人工智能已經學會利用2014年至2016年底，芝加哥暴力和財產犯罪的公開數據來識別時間和地理位置的模式，能夠提前幾周準確預測犯罪水平。該模型還在美國其他7個主要城市的數據上進行了訓練和測試，它們的表現水平類似。

　　然而，人工智能的結論也表明，整個城市的警察反應中都存在與種族有關的偏見。根據發(fā)表在《自然人類行為》雜志上的研究，芝加哥較富裕地區(qū)的犯罪導致的逮捕人數比貧困地區(qū)更多。

　　該研究的資深作者伊沙努?查托帕德海伊說：“我們發(fā)現，當給系統施加壓力時，它需要更多資源來逮捕更多人以應對富裕地區(qū)的犯罪，而把警力資源從社會經濟地位較低的地區(qū)引開。”

　　該工具通過關注兩大類報告事件進行了測試和驗證，比如暴力犯罪和財產犯罪。這些是城市地區(qū)最有可能向警方報案的罪行。

　　以前的犯罪預測工作經常使用流行病或地震方法，其中犯罪被描述為出現在“熱點”并蔓延到周邊地區(qū)。這些工具往往忽略了城市環(huán)境以及犯罪與警察執(zhí)法效果之間的關系。

　　“空間模型忽略了城市的自然拓撲結構，交通網絡尊重街道、人行道、火車和公交線路。通訊網絡尊重具有相似社會經濟背景的地區(qū)。我們的模型能夠發(fā)現這些聯系。”社會學家和合著者詹姆斯·埃文斯說。

　　新模型將城市劃分為大約300米寬的空間塊，并預測這些區(qū)域內的犯罪行為，而不是依賴傳統的社區(qū)或政治邊界，這些也會受到偏見的影響。

　　由于存在偏見風險，之前使用人工智能工具預測犯罪的努力一直備受爭議。芝加哥警察局試驗了一種算法，創(chuàng)建了一份被認為最有可能卷入槍擊事件的人的名單，結果顯示，該市20至29歲的黑人男性中，有56%出現在名單上。

　　Chattopadhyay承認，他的模型使用的數據也會有偏差，但他表示，已經采取了措施來減少這種影響，而且人工智能不能識別嫌疑人，只能識別潛在的犯罪現場。該團隊還向公眾發(fā)布了數據和算法，以便其他研究人員可以檢查其推理和結論。

　　Chattopadhyay說：“我們創(chuàng)建了城市環(huán)境的數字孿生。如果向它提供過去發(fā)生的事情的數據，它就會告訴你未來會發(fā)生什么。但它并不神奇，它也有局限性，但我們對其進行了驗證，并且效果非常好。”