیش از هر چیز فرآیندهای تخصیص بودجه و نیرو را اصلاح نموده و مدیریت کلان پلیس را در رویارویی با جرائم یاری می‌رساند.