Убийственные большие данные. Как математика превратилась в оружие массового поражения

Небольшому городу Рединг в штате Пенсильвания приходится нелегко в постиндустриальную эпоху. Раскинувшийся на зеленых холмах в пятидесяти милях к западу от Филадельфии Рединг в свое время разбогател на железных дорогах, стали, угле и текстильном производстве. Но поскольку в последние десятилетия все эти отрасли промышленности находятся в сильном упадке, город зачах. К 2011 году в нем наблюдался самый высокий коэффициент бедности в стране – 41,3 (год спустя его опередил, пусть и совсем немного, Детройт). Рецессия, начавшаяся в 2008 году, совсем подорвала экономику Рединга, налоговые поступления уменьшились, и это вынудило городское полицейское управление сократить персонал на 45 человек, несмотря на высокий уровень преступности.

Шефу полиции Рединга Уильяму Хейму пришлось решать проблему: сохранить на прежнем уровне или даже повысить эффективность работы полиции, несмотря на сокращение штата. В 2013 году Хейм решил инвестировать в программу по предотвращению преступлений, которую производит компания PredPol, стартап в области Больших данных, базирующийся в Санта-Крузе, штат Калифорния. Программа обрабатывала данные о правонарушениях и высчитывала по часам, в каких местах с наибольшей вероятностью могут произойти новые преступления. Город был разделен на квадраты, каждый с два футбольных поля размером. Если полицейские Рединга тратили больше времени на инспектирование именно тех квадратов, в которых с наибольшей вероятностью могли произойти преступления, эти преступления было легче предотвратить. Уже через год Хейм объявил, что количество ограблений снизилось на 23 %.

Предиктивные программы вроде PredPod сейчас пользуются огромным спросом в полицейских участках с урезанным бюджетом по всей стране. От Атланты до Лос-Анджелеса участки отправляют патрульных в наиболее опасные квадраты и рапортуют о снижении уровня преступности. Нью-Йорк использует похожую программу под названием CompStat. А полиция Филадельфии работает с местным продуктом, который называется HunchLa и включает в себя анализ степени риска на местности: в него входит информация об определенных объектах, вроде банкоматов или мини-маркетов, которые могут привлекать преступников. Разработчики программ по предсказанию преступлений, как и их коллеги в других областях индустрии Больших данных, спешат включить в свои программы всю информацию, которая может повысить точность их моделей.

Если подумать, предсказания горячих точек преступлений похожи на модели по перемещению защиты в бейсболе, которые мы обсуждали выше. Эти системы исследуют историю хитов каждого игрока, а затем размещают филдеров в позиции, куда скорее всего прилетит мяч. Программы по предсказанию преступлений анализируют ситуацию подобным образом и помещают патрульных туда, где скорее всего произойдет преступление. Оба типа моделей оптимизируют ресурсы. Но некоторое количество программ по предсказанию преступлений представляют собой более сложные модели, так как предсказывают развитие действий, которое может привести к волне преступлений. Приложение PredPol, например, использует в своей основе анализ сейсмоактивности: оно анализирует определенное преступление в определенном районе, включает его в исторический паттерн и предсказывает, где и когда подобное может снова случиться. (В частности, программа обнаружила такую простую корреляцию: если взломщики проникли в дом вашего соседа, будьте начеку.)

Предиктивные модели преступлений вроде PredPol имеют свои достоинства. В отличие от работников отдела профилактики преступлений из антиутопии Стивена Спилберга «Особое мнение» (а также от некоторых зловещих инициатив в реальной жизни, до которых мы дойдем в ближайших главах), полицейские не выслеживают людей до того, как те совершат преступления. Создатель PredPol Джеффри Брантингем, профессор антропологии Калифорнийского университета в Лос-Анджелесе, делает акцент на том, что модель не различает расы и этническое происхождение. И в отличие от других программ, включающих в себя модели по подсчету риска рецидива, которые мы уже обсуждали и которые используются как ориентиры при назначении срока, PredPol не концентрируется на конкретных людях. Вместо этого она изучает географию. Ключевые данные в ней – это тип совершенного преступления, его место и время. Это кажется достаточно справедливым. И если полицейские проводят больше времени в зонах повышенного риска, срывая планы взломщиков и угонщиков автомобилей, есть хорошие причины верить в то, что программа действует на благо общества.