Termin „pre-crime” większości z nas kojarzy się z kultowym filmem „Raport mniejszości”, w którym jasnowidze przewidywali morderstwa, a policja aresztowała sprawców, zanim ci zdążyli podnieść rękę na ofiarę. Choć wizja Philipa K. Dicka wydaje się czystym science-fiction, rzeczywistość dogania literaturę szybciej, niż nam się wydaje. Dzisiejszy pre-crime nie opiera się jednak na wizjach parapsychicznych, lecz na potężnych algorytmach, analizie Big Data i sztucznej inteligencji. To podejście do bezpieczeństwa, które zakłada, że dzięki odpowiedniej ilości danych możemy przewidzieć, gdzie i kiedy dojdzie do złamania prawa.

Skąd wzięła się idea pre-crime?

Koncepcja pre-crime, czyli działań zapobiegawczych podejmowanych przed popełnieniem przestępstwa, ewoluowała z tradycyjnej prewencji kryminalnej. O ile dawniej policja po prostu patrolowała „niebezpieczne dzielnice”, o tyle współczesny pre-crime dąży do matematycznej precyzji. Fundamentem jest tu przekonanie, że przestępczość nie jest chaotyczna – podąża za pewnymi wzorcami, które komputer potrafi wyłapać znacznie szybciej niż człowiek.

W praktyce mówimy o systemach predykcyjnych (predictive policing), które analizują tysiące zmiennych: od historycznych danych o kradzieżach, przez fazy księżyca i pogodę, aż po terminy wypłat zasiłków czy wydarzenia sportowe. Wszystko po to, by stworzyć „mapę ryzyka” i wysłać patrol tam, gdzie prawdopodobieństwo incydentu jest w danej chwili najwyższe.

Jak pre-crime działa w praktyce?

Zastosowanie technologii pre-crime można podzielić na dwa główne nurty: przewidywanie miejsc (gdzie coś się wydarzy) oraz przewidywanie osób (kto może popełnić przestępstwo lub stać się jego ofiarą).

Predykcyjne patrolowanie (Hotspotting)

To najpopularniejsza forma tej technologii. Systemy takie jak niegdyś głośny PredPol (obecnie Geolitica) dzielą mapę miasta na małe kwadraty (np. 150x150 metrów). Algorytm analizuje czas, lokalizację i rodzaj wcześniejszych przestępstw, a następnie wskazuje funkcjonariuszom, które „kwadraty” wymagają szczególnej uwagi w trakcie danej zmiany. Statystyki pokazują, że w niektórych miastach USA czy Wielkiej Brytanii pozwoliło to na realne obniżenie liczby włamań do samochodów czy kradzieży z domów.

Analiza ryzyka recydywy

W systemach prawnych (szczególnie w USA) stosuje się narzędzia takie jak COMPAS. Pomagają one sędziom ocenić prawdopodobieństwo, że oskarżony ponownie złamie prawo. Na podstawie kwestionariusza i danych historycznych algorytm przypisuje danej osobie wynik punktowy. Od tego wyniku może zależeć wysokość kaucji lub decyzja o warunkowym zwolnieniu.

Rozpoznawanie twarzy i analiza zachowań

W nowoczesnych systemach monitoringu (CCTV) pre-crime przybiera formę inteligentnej analizy obrazu. Kamery potrafią wykryć „nienaturalne zachowanie”, takie jak nerwowe kręcenie się w pobliżu bankomatu, pozostawienie bagażu czy gwałtowne gesty. W Chinach systemy te są zintegrowane z bazami danych obywateli, co pozwala na śledzenie osób uznanych za „problematyczne” jeszcze zanim podejmą jakiekolwiek działania.

Ciemna strona technologii: etyka i błędy

Choć wizja świata bez zbrodni brzmi kusząco, pre-crime budzi ogromne kontrowersje. Największym problemem jest tzw. „pętla sprzężenia zwrotnego”. Jeśli algorytm wyśle policję do konkretnej dzielnicy, bo historycznie było tam dużo aresztowań, policjanci dokonają tam kolejnych zatrzymań (nawet za drobne wykroczenia), co utwierdzi algorytm w przekonaniu, że to niebezpieczne miejsce. Może to prowadzić do stygmatyzacji całych grup społecznych lub etnicznych.

Kolejną kwestią jest brak transparentności. Algorytmy często są „czarnymi skrzynkami” – nawet ich twórcy nie zawsze potrafią wyjaśnić, dlaczego system uznał daną osobę za potencjalnego przestępcę. To uderza w fundament prawa, jakim jest domniemanie niewinności. W świecie pre-crime możesz stać się podejrzanym nie za to, co zrobiłeś, ale za to, co statystyka mówi o ludziach podobnych do Ciebie.

Ciekawostka: Czy wiesz, że...?

Niektóre systemy pre-crime analizują nawet media społecznościowe. Algorytmy przeczesują posty w poszukiwaniu słów kluczowych związanych z wojnami gangów lub planowanymi nielegalnymi zgromadzeniami. W Chicago policja stworzyła nawet „Strategic Subject List” – listę osób najbardziej narażonych na udział w strzelaninie (jako sprawca lub ofiara), opierając się na ich sieci kontaktów społecznych.

Przyszłość predykcji kryminalnej

Pre-crime nie zniknie, wręcz przeciwnie – będzie się rozwijać wraz z postępem w dziedzinie uczenia maszynowego. Kluczowym wyzwaniem dla społeczeństw będzie znalezienie balansu między bezpieczeństwem a wolnością osobistą. Czy jesteśmy gotowi zrezygnować z prywatności w zamian za obietnicę miasta bez przestępstw? Na to pytanie musimy odpowiedzieć sobie już teraz, bo technologia, która kiedyś była tylko wizją filmową, właśnie staje się częścią naszej codzienności.

Warto pamiętać, że żadna maszyna nie posiada empatii ani zrozumienia kontekstu społecznego. Dlatego, choć algorytmy mogą być świetnym wsparciem dla służb, ostateczna decyzja o interwencji zawsze powinna należeć do człowieka, który bierze pod uwagę nie tylko cyfry, ale i ludzki pierwiastek każdej sytuacji.