Esta startup californiana hunde su algoritmo en un mar de datos y es capaz de predecir en dónde ocurrirá el siguiente delito, pero algo tan bueno no puede no tener detractores.

 

Por Ellen Huet

PUBLICIDAD

 

Dos o tres veces al día, en casi 60 ciudades de todo Estados Unidos, miles de agentes de policía hacen fila para pasar lista al inicio de sus turnos. En ese trámite les es entregado un mapa marcado y se les dice: Durante sus rondas, vayan a las zonas marcadas en rojo, cada una de aproximadamente la mitad del tamaño de una manzana de la ciudad. Pero el departamento de análisis criminal del departamento no fue el responsable de esos mapas, sino generados por PredPol, un programa de software de “predicción policial” que analiza datos históricos sobre la delincuencia a través de un algoritmo desarrollado por la compañía, y determina entre 10 y 20 lugares más probables en donde podría ocurrir el próximo acto delictivo. Si los oficiales pasan sólo entre 5% y 15% de su turno en esas zonas, predice PredPol, prevendrán más crímenes de los que podrían si recurrieran sólo a su instinto o experiencia.

Los departamentos de policía pagan entre 10,000 y 150,000 dólares al año para tener acceso a esas marcas rojas luego de escuchar que otros departamentos que usan ese servicio han visto caídas de dos dígitos en la incidencia criminal. Es imposible saber si PredPol previene el crimen, ya que los índices de delincuencia fluctúan, o conocer los detalles del algoritmo del software, pero a los jefes de policía con problemas presupuestarios no les importa. Santa Cruz, California, vio una caída en los robos a casa habitación de 11% y de 27% en el robo a mano armada durante el primer año de uso del software. “En realidad no me preocupan las fórmulas”, asegura George Turner, jefe de policía de Atlanta, que implementó el software en julio de 2013. “Ese no es mi negocio. Mi negocio es combatir el crimen en mi ciudad.”

El software policial predictivo es algo muy popular en estos momentos: En una encuesta realizada en 2012 entre casi 200 agencias de policía, el 70% dijo que planeaba implementar o aumentar el uso de la tecnología de vigilancia predictiva en los próximos dos a cinco años. IBM, Palantir y Motorola Solutions incursionan en este campo, pero PredPol, una startup de tres años de edad con sede en Santa Cruz, es una de las primeras empresas a especializarse en el ámbito de predicción policial. Ha levantado 3.7 mdd en capital de riesgo y hace un año contrató como CEO a Larry Samuels, quien tuvo cargos directivos en Atari y Creative Labs. Él espera ingresos de 5 a 6 mdd en 2015, lo que, dice, haría un “gran año” para PredPol, pero apunta que si la empresa engancha a algún pez grande, podría triplicar esa cantidad.

PredPol es utilizada por casi 60 departamentos de policía, la mayor parte de ellos concentrada en Los Ángeles y Atlanta, pero Samuels tiene más en la mira. “Mi objetivo para el final de 2015 que lo usen en la mayoría de las grandes áreas metropolitanas de Estados Unidos”, dice Samuels. “El mercado está listo.”

Pero el público podría no estarlo, o así lo sugieren las tensiones existentes entre ciudadanía y policía. PredPol ha tenido que educar a la gente sobre lo que el software hace y lo que no. No es Minority Report, en donde la policía va por criminales específicos basándose sólo en su intención. En su lugar, se enfoca en la ubicación geográfica, usando el tiempo, lugar y tipo de delito para crear patrones. Para los policías jóvenes, representa una capacitación express sobre las calles que se supone deben proteger. “Tenemos un departamento muy joven, y debemos ser estratégicos sobre dónde pasamos nuestro tiempo”, dice Rick Armendáriz, el capitán del departamento de policía de Modesto, California. Las fuerzas de seguridad están aprovechando el análisis de forma creativa. Durante un tiempo, una división de Los Ángeles twitteó a diario los puntos más conflictivos para que los ciudadanos pudieran mantenerse alerta. Modesto estaciona su “armadillo” –un camión blindado con cuatro cámaras que transmiten en vivo– en una zona distinta de las cajas rojas de PredPol cada día.

El algoritmo de PredPol nació cuando Jeff Brantingham y su cofundador, George Mohler, trabajaban en la UCLA estudiando detenidamente grandes conjuntos de datos al final de la década del 2000. Vieron que la actividad criminal y la actividad sísmica siguen patrones sorprendentemente similares. Cada nuevo evento –un terremoto o un crimen– se remonta a una de dos causas: un factor fijo (como una falla sísmica o un bar ruidoso) o un factor variable (como otro terremoto, que provoca sacudidas en zonas alejadas, o un tiroteo entre pandillas que desencadena tiroteos de represalia en el mismo barrio). Cada factor se puede reducir a la tasa habitual en la que desencadena otros delitos. Por ejemplo, en Long Beach un robo a casa habitación pone al instante a cualquier domicilio dentro de dos kilómetros en situación de riesgo, con la casa de al lado en el riesgo más alto. “Mucha de la conducta humana se puede explicar con modelos matemáticos muy simples”, dice Brantingham.

PredPol es sexy pero ha sido probada del todo. Atlanta lo desplegó en dos de los seis distritos y vio una caída en los índices de criminalidad , pero los policías en esos distritos pueden haber actuado de otra manera porque sabían que se les había dado una nueva herramienta de lujo. Brantingham espera participar en un estudio más riguroso elaborado por Predpol y en el cual serán evaluados por sus pares, el cual ya ha mostrado cómo predijo en Los Ángeles el doble de delitos que el que hicieron los analistas al interior del LAPD. Un estudio independiente elaborado por RAND Corp. Sobre un esfuerzo policial predictivo no relacionado con Predpol en Shreveport, Los Ángeles. Descubrió que no tuvo ningún efecto en la reducción de la delincuencia, en parte porque los policías dejaron de seguir el programa después de los primeros meses.

Incluso si PredPol reduce la delincuencia, plantea dudas sobre la forma en como se aplica. Al criminólogo de Louisiana State Peter Scharf le preocupa que la designación de cajas rojas podría provocar que los policías jóvenes exageren los peligros de un barrio. “Voy a ese cuadro y todo el mundo es Michael Brown”, dice. Joel Caplan, un criminólogo de Rutgers, afirma que el software predictivo sería mejor si ayudara a solucionar los problemas subyacentes de un área conflictiva. A otros les preocupa que los jefes de policía y los gobiernos de las ciudades se apresuren a adoptar el Big Data sin entender cómo funciona. “La idea de que una computadora pueda predecir el crimen es muy seductora”, dice Andrew Ferguson, profesor de derecho de la Universidad del Distrito de Columbia.

Brantingham reconoce las preocupaciones, pero en última instancia, confía en la intuición de un policía. “Le decimos a los oficiales ‘todo depende de que usted use su conocimiento, habilidades,  experiencia y formación de la forma más apropiada para detener el crimen.’”

 

Siguientes artículos

Meld: el internet de las cosas se mete hasta la cocina
Por

¿Cuál es el aparto más “tonto” con el que interactúas en casa? Meld piensa que es la estufa, y quiere ayudarte a hornear...