Delta mi!

Walka z przestępczością jest jednym z podstawowych zadań każdej władzy, od jej skuteczności zależy jakość życia obywateli. Nic więc dziwnego, że rozmaite instytucje publiczne starają się zaprzęgać do tego celu metody statystyczne i uczenie maszynowe. Opowiem tu pokrótce, jak wygląda w praktyce "maszynowe" przewidywanie przestępstw i czy daje zadowalające rezultaty. Skupię się na miastach Ameryki Północnej, ponieważ tam tego typu systemy są najbardziej rozwinięte. Aby uniknąć rozważań natury prawnej, przestępstwem będę dla uproszczenia nazywał każde złamanie prawa, niezależnie od tego, czy formalnie kwalifikuje się jako czyn zabroniony, wykroczenie czy przestępstwo.

W ciągu ostatnich kilku lat świat naukowo-techniczny nauczył się uczyć tzw. głębokie sieci neuronowe rozpoznawania treści obrazów. Rezultaty są spektakularne: dobrze nauczony model potrafi znaleźć na obrazku wszystkie zwierzęta i rozróżnić ich gatunki, przerobić zwykłe zdjęcie tak, żeby wyglądało na namalowane przez Picassa, czy domalować brakujący kawałek przedmiotu, którego nigdy wcześniej "nie widział". A wszystko opiera się na prostym przepisie: weź model matematyczny (nieskomplikowany pojęciowo, ale o wielkiej liczbie parametrów), dodaj jak najwięcej mocy obliczeniowej (w praktyce kart graficznych), poczekaj.