El Departamento de Policía de Nueva York está utilizando un software especial de reconocimiento de patrones para ayudar a encontrar vínculos entre crímenes en diferentes distritos. Este sería el primer Departamento de Policía en Estados Unidos en implementar dicho sistema.
Llamado Patternizr, el software de aprendizaje de máquinas se desarrolló internamente durante un período de dos años, según informa Associated Press (AP). El Departamento de Policía de Nueva York comenzó a usarlo en 2016, aunque su implementación solo ha sido revelada ahora.
Patternizr funciona analizando las características de robos y hurtos, mientras que al mismo tiempo busca patrones que puedan vincular uno o más de ellos. Anteriormente, una tarea realizada por investigadores de la policía de Nueva York, indica que el software ahorra enormes cantidades de tiempo y puede revelar nuevas pistas para ayudar a los policías a localizar a un sospechoso que podría estar operando en más de uno de los 77 precintos del Departamento.
Evan Levine, el comisionado asistente de análisis de datos del Departamento de Policía de Nueva York, quien desarrolló el software con su colega Alex Chohlas-Wood, dijo que el antiguo método tomaba demasiado tiempo, y que los investigadores usaron un tiempo valioso para examinar numerosos informes en busca de conexiones. Patternizr, por otro lado, da a los investigadores «una buena ventaja» al descubrir patrones, y puede realizar búsquedas extensivas con un solo clic.
Levine dijo que el objetivo principal de Patternizr es «mejorar la seguridad pública», y agregó que «cuanto más fácilmente podamos identificar patrones en esos delitos, más rápido podremos identificar y detener a los perpetradores».
PATTERNIZR EN ACCIÓN
El informe de AP apunta a un ejemplo de cómo el software vinculó los detalles de dos delitos que ocurrieron en semanas separadas en diferentes precintos en la ciudad de Nueva York. Involucraron a un ladrón que usa una jeringa para amenazar al personal de dos tiendas de Home Depot que se encuentran a millas de distancia. Patternizr pudo identificar el vínculo mucho más rápido con respecto a un investigador humano, lo que le permitió a la policía actuar de manera más oportuna. En algunos casos, el método anterior podría haberse perdido las coincidencias por completo, lo que potencialmente permitiría que un criminal permanezca en las calles haciendo de las suyas.
Diez AÑOS DE PATRONES
Levine y Chohlas-Wood construyeron el software utilizando un análisis de 10 años de patrones que el Departamento había identificado manualmente. Utiliza datos vinculados a cada delito, como el método utilizado para ingresar a los establecimientos, el tipo de productos que se intentan robar y la distancia entre las ubicaciones donde ocurren los delitos.
«La verdadera ventaja de la herramienta es que minimizamos la cantidad de trabajo manual para los analistas y detectives, y con esta tecnología aprovechamos su experiencia para revisar una lista mucho más pequeña de resultados», Chohlas-Wood a AP.
Antes de que se implementara el software, los investigadores se enfocaban principalmente en delitos en su propio distrito, por lo que se hacía prácticamente imposible detectar patrones en otros lugares.
Sin embargo, la Unión de Libertades Civiles de Nueva York está instando a la policía de Nueva York a que sea transparente sobre el uso de la tecnología en la lucha contra el crimen, y solicita que se analice de forma independiente antes de ser implementada.
El uso de Patternizr por parte de la policía de Nueva York salió a la luz en los últimos días a través de un artículo publicado en Informs Journal on Applied Analytics, en el que Levine y Chohlas-Wood dan a conocer su trabajo.
Recomendaciones del editor
- Una gota de agua tiene el secreto para construir vida
- Te mostramos las mejores apps de noticias para iPhone y Android
- Esta peligrosa herramienta de piratería está suelta, y las consecuencias podrían ser enormes
- Peligrosas explosiones submarinas por fuga en el gasoducto Nord Stream
- Los hackers pueden estar escondidos en su sitio web favorito
