Research press release


Nature Human Behaviour

Criminology: Predicting police enforcement bias in major US cities

米国の主要8都市における、犯罪に対する警察の対応には、地域の社会経済的状態によるバイアスのある可能性があることが、Nature Human Behaviour に掲載されたモデル化研究から明らかとなった。この知見は、犯罪のパターン変化を人工知能で調べることで明らかとなったものであり、社会経済的に恵まれない地域では、特に犯罪が急増した場合に、比較的裕福な地域に資源が引き抜かれて、警察が向ける注意が不当に低くなる可能性があることを示唆している。


Ishanu Chattopadhyayたちは今回、米国の主要8都市(シカゴ、フィラデルフィア、サンフランシスコ、オースティン、ロサンゼルス、デトロイト、ポートランド、アトランタ)で得られたデータを使用して、犯罪を高い精度で予測できるアルゴリズムを開発し、そして実際に警察行動のバイアスを解析した。例えばシカゴでは、このアルゴリズムは犯罪事件を20%未満の偽陽性率で予測することができ、既存の予測アルゴリズムより優れていた。しかしながら、モデルで予測された警察の行動を解析した結果、裕福な地域と比較して、それほど裕福ではない地域における犯罪に対する警察の対応は鈍く、法執行そしておそらく行動指針にバイアスのあることが示唆された。

研究チームは、今回得られた知見の利用には注意を要すべきであると述べており、同アルゴリズムを警察行動の指針として使うことを勧めていない。News & ViewsではAndrew Papachristosが、警察および政府機関が犯罪予測モデルの使用を将来的に中止する見込みはほとんどないと強調している。むしろ、「そうした技術を、警察の行動を監視するために使用する次の大きなステップは、そうしたツールを警察の追跡に使用するのは誰か、また組織内の問題や公衆への乱用が検出された場合に、どういった種類の予期しない結果が現れるかを明らかにすることなどである」と示唆している。

Police responses to crime in eight major US cities may be biased by neighborhood socio-economic status, according to a modelling study published in Nature Human Behaviour. The finding — revealed by studying changes in patterns of crime using AI — suggests that socio-economically disadvantaged areas may receive disproportionately less policing attention with resources drawn away to their relatively better-off neighborhoods, especially when and if crime spikes.

Event-level crime prediction has the potential to preempt the time and place of future criminal infractions, making it a popular tool amongst police and government agencies. Such policing practices have raised concerns, however, regarding whether they might propagate or codify biases, especially in diverse communities, and practical success of such efforts in the field have been historically limited.

Using data from eight major US cities (Chicago, Philadelphia, San Francisco, Austin, Los Angeles, Detroit, Portland and Atlanta), Ishanu Chattopadhyay and colleagues developed an algorithm that could predict crime in a highly accurate manner, which allowed the authors to perform an analysis of potential policing bias. Focusing on Chicago, for example, the algorithm was able to predict criminal events with a less than twenty per cent false-positive rate, outperforming existing prediction algorithms. When predicted policing behaviour from the model was analysed, however, the police were found to be less responsive to crime in less affluent areas than in those that were more affluent, suggesting an enforcement, and perhaps a policy, bias.

The authors stress the importance of using their findings cautiously, discouraging the application of their algorithm to guide policing. In an accompanying News & Views, Andrew Papachristos emphasizes that it is unlikely that police and government agencies will discontinue the use of crime prediction models. Instead, he suggests that a “major next step for using such technology as a way to monitor police behaviour involves figuring out who would use these tools to monitor the police and what sorts of ramifications are even feasible when problems within departments or abuses towards the public are detected.”

doi: 10.1038/s41562-022-01372-0

「Nature 関連誌注目のハイライト」は、ネイチャー広報部門が報道関係者向けに作成したリリースを翻訳したものです。より正確かつ詳細な情報が必要な場合には、必ず原著論文をご覧ください。

メールマガジンリストの「Nature 関連誌今週のハイライト」にチェックをいれていただきますと、毎週最新のNature 関連誌のハイライトを皆様にお届けいたします。