警务工作通常依赖于犯罪违法报告，这些报告隐含地表明了犯罪、警务和社会之间的复杂关系。因此，美国芝加哥大学的研究人员通过使用芝加哥从2014年到2016年底的犯罪数据进行训练，开发了一种新算法，可以提前一周预测未来的犯罪且准确率高达90%，预测范围达到1000英尺。相关研究成果于2022年6月30日发表在《自然-人类行为》杂志上。

研究人员重新概念化了犯罪预测的过程，改进现有的技术，并利用它来揭示报告的犯罪分布和警察执法过程中的偏见。该算法从公开记录的历史事件中学习，并用于验证下一年的事件，而不是训练样本中的事件。通过来自芝加哥市的犯罪数据，时空网络推理算法可以推断过去事件发生的模式，并构建本地估计器的通信网络（格兰杰网络）来预测未来的违规行为。在这项研究中，研究人员考虑了两大类报告的刑事违法行为：包括杀人，殴打和暴力犯罪，以及包括入室盗窃和机动车辆盗窃在内的财产犯罪。在每个事件中对被捕的人数单独建模，能够调查执法偏见的可能性和模式。研究发现，虽然其中一些罪行可能比其他罪行报告得更少，但逮捕和报告之间的关系可以追溯警方针对犯罪的行动。

执法偏见程度受到关于刑事报告的数据集的限制，而没有使用关于警察空间分布的直接数据。在美国大城市，地点和种族通常是与偏见行为高度相关，这可能会应用到推断模型中。新的方法不受手动编码特征的影响，因此可以抵抗建模者本身的隐性偏见，但几乎可以肯定的是，犯罪报告和监视所产生的偏见仍然存在。研究人员展示了格兰杰网络预测此类事件的能力，不仅允许精确干预，还推进了对复杂社会模式的诊断和解释。

信息来源：

https://www.nature.com/articles/s41562-022-01372-0