Europa jest jednym z najbezpieczniejszych kontynentów, a jej północno-zachodni region obejmuje jedne z najbardziej rozwiniętych krajów na świecie. Według wielu raportów z badań prowadzonych przez liczne organizacje zajmujące się badaniem kryminologii na świecie, w dłuższej perspektywie przestępczość na starym kontynencie z roku na rok spada, zwłaszcza w krajach będących członkami Unii Europejskiej. Z drugiej zaś strony wciąż mamy do czynienia z wysoką ich liczbą, co sprawia, że poszukiwane są coraz nowsze rozwiązania technologiczne mające pomóc śledczym w rozwiązywaniu spraw kryminalnych. W tym artykule przedstawię skalę przestępstw w Europie, a także przybliżę kilka przykładów jak metody oparte o sztuczną inteligencję i naukę o danych (data science) mogą pomóc w ich sprawnym rozwikłaniu.

Skala przestępstw w Europie

Jedną z pozycji, która dość kompleksowo opisuje skalę przestępstw w Europie na przestrzeni kilkunastu lat jest  raport z badania statystycznego przygotowany przez Eurostat [1]. Został on przygotowany na podstawie danych dotyczących przestępstw udostępnionych przez policję w latach 2008-2019. Możemy dowiedzieć się z niego, że w latach 2016-2019 skala rabunków w Europie spadła o 11% do poziomu 229 100 przypadków, zaś najwyższy poziom osiągnęła w 2012 roku na poziomie około 450 000 przypadków. W latach 2017-2019 średnia liczba napadów rabunkowych na 100 000 mieszkańców najwyższa była w Belgii (146,7), Hiszpanii (134,1) oraz w Portugalii (108), zaś najniższe wskaźniki odnotowano na Węgrzech (7,4) i Słowacji (8,3). Kolejnym wskaźnikiem dostępnym w raporcie jest liczba umyślnych zabójstw. Tutaj zauważalny jest dość wyraźny spadek z roku na rok. Najniższa wartość została odnotowana w 2019 roku i wynosiła 3875 przypadków, co jest wartością o 32% mniejszą niż w roku 2008. Następną opisaną w raporcie wartością są napaści. Tutaj po systematycznych spadkach od 2008 do 2014, gdzie wskaźnik osiągnął wartość 577 400 możemy zauważać niewielki, ale regularny wzrost do wartości 642 500 w roku 2019. W przypadku tej kategorii przestępstw dość ciężko jest wysunąć jednoznaczne wnioski dotyczące faktycznych wzrostów czy spadków w całej Europie. Wartości w poszczególnych krajach są dość zróżnicowane oraz widoczna jest wyraźna różnica w przepisach prawnych oraz praktykach rejestrowania takich przypadków.  W raporcie możemy znaleźć również informacje dotyczące liczby włamań. Tutaj wykresy pokazują dość regularny spadek na przestrzeni kilku lat w większości europejskich krajów i w sumie wynosiła około 1 567 500 przypadków w 2019 roku i stanowi spadek o 28% w stosunku do roku 2014.  Ostatnią wartością, którą chcę przedstawić jest liczba dokonanych kradzieży samochodów. W całej Europie w 2019 roku odnotowano 505 100 kradzieży, co stanowi spadek o 48% w stosunku do 2008 roku. Tu również widać silną tendencję spadkową.

Jak można zauważyć w przypadku prawie każdego przedstawionego rodzaju przestępstwa nastąpił znaczący spadek wykrytych przypadków na przestrzeni kilkunastu lat. Jednak wciąż nie zmienia to jednak faktu, że cały czas ich liczba bezwzględna jest dość duża, zatem istnieje realna potrzeba poszukiwania coraz bardziej nowoczesnych i efektywnych  rozwiązań wykorzystujących metody oparte o sztuczną inteligencję oraz zaawansowaną analizę danych, które to będą w stanie pomóc specjalistom w dziedzinie kryminologii coraz szybciej i dokładniej wykrywać sprawców przestępstw. W dalszej części tego artykułu przedstawię niektóre z przykładów takich właśnie rozwiązań, które są z powodzeniem stosowane już dziś lub mogą być w przyszłości.

Przykłady rozwiązań opartych o sztuczną inteligencję i naukę o danych

1. Rozpoznawanie twarzy w celu identyfikacji osób podejrzanych 

Zadanie zidentyfikowania jednej lub kilku osób z całego tłumu znajdujących się na zdjęciach z monitoringu miejskiego jest dla ludzi jest bardzo skomplikowanym i czasochłonnym zadaniem, w którym łatwo jest dokonać błędnego rozpoznania, które później bardzo łatwo jest podważyć w sądzie. Dlatego właśnie jednym z zastosowań sztucznej inteligencji we współczesnej kryminologii, które jest z powodzeniem stosowane na całym świecie, jest identyfikacja osób podejrzanych o popełnienie przestępstwa znajdujących się na zdjęciach przedstawiających tłumy ludzi. Dla współczesnych modeli nie jest problemem nauczenie się rozpoznawania postaci przedstawionej na wprowadzonym do systemu zdjęciu, a następnie przeanalizowanie tysięcy zdjęć w celu jej identyfikacji. 

Jednym z najbardziej znanych i najszerzej stosowanych systemów służących do rozpoznawania twarzy ludzi jest ten stosowany w Chińskiej Republice Ludowej. Jest on w stanie nie tylko rozpoznawać twarz, ale i analizować zachowanie osoby, która znajduje się na nagraniu. Choć ma on ogromny potencjał do przeciwdziałania i rozwiązywania spraw kryminalnych jest on często stosowany w nieodpowiedni sposób do inwigilacji, a nawet dyskryminowania obywateli kraju środka.

Oczywiście to nie jest jedyny sposób, w jaki można wykorzystać rozpoznawanie twarzy. Cenne informacje, które mogą pomóc w rozwiązywaniu wielu spraw kryminalnych znajdują się również na stronach internetowych. W tym przypadku algorytmy sztucznej inteligencji mogę w bardzo krótkim czasie przeczesać dziesiątki tysięcy stron pod kątem pojawienia się na nich zdjęć podejrzanej osoby. 

2.  Wykrywanie śladów przestępstwa na miejscu zbrodni

Kolejnym ważnym aspektem pracy śledczych, w którym bardzo łatwo jest przeoczyć istotne szczegóły pozwalające rozwiązać sprawy kryminalne, jest badanie obrazów pochodzących z  miejsc zbrodni. Mnogość elementów, które należy przeanalizować sprawia, że naturalnym wydaje się próba stworzenia rozwiązań opartych o najnowsze technologie wykorzystujące analizę dostępnych repozytoriów danych oraz uczenie maszynowe. Z tego też względu tu również badacze starali się zastosować algorytmy sztucznej inteligencji, aby zwiększyć skuteczność pracy specjalistów w dziedzinie kryminalistyki. Naukowcy z hiszpańskiego uniwersytetu w Leon postanowili zająć się tym problemem i w tym celu wytrenowali sieci neuronowe na tysiącach obrazów pochodzących z miejsc zbrodni, aby te następnie odnajdywały znajdujące się na nich wzorce, które następnie mogą prowadzić do konkretnych sprawców przestępstw. Algorytmy mogą na przykład być w stanie nie tylko wskazać wszystkie odciski butów znajdujące się na zdjęciach z miejsc zbrodni, ale także dopasowywać je do określonych rodzajów butów i powiązać wybrane z nich z odciskami znajdującymi się na innych zdjęciach w bazach policji. Tego typu rozwiązania mogą w przyszłości znacząco przyspieszyć pracę pracowników policji, a także w znaczący sposób przyczynić się do skazania wielu groźnych przestępców. 

3. Analiza materiału DNA

Innym ważnym przykładem pracy śledczych, gdzie jest łatwo o błędne wnioski jest analiza materiału DNA pochodzącego z miejsc zbrodni. Jest to współcześnie jedno z najważniejszych narzędzi służących do udowodnienia konkretnym osobom winy przed sądem. Niestety często ślady te są mieszane ze śladami wielu innych, niewinnych osób, a także sam proces zbierania materiału dowodowego nie zawsze jest bez zastrzeżeń. Mimo istnienia zaawansowanych technik analizy materiału biologicznego istnieje tu wciąż miejsce na rozwój poprzez wykorzystanie najnowszych technologii informatycznych. 

Choć kryminalistyka jest ciekawym i obiecującym polem do rozwoju technik opartych o analizę danych i sztuczną inteligencję, to istnieją również spore ograniczenia. W przypadku algorytmów takich jak sieci neuronowe zwykle nie jesteśmy w stanie odkryć w jaki sposób dokonany został taki wybór, a nie inny. Mimo wielkich możliwości sztucznej inteligencji wymiar sprawiedliwości raczej niechętnie będzie sugerował się wnioskami, dla których nie można jednoznacznie wskazać wyjaśnienia, gdyż grozi to poważnymi pomyłkami. Również właściciele oprogramowania mogą nie wyrażać zgody na udostępnienie kodu źródłowego zasłaniając się ochroną ich własności intelektualnej. 

Literatura 

[1] https : // ec . europa . eu / eurostat / statistics – explained / index . php ? title = Crime _ statistics # In _ 2019 . 2C _ 36 _ . 25 _ of _ intentional _ homicide _ victims _ were _ females

[2] https : // mindy – support . com / news – post / using – ai – to – fight – crime – how – police – use – ai /

[3] https : // www . cnet . com / news / politics / in – china – facial – recognition – public – shaming – and – control – go – hand – in – hand /

[4] https : // www . nytimes . com / 2019 / 12 / 17 / technology / china – surveillance . html

[5] https : // theconversation . com / ai – could – revolutionise – dna – evidence – but – right – now – we – can’t – trust – the – machines – 129927