Поліцейське управління Нью-Йорка взяло на озброєння алгоритм Patternizr, який аналізує рапорти співробітників в пошуках зв'язків і спільних рис між різними випадками крадіжок і грабежів. Як повідомляє видання Fast Company, в теорії це допоможе виявити злочини, які скоїла одна і та ж людина.
Зараз Patternizr аналізує по 600 злочинів в тиждень. Алгоритм порівнює нові випадки з попередніми, виявляючи схожість за такими параметрами, як відстань між місцями злочину, час доби і фізичні характеристики підозрюваного. Програма сама обробляє неструктуровані текстові описи подій в пошуках потрібної їй інформації.
У нас, на жаль, ще не використовують подібні інновації у правоохоронній практиці, але якщо ви звернетесь до детективного агентства "TOP SECRET", про нього ви дізнаєтесь детальніше на сайті ts-detective.com.ua, можете бути впевнені у швидкому вирішенні своїх проблем.
До сих пір роботу алгоритму виконували люди - спеціально навчені аналітики. Однак у них не було ні доступу до десяткам тисяч рапортів з різних ділянок, ні можливості швидко їх обробити.
Patternizr вже допоміг розкрити кілька злочинів. В одному випадку зловмисника, який обікрав магазин, погрожуючи продавцеві шприцом, вдалося впізнати по почерку: алгоритм виявив опис схожого випадку у рапорті з віддаленого району. В іншому випадку Patternizr допоміг знайти злодюжку, який привласнював речі з скриньок в спортзалах.
У поліції підкреслюють, що Patternizr не бере до уваги расу або підлогу підозрюваних. Крім того, в алгоритм закладена сітка районів, яка не співвідноситься з кварталами, заселеними тими чи іншими етнічними меншинами.
Проте, правозахисники все одно побоюються, що подібні інструменти можуть збільшити існуючі стереотипи проти кольорового населення. Уникнути цього допомогла б незалежна експертиза, проте експертам до останнього часу нічого не було відомо про Patternizr, хоча він і розроблявся з 2016 року.
Загалом, уміння знаходити приховані закономірності - найсильніша сторона алгоритмів. Її використовують не тільки поліцейські, але і вчені - від хіміків до астрономів. Одні впевнені, що машинне навчання виведе науку на принципово новий рівень, а інші побоюються, що в таких умовах вчені-люди виявляться не потрібні.