調査によると、予測的ポリシングは通常のポリシングよりも人種差別的ではない

警察機関は、バイオメトリクス、聴覚検出、さらには仮想現実など、犯罪と戦うためにますます高度なテクノロジーを使用しています。最も物議を醸しているツールの1つは、人種的偏見を強化していると長い間非難されてきた「予測的ポリシング」です。しかし、インディアナ大学、UCLA、ルイジアナ州立大学の研究者チームは 、この慣行とそのバイアスへの影響がそれよりも複雑であることを発見しました。

予測ポリシングは、犯罪が発生する場所を予測するアルゴリズムをトレーニングする「スマートポリシング 」ツールです。この研究のために、LAPDはパトロールするための「ホットスポット」エリアの地図を与えられました。「治療」の日に、ホットスポットエリアはアルゴリズムによって選択されました。「コントロール」の日に、それらは人間のアナリストによって選択されました。研究者らは、治療日と対照日の両方で逮捕率を比較し、マイノリティがどちらかの日に多かれ少なかれ頻繁に逮捕されたかどうかを知りたいと考えました。

なぜこれが物議を醸しているのですか？逮捕データにはニュアンスが欠けているからです。人は2つの異なる場所で同じ犯罪を犯す可能性がありますが、そこに警官（または911の電話に応答した後に来る人）がいる場合にのみ逮捕されます。支持者が主張するように、警察の存在が多い地域では常に逮捕が多くなります。したがって、警官が近所を疑っている場合、そこに送られる警官の数が増えるため、逮捕者が増えることになります。このダイナミクスは、アルゴリズムのトレーニングに使用される逮捕データには反映されていません。それは単に逮捕がどこでどのくらいの頻度で起こるかを示しています。しかし、法執行機関は、警察官は人種的な疑いではなく、犯罪レベルに基づいて地域に派遣されると述べています。

しかし、インディアナ大学の研究者が発見したことは、どちらの主張も証明も反証もしなかった。論文「予測的ポリシングは偏った逮捕につながるのか？ランダム化比較試験の結果？」統計と公共政策の最新版に掲載されました。

研究者は、マイノリティはアナリストが決定した日よりもアルゴが決定した日に高い割合で逮捕されなかったと言います。逮捕者の人種的割合は、「治療」日と「対照」日の両方で同じでした。全体として、すべての人種の逮捕率は、全体として「治療」日と「対照」日の両方で同じでした。

興味深いことに、地理的なレベルに分類すると、役員は、アナリストが決定した「ホットスポット」よりも、アルゴリズムによって決定された特定の「ホットスポット」エリアでより多くの人々を逮捕しました。しかし、研究者たちはこれが予想されると主張しています。逮捕の増加は犯罪の増加に比例して拡大します。

「アルゴリズムは犯罪率の高い地域を特定するように設計されているため、犯罪率が高く、それに比例して逮捕率も高くなります」と、研究の著者の1人であるGeorgeMohler氏はPhysics.orgに語った。

最終的に、研究者たちは、予測的ポリシングがバイアスを増加させないように見えることを発見しました。これは、予測的であろうとなかろうと、人種的な偏見がないという意味ではありません。単純に、この場合、アルゴリズムが逮捕の人種的不均衡を引き起こしたことが判明しなかったということです。結果セクションから：

予測ポリシングは、既存のポリシングパターンを単純に補強します。バイアスがある場合、アルゴリズムもそれらを補強しますが、それらは発信者ではありません。研究者たちは、犯罪と人種的偏見の根本原因は別の主題であると指摘していますが、尋ねられないままにしておくことは明らかな質問です：なぜまだ蔓延している、対処されていない偏見があるのに警察を強化するのですか？

それは、コミュニティのリーダーや法執行機関にとっては依然として議論の余地があります。今のところ、モーラーは、この研究がこの慣行の人種的影響を監査するための「枠組み」として役立つことを望んでいます。

「これらの予測的ポリシング展開のいずれかを実行するたびに、部門はこれらのアルゴリズムの民族的影響を監視して、人種的偏見があるかどうかを確認する必要があります」とモーラー氏は述べています。「このホワイトペーパーで提供する統計手法は、それを監視するためのフレームワークを提供すると思います。」

[ Phys.org ]