Yapay Zeka ile Suçu
Önceden Tahmin Etmek:
1--Çalışmaya kayıtlarla
başladık ve sonra şehri yaklaşık iki bloğa iki blok (uçtan uca yaklaşık 300
metre) boyu-tunda alanlar halinde dijitalleştirdik. Her alanda, şiddet suçları,
mülkiyet suçları, cinayetler vs. gibi farklı olayların zaman serilerini
kaydettik. Ortaya, birlikte gelişen on binlerce zaman serisi çıktı.
1.1--Algoritmamızın yaptığı
şey, birlikte gelişen bu zaman serilerine bakmak, sonra bunların birbirlerine
nasıl bağımlı olduklarını ve birbirlerini nasıl kısıtladıklarını, dolayısıyla
birbirlerini nasıl şekillendirdiklerini bulmak. Sonuçta ortaya son derece
karmaşık bir model çıkıyor.
1.2--Bu modeli elde ettikten
sonra, bir alanda diyelim ki bir hafta sonra ne olacağına dair tahminlerde
bulunabiliyoruz.
2--insanlar bu algoritmanın
insanları suç işlemeden hapse atmak için bir araç olarak kullanılacağından
endişe duyuyor. Böyle bir şey olmayacak çünkü algoritmanın bunu yapacak bir
yeteneği yok. Size suçu kimin işleyeceğini veya olayların tam dinamiklerini
veya mekaniğini söyleyemiyor. Yani siz sormadan söyleyeyim, "Azınlık
Raporu" filmindeki gibi kullanılması mümkün değil.
3--Bir hafta önceden bilmek,
pek çok önlem alabilme imkânı tanıyor. Sonunda da anında müdahale
edebiliyorsunuz.
3.1--Yapmak istediğimiz şey,
bir tür yönetim optimizasyonu. Ekibim ve ben, bunun tamamen tahmine dayalı bir
idare aracı olarak kullanılmasını istemediğimizi açıkça belirttik. Ana kullanım
alanının yönetim optimizasyonu olmasını istiyoruz. Bunu sağlamak zorundayız,
zira sadece bir makale yayınlamak ve bu algoritmaya sahip olmak yeterli değil.
Belediye başkanının veya yöneticilerin, oluşturulan modeli kullanarak
simülasyonlar yapmasını ve toplumu bilgilendirmesi.
4--Daha önce denenen
yaklaşımlar, doğrudan makine öğrenimi ile dev bir veri kümesi alıp önemli
özelliklerin ne olduğunu belirlediğiniz ve ardından bu özellikleri standart bir
karmaşık sinir ağı kullanarak tahminler yapmaya çalıştığınız, kullanıma hazır
araçlardan faydalanıyordu.
Bu yaklaşımla ilgili sorun,
bazı özelliklerin önemli olduğunu söylediğiniz an, bir şeyleri kaçırma
ihtimalinin ortaya çıkması ve bu nedenle de hatalı sonuçlar elde etme riskiydi
4.1--Sadece olay
kayıtlarından yola çıkarak çalışmaya gayret ediyoruz. Özelliklerin ne olduğunu
veya hangi niteliklerin önemli olduğunu anlamaya çalışan insanlar
kullanmıyoruz. Olay kayıtları dışında bir şey olmadığından, elle veri girişi
hemen hemen hiç bulunmuyor. Bu şekilde, taraflı olma ihtimalini mümkün olduğunca
azaltıyoruz. Modelimizin daha önceki modellerden en büyük farkı işte bu.
5--Yapay zekâ gitgide daha
karmaşık sistemleri modellemek için kullanı-lıyor, bu nedenle birçoğunun kara
kutu gibi görünme eğiliminde olması şaşırtıcı değil. Bunları daha önce kullanılan
yöntemlerle karşılaştırın.
5.1--O zamanlar elimizde bir
sistem için kullanabileceğimiz küçük bir diferan-
Yeni bir algoritma, bir suçun
ne zaman ve nerede gerçekleşeceğini tahmin etmeyi mümkün hale getirebilir.
5.2—Daha önce bir diferansiyel
denklemimiz vardı ve bize, onu anladığımız hissini veriyordu. Dev bir sinir
ağımız varsa, neler olduğunu anlamamız mümkün değil. Bu yüzden evet, bu bir
problem ve yapay zekâyı açıklamak için büyük çaba gösteriyoruz.
5.3--Gerçekten çok karmaşık
bir modelimiz var, bir bakışta tüm faktörleri okumanız
Sadece olay kayıtlarından
yola çıkarak çalışmaya gayret ediyoruz. Özelliklerin ne olduğunu veya hangi
niteliklerin önemli olduğunu anlamaya çalışan insanlar kullanmıyoruz. Olay
kayıtları dışında bir şey olmadığından, elle veri girişi hemen hemen hiç
bulunmuyor. Bu şekilde, taraflı olma ihtimalini mümkün olduğunca azaltıyoruz.
Modelimizin daha önceki modellerden en büyük farkı işte bu.
6—Dip Not:Yazar-Prof. Ishanu
Chattopadhyay-Ishanu, Chicago Üniversitesinde algoritmalar ve veriler üzerinde
çalışmalar yürüten ZeD Laboratuvarını yönetiyor
7—Yorum:Belli coğrafi
koordinatları olan bölgede belli suç için zamana bağlı olay sayısı ve şiddeti
girilerek grafik fonksiyon çizilebilir.Grafik işlemde Bu eğrinin üzerine
oturtacağımız standart eğri ile olayın fonksiyonunu elde ederiz.Bu fonksiyon
bize ileride ne sıklıkta ve tarihte belli hangi suçun işlenebileceği ihtimalini
verir.
7.1--Bunu çok değişkenli
olarak yapay zeka ile tahmin etmeye çalışsak daha yüksek olasılıklı tahmin
yapabiliriz.Herhangi bir olayda Olayların dalga fonksiyonu çökünce olay
gerçekleşir.
7.2--Dalga fonksiyonun
çökmesi ise mukavemet sınırına erişmesi ile gerçekleşir..Mukavemet sınırının
eşik değerinde olay büyük oranda gerçekleşir.Tıpkı mukavemet sınırının üstünde
bir değerde yüklenmiş beton kolonun çökmesi gibi.
7.3—Yapay zekayı ırk vs gibi
değerlerle yüklememek ise onu daha bilimsel ön yargısız hale getirebilir.
Kaynak:Popular Science-Konuk
Yazar-Prof. Ishanu Chattopadhyay