تحلیل جرایم با الگوریتم‌های ریاضی؛ همکاری ریاضیدانان و پلیس لس‌آنجلس

تعدادی از ریاضیدانان با کمک اداره پلیس لس‌آنجلس الگوریتم ریاضی‌ای برای تجزیه و تحلیل اشکال مختلف جرم و جنایت طراحی کرده‌اند. هدف از طراحی این الگوریتم، شناسایی گروه‌های تبهکار خیابانی است که احتمال می‌رود عامل وقوع جرایم خشنی باشند که معمایشان حل نشده باقی مانده است. این تحقیق که بر مبنای الگوهای شناخته‌شده فعالیت‌های مجرمانه باندهای جنایتکار انجام شده، اولین مطالعه علمی درباره خشونت باندها در نوع خودش است.

تحلیل بیش از هزار جنایت حل‌نشده

ریاضیدانان با استفاده از الگوریتم خود بیش از ۱۰۰۰ جنایتی را که باندها انجام داده یا مشکوک به انجام آنها بوده‌اند ولی هرگز معمای آنها حل نشده را تجزیه و تحلیل کردند. این جنایات در یک دوره ده‌ساله در منطقه‌ای از لس‌آنجلس که به عنوان «هالن‌بک» شناخته می‌شود رخ داده است. در این منطقه کوچک حدود ۳۰ باند وجود دارد که به صورت ۷۰ باند رقیب فعالیت می‌کنند.

آزمایش الگوریتم با داده‌های شبیه‌سازی‌شده

محققان برای آزمایش این الگوریتم، مجموعه‌ای از داده‌های شبیه‌سازی‌شده را ایجاد کردند که از الگوهای جرم و جنایت شبکه‌های باندهای هالن‌بک تقلید می‌کرد. سپس با استخراج برخی از اطلاعات کلیدی مربوط به زمان‌های جنایت یا ارتکاب جرم، توانایی الگوریتم در محاسبه اطلاعات ناپیدا را بررسی کردند.

کاهش دایره مظنونان با دقت بالا

اگر پلیس به این نتیجه برسد که یک جرم به وسیله یکی از هفت یا هشت باند رقیب صورت گرفته، این الگوریتم با استفاده از وقایع اخیر منطقه محاسبه می‌کند کدام یک از این باندها بیشتر احتمال دارد در این جرم دست داشته باشند.

در حدود ۸۰ درصد مواقع، ریاضیدانان توانستند باندهای مظنون را به سه باندی که بیشتر از بقیه احتمال دارد در جنایت دست داشته باشند تقلیل دهند. همچنین این الگوریتم در ۸۰ درصد مواقع به درستی باند مرتکب جنایت را میان سه باند اولی که بیشترین احتمال را داشتند قرار داد. این نتیجه بسیار بهتر از تکیه بر شانس و اقبال است. البته دقت کار زمانی به شدت پایین می‌آید که چیزی درباره قربانی جنایت یا مرتکبین جرم نمی‌دانیم.

افزایش دقت شناسایی باندها

ریاضیدانان همچنین در ۵۰ درصد مواقع موفق شدند باند درست را در بالای فهرست سه رده اول باندهای مظنون قرار دهند. در حالی که اگر همه چیز به شانس و اقبال منوط شود، تنها ۱۷ درصد احتمال دارد این نتیجه‌گیری درست باشد.

وقتی دایره باندهای مظنون تنگ‌تر شود، پلیس با دقت بیشتری می‌تواند به تحقیقاتش ادامه دهد. این اولین تحقیقی است که با این رویکرد جدید انجام شده و حتی می‌توان با به‌کارگیری روش‌های پیچیده‌تر، نتایج را تا ۸۰ درصد بهبود بخشید.

کاربردهای گسترده‌تر الگوریتم

به این ترتیب این الگوریتم از الگوی فعالیت باندها استفاده می‌کند تا مشخص کند کدام باند یا کدام سه باند از همه بیشتر احتمال دارد مسئول وقوع این جرایم باشند. ریاضیدانان در زمینه طبقات مختلف جرایم کار کرده‌اند و نتیجه پژوهش آنها می‌تواند چیزی فراتر از باندهای در حال تنازع را دربر بگیرد.

الگوریتمی که آنها ابداع کرده‌اند می‌تواند برای طبقه بسیار وسیع‌تری از مشکلات، شامل فعالیت در شبکه‌های اجتماعی نیز مورد استفاده قرار گیرد. آنها می‌گویند شما با حوادثی مواجه هستید — چه جرایم و چه هر چیز دیگر — که در یک زنجیره زمانی و یک شبکه ارتباطی شناخته‌شده رخ می‌دهند. فعالیتی بین گره‌ها رخ می‌دهد و در این مورد یک باند به باندی دیگر حمله می‌کند.

با برخی از این قبیل فعالیت‌ها، شما دقیقاً می‌فهمید چه کسی دست‌اندرکار است و با چه کسانی درگیر است. چالش این است که چگونه بهترین قضاوت را در مورد اینکه چه کسی درگیر فعالیت‌های ناشناخته است انجام دهیم. آنها باور دارند شماری از شبکه‌های اجتماعی وجود دارند که این نوع الگوی یکسان را دارند. شناسایی هکرها یک مثال است.

تحلیل نقاط داغ جنایی

پیش از این، همین ریاضیدانان خبر از یافتن مدلی ریاضی داده بودند که به آنها اجازه می‌داد انواع نقاط داغ جنایی — یعنی مناطقی که جرایم زیادی در آنها رخ می‌دهد — را تجزیه و تحلیل کنند.