Μπορεί το Minority Report να γίνει πραγματικότητα;

Ένα σύστημα τεχνητής νοημοσύνης προβλέπει το 90% των εγκλημάτων μία εβδομάδα πριν συμβούν, αλλά η ανάλυση του σήμερα δείχνει κάτι ακόμα πιο ενδιαφέρον.

«Η πρόληψη είναι σημαντικότερη από την καταστολή», αυτή είναι η μόνιμη επωδός κάθε ανάλυσης, μεταρρύθμισης ή πολιτικής που αφορά τη δημόσια τάξη και την καταπολέμηση της εγκληματικότητας. Το κατά πόσο επιτυγχάνεται ανά περίπτωση αυτός ο στόχος είναι κάτι που εξετάζεται κατά περίπτωση, αλλά ο στόχος είναι δεδομένος για κάθε δημοκρατική χώρα που χρησιμοποιεί την αστυνομία για την προστασία του πολίτη και όχι για την περιφρούρηση ενός δεσποτικού πολιτεύματος. 

Βέβαια η πρόληψη, όσο καλή κι αν είναι, δεν μπορεί σε καμία περίπτωση να εξαφανίσει την καταστολή, οι τέλειοι κόσμοι υπάρχουν μόνο στην φαντασία ή στις ταινίες. Όπως στο Minority Report του οποίου το σενάριο επιστημονικής φαντασίας ήθελε ένα εξελιγμένο υπολογιστικό μοντέλο να προβλέπει ένα έγκλημα πριν καν γίνει και να στέλνει τις κατασταλτικές δυνάμεις προς επέμβαση. Αυτό θεωρητικά είναι ένα μοντέλο μηδενικής εγκληματικότητας, αλλά όπως θυμόμαστε από την ταινία, η απόλυτη εξουσία που βασίζεται σε μαθηματικά μοντέλα και όχι σε ανθρώπους μπορεί να μην έχει ανθρώπινα ελαττώματα, αλλά έχει άλλα που πηγάζουν από την έλλειψη ελλεγκτικού μηχανισμού. Ο άνθρωπος, όσα λάθη κι αν κάνει, μπορεί να τα διορθώνει και να μαθαίνει από αυτά, ένα μηχάνημα όχι. Εκτός κι αν είναι εφοδιασμένο με τεχνητή νοημοσύνη και κάποια στιγμή αρχίσει να αποκτά συνείδηση…

 

 

Κάτι τέτοιο φαίνεται πως προσπάθησε να κάνει μια ετερόκλητη ομάδα επιστημόνων από το Πανεπιστήμιο του Σικάγο αποτελούμενη από βιολόγους, ψυχολόγους, εγκληματολόγους, ψυχίατρους κλπ. Στόχος της ομάδας ήταν να στηθεί ένα υπολογιστικό μοντέλο το οποίο θα μπορεί να προβλέπει τη διάπραξη ενός εγκλήματος και το βασικό εργαλείο αυτού του μοντέλου είναι αρχεία και στατιστικές. 

Έχοντας ως βάση τα ήδη υπάρχοντα στατιστικά της αστυνομίας μπορεί να αναλυθεί το γιατί, το πότε και το πού ακριβώς θα συμβεί ένα έγκλημα με βάση παρόμοια εγκλήματα και ο προσδιορισμός γίνεται με την ανάλυση της συγκυρίας των προηγούμενων εγκλημάτων. Δηλαδή δεν έχουμε να κάνουμε ακριβώς με ένα Minority Report, αλλά περισσότερο με ένα σύστημα που επιτρέπει την ταχύτερη ανταπόκριση της αστυνομίας και την ενίσχυσή της σε περιόδους και σημεία που αναμένεται αύξηση της εγκληματικότητας.

Στο επίκεντρο της έρευνας βρέθηκε το Σικάγο και ειδικά τα σημεία της πόλης με μεγάλη εγκληματικότητα και στη συνέχεια κι άλλες πόλεις όπως το Ντιτρόιτ, το Πόρτλαντ, η Φιλαδέλφεια, το Όστιν κλπ. Σε όλες τις πόλεις όπου αναπτύχθηκε αυτό το μοντέλο τεχνητής νοημοσύνης η πρόβλεψη σοβαρών εγκλημάτων έφτασε μέχρι και το 90% και μάλιστα προβλέφθηκαν ως και μία εβδομάδα νωρίτερα. Συνεπώς είναι ένα σύστημα που έχει όλα τα θετικά στοιχεία του Minority Report, αλλά χωρίς τα αρνητικά του, σωστά; Σωστά αλλά η συλλογή και η αξιοποίηση των δεδομένων έφερε και κάτι άλλο στην επιφάνεια, εξίσου δυστοπικό και ταυτόχρονα πραγματικό. 

 

 

Η αξιοποίηση των δεδομένων από την αστυνομία δεν έγινε με τον ίδιο τρόπο σε όλες τις γειτονιές. Σε κάποιες γειτονιές η τεχνητή νοημοσύνη έφερε περισσότερες συλλήψεις και καλύτερη αστυνόμευση και σε άλλες η παρουσία της αστυνομίας δεν έφερε κάποια ουσιαστική αλλαγή. Τι ήταν αυτό που χώριζε τις γειτονιές που είδαν βελτίωση από αυτές που δεν είδαν; Η διαφορά ήταν ταξική και οι καλές και πλούσιες γειτονιές είδαν καλύτερη αστυνόμευση από τις φτωχές και υποβαθμισμένες που έμειναν στη μοίρα τους. Το γιατί συνέβη αυτός ο διαχωρισμός έχει και αντικειμενικά, αλλά και υποκειμενικά κριτήρια. 

Όταν ένα σύστημα πρόληψης και καταστολής πιέζεται να δείξει καλύτερα αποτελέσματα, ακόμα και χωρίς τα εφόδια ενός εξελιγμένου συστήματος τεχνητής νοημοσύνης, δίνει μεγαλύτερη βάση στις καλές γειτονιές. Αυτό συμβαίνει γιατί οι καλές γειτονιές έχουν πολύ καλύτερη χαρτογράφηση και πιο αναλυτικά δεδομένα προς αξιοποίηση σε σχέση με τις υποβαθμισμένες περιοχές. Τα ίδια τα εργαλεία που έχει το σύστημα της τεχνητής νοημοσύνης ωθεί την αστυνομία να δράσει στις καλές περιοχές με πιο αποτελεσματικό τρόπο. Αλλά αυτό είναι κάτι που κάνει έτσι κι αλλιώς η αστυνομία σε περιόδους ενίσχυσης της δράσης της.

Η πιο έντονη αστυνόμευση σε μια υποβαθμισμένη περιοχή μπορεί να δίνει τα ίδια στατιστικά με μια καλή περιοχή, άλλωστε μια σύλληψη ενός φονιά στην Εκάλη είναι το ίδιο με μια σύλληψη στην πλ. Βάθη, αλλά όλοι ξέρουμε ότι δυστυχώς η ζωή είναι πολύ πιο φτηνή στις υποβαθμισμένες περιοχές. Επειδή ακριβώς το έγκλημα σε καλές περιοχές πλήττει περισσότερο το γόητρο των αρχών από ότι στις υποβαθμισμένες, από τις οποίες έτσι κι αλλιώς δεν έχουμε απαιτήσεις ασφάλειας και νομιμότητας, αυτές είναι και οι περιοχές στις οποίες δίνεται βάση όταν υπάρχει ανάγκη βελτίωσης των δεικτών. 

  

 

Αυτή η σύμπνοια τεχνητής και ανθρώπινης νοημοσύνης ίσως δείχνει και τη συγγενεια μεταξύ ανθρώπων και μηχανών και θα ήταν ειρωνικά αστείο, αν δεν έκρυβε μια τραγικότητα από πίσω. Το συμπέρασμα που βγαίνει από τη χρήση της τεχνητής νοημοσύνης στην πρόληψη και καταπολέμηση του εγκλήματος ευτυχώς δείχνει ότι δεν κινδυνεύουμε από κάποια σατανική μηχανή που μπορεί να στραφεί εναντίον μας. Ωστόσο δείχνει κάτι που ξέραμε ήδη κι ας κάνουμε ότι δεν το βλέπουμε μερικές φορές.

Η τεχνολογία βελτιώνει τη ζωή μας, αλλά δεν είναι πανάκεια και σίγουρα έχει σημασία ο τρόπος που χρησιμοποιείται. Η εγκληματικότητα είναι πρώτα από όλα ένα κοινωνικό πρόβλημα, αυτό σημαίνει ότι η τεχνολογία από μόνη της δεν μπορεί να το λύσει. Χωρίς τη συνοδεία πολιτικών που θα καταπολεμούν τη μεγαλύτερη γενεσιουργό αιτία του εγκλήματος, η οποία δεν είναι άλλη από τη φτώχεια, τότε ίσως και να κάνει χειρότερα τα πράγματα. 

Για παράδειγμα το σύστημα τεχνητής νοημοσύνης για την πρόληψη του εγκλήματος όπως είναι, αν το αφήσουμε να αναπτυχθεί χωρίς καμία άλλη παρέμβαση στην κοινωνία, τότε όντως θα δημιουργηθούν περίκλειστες καλές κοινωνίες, ενώ οι μη προνομιούχες περιοχές θα βυθίζονται σε ολοένα και μεγαλύτερη παρακμή. Ποιος είπε ότι η δυστοπία έχει μόνο ένα πρόσωπο;