ซอฟต์แวร์ทำนายอาชญากรรม Geolitica กับความล้มเหลวในการใช้งานจริง
ในโลกของการบังคับใช้กฎหมาย มีความพยายามนำเทคโนโลยี Predictive Policing หรือระบบทำนายจุดเกิดเหตุอาชญากรรมมาใช้เพื่อเพิ่มประสิทธิภาพในการลาดตระเวน หนึ่งในผู้เล่นหลักคือบริษัท Geolitica (เดิมชื่อ PredPol) ที่นำเสนอซอฟต์แวร์วิเคราะห์ข้อมูลรายงานเหตุอาชญากรรมเพื่อระบุพิกัดและเวลาที่มีความเสี่ยงสูงในการเกิดเหตุในแต่ละวัน
อย่างไรก็ตาม ผลการวิเคราะห์ข้อมูลจาก The Markup พบว่าในความเป็นจริง ระบบนี้แทบจะไม่สามารถทำนายเหตุการณ์ได้อย่างแม่นยำ โดยเฉพาะกรณีศึกษาของกรมตำรวจเมืองเพลนฟิลด์ (Plainfield) รัฐนิวเจอร์ซีย์ ซึ่งสะท้อนให้เห็นถึงช่องว่างขนาดใหญ่ระหว่างคำโฆษณาและผลลัพธ์ที่เกิดขึ้นจริง
ประสิทธิภาพที่ต่ำกว่ามาตรฐาน: กรณีศึกษาเมืองเพลนฟิลด์
จากการตรวจสอบข้อมูลการทำนายจำนวน 23,631 รายการ ระหว่างเดือนกุมภาพันธ์ถึงธันวาคม ปี 2018 ของกรมตำรวจเพลนฟิลด์ พบว่าอัตราความสำเร็จในการทำนายนั้น ต่ำกว่า 0.5% โดยมีเหตุอาชญากรรมที่เกิดขึ้นตรงตามประเภทและสถานที่ที่ระบบระบุไว้ไม่ถึง 100 รายการ
เมื่อเจาะลึกรายประเภทอาชญากรรม ยิ่งพบความล้มเหลวที่ชัดเจนขึ้น ดังนี้:
- การชิงทรัพย์และการทำร้ายร่างกาย: มีอัตราความแม่นยำเพียง 0.6%
- การลักทรัพย์: มีอัตราความแม่นยำต่ำสุดเพียง 0.1%
กัปตันเดวิด กัวริโน (David Guarino) จากกรมตำรวจเพลนฟิลด์ ยอมรับว่าทางหน่วยงานตัดสินใจยกเลิกการใช้งาน เนื่องจากไม่พบว่าซอฟต์แวร์นี้ช่วยลดอาชญากรรมได้จริง และมองว่าเงินงบประมาณที่เสียไปกับค่าสมาชิกรายปี (เริ่มต้น 20,500 ดอลลาร์ และต่ออายุ 15,500 ดอลลาร์) ควรนำไปใช้ในโครงการที่มีประโยชน์กว่า เช่น โปรแกรมดูแลเยาวชนในช่วงฤดูร้อน
ปัญหาเชิงโครงสร้างและข้อกังขาทางวิชาการ
ศาสตราจารย์แอนดรูว์ เฟอร์กูสัน (Andrew Ferguson) ผู้เชี่ยวชาญด้านกฎหมายจาก American University ชี้ให้เห็นว่าจุดอ่อนสำคัญคือ หน้าต่างเวลาของการทำนาย (Prediction Windows) ที่กว้างเกินไป ระบบระบุเพียงว่าเหตุจะเกิดในช่วงกะการทำงาน 11 ชั่วโมง ซึ่งขาดความแม่นยำในระดับที่ตำรวจจะสามารถเข้าไประงับเหตุได้ทันท่วงที
นอกจากนี้ ปริมาณการทำนายที่มากเกินความจำเป็นยังเป็นอีกหนึ่งปัญหา ในเมืองเพลนฟิลด์ที่มีประชากรราว 54,000 คน ระบบสร้างคำทำนายถึง 80 จุดต่อวัน ในขณะที่จำนวนอาชญากรรมที่เกิดขึ้นจริงสูงสุดต่อวันมีเพียง 22 รายการเท่านั้น ทำให้เกิดการคาดเดาแบบหว่านแหมากกว่าการวิเคราะห์ที่แม่นยำ
ผลกระทบทางสังคมและความเสี่ยงจากการใช้ AI
การใช้ระบบทำนายอาชญากรรมไม่ได้ส่งผลเสียเพียงแค่เรื่องงบประมาณ แต่ยังนำไปสู่ปัญหา ความเหลื่อมล้ำในการบังคับใช้กฎหมาย โดยการสืบสวนในปี 2021 พบว่าซอฟต์แวร์ของ Geolitica มักพุ่งเป้าไปยังย่านที่พักอาศัยของผู้มีรายได้น้อย รวมถึงชุมชนคนผิวดำและลาตินในหลายเมือง
นักอาชญวิทยา เดวิด ไวส์เบิร์ด (David Weisburd) เตือนว่าการส่งตำรวจไปยังพื้นที่ที่ไม่มีเหตุการณ์เกิดขึ้นจริงอาจสร้างผลกระทบเชิงลบ (Negative Externalities) เช่น การเพิ่มความตึงเครียดระหว่างเจ้าหน้าที่และคนในชุมชน ซึ่งอาจนำไปสู่พฤติกรรมต่อต้านหรือความเครียดทางอารมณ์ในกลุ่มเยาวชน
ทางเลือกใหม่: การวิเคราะห์สภาพแวดล้อม (Risk Terrain Modeling)
แทนที่จะพึ่งพาเพียงอัลกอริทึมทำนายจุดเกิดเหตุ เมืองนิวอาร์ก (Newark) ได้หันมาใช้ Risk Terrain Modeling (RTM) ซึ่งเป็นการวิเคราะห์ความสัมพันธ์ระหว่างข้อมูลอาชญากรรมกับลักษณะการใช้ประโยชน์ที่ดิน
ตัวอย่างเช่น เมื่อ RTM พบว่าเหตุทำร้ายร่างกายมักเกิดในที่ดินว่างเปล่า ทางเมืองไม่ได้แก้ปัญหาด้วยการส่งตำรวจไปเฝ้า แต่ใช้แนวทางแก้ไขเชิงโครงสร้าง เช่น การเปลี่ยนที่ดินว่างเปล่าให้เป็นที่อยู่อาศัยราคาถูกหรือพื้นที่สีเขียวที่มีแสงสว่างเพียงพอ ซึ่งเป็นการแก้ปัญหาที่ต้นเหตุและยั่งยืนกว่า
| หัวข้อเปรียบเทียบ | Geolitica (Predictive Policing) | Risk Terrain Modeling (RTM) |
|---|---|---|
| วิธีการทำงาน | ใช้ข้อมูลเหตุการณ์ในอดีตทำนายจุดเกิดเหตุรายวัน | วิเคราะห์ปัจจัยทางกายภาพและสภาพแวดล้อม |
| เป้าหมายหลัก | กำหนดจุดลาดตระเวนของเจ้าหน้าที่ | ระบุปัจจัยกระตุ้นเพื่อแก้ไขเชิงโครงสร้าง |
| ผลลัพธ์ที่ได้ | ความแม่นยำต่ำ และอาจสร้างอคติทางสังคม | การปรับปรุงผังเมืองและเพิ่มความปลอดภัยชุมชน |
| แนวทางการแก้ปัญหา | เน้นการใช้กำลังตำรวจ (Policing) | เน้นการบูรณาการร่วมกับหน่วยงานท้องถิ่น |
ข้อเท็จจริงสำคัญ
- อัตราความแม่นยำ: ในเมืองเพลนฟิลด์ ระบบทำนายอาชญากรรมทั่วไปแม่นยำน้อยกว่า 0.5% และการลักทรัพย์แม่นยำเพียง 0.1%
- สถานะบริษัท: Geolitica กำลังยุติการดำเนินงาน โดยทีมวิศวกรถูกจ้างงานโดย SoundThinking (เดิมคือ ShotSpotter)
- ปัญหาหลัก: ระบบสร้างคำทำนายจำนวนมากเกินไปเมื่อเทียบกับเหตุการณ์จริง และมีหน้าต่างเวลาที่กว้างเกินไป
- ผลกระทบ: มีแนวโน้มพุ่งเป้าไปยังกลุ่มผู้มีรายได้น้อยและกลุ่มชาติพันธุ์ ซึ่งเพิ่มความเหลื่อมล้ำในการตรวจตรา
คำถามที่พบบ่อย
ซอฟต์แวร์ Geolitica ทำงานอย่างไร?
ระบบจะนำข้อมูลจากรายงานเหตุอาชญากรรมในอดีตมาประมวลผลผ่านอัลกอริทึม เพื่อสร้างแผนที่ทำนายจุดและเวลาที่มีโอกาสเกิดอาชญากรรมสูงในแต่ละวัน เพื่อให้ตำรวจใช้กำหนดจุดลาดตระเวน
ทำไมระบบทำนายอาชญากรรมถึงถูกวิจารณ์ว่าไม่แม่นยำ?
เนื่องจากระบบมักสร้างคำทำนายจำนวนมากเกินไป และระบุช่วงเวลาที่กว้างเกินไป (เช่น ตลอดทั้งกะการทำงาน) ทำให้โอกาสที่เหตุการณ์จะเกิดขึ้นตรงตามพิกัดและเวลาที่ระบุนั้นมีน้อยมากในทางปฏิบัติ
การใช้ AI ทำนายอาชญากรรมส่งผลเสียต่อชุมชนอย่างไร?
อาจนำไปสู่การตรวจตราที่เข้มงวดเกินความจำเป็นในย่านผู้มีรายได้น้อยหรือกลุ่มชาติพันธุ์ (Over-policing) ซึ่งสร้างความตึงเครียดและส่งผลกระทบทางจิตวิทยาต่อคนในชุมชน โดยที่ไม่ได้ช่วยลดอาชญากรรมอย่างมีนัยสำคัญ
Risk Terrain Modeling (RTM) แตกต่างจากการทำนายแบบเดิมอย่างไร?
RTM ไม่ได้เน้นแค่ว่า "จะเกิดเหตุที่ไหน" แต่เน้นว่า "ทำไมถึงเกิดเหตุที่นั่น" โดยวิเคราะห์ปัจจัยทางกายภาพ เช่น ที่ดินว่างเปล่าหรือจุดอับสายตา เพื่อให้เมืองแก้ไขด้วยการปรับปรุงสภาพแวดล้อมแทนการใช้กำลังตำรวจเพียงอย่างเดียว
ปัจจุบัน Geolitica ยังให้บริการอยู่หรือไม่?
Geolitica กำลังอยู่ในกระบวนการยุติการดำเนินงาน โดยลูกค้าบางส่วนถูกโอนย้ายไปยังแพลตฟอร์มการจัดการการลาดตระเวนของบริษัท SoundThinking
