Polis kaynaklarının tahmine dayalı dağıtımında yapay zeka kullanımı, beklenmedik toplumsal sorunlara yol açabiliyor. Özellikle sadece suç riski verilerine dayanan sistemler, mevcut ırksal önyargıları güçlendirme eğilimi gösteriyor.
Johns Hopkins Üniversitesi'nden araştırmacılar, bu problemi ele alan FASE (Fairness Aware Spatiotemporal Event Graph) adlı yenilikçi bir çerçeve geliştirdi. Sistem, suç tahminini toplumsal adalet ilkeleriyle harmanlıyor ve gerçek zamanlı geri bildirim simülasyonu yapabiliyor.
Araştırmada Baltimore şehri, 25 posta kodu bölgesinden oluşan bir ağ olarak modellenmiş. 2017-2019 yılları arasındaki 139.982 ciddi suç vakası saatlik çözünürlükle incelenmiş. Sistem, mekansal-zamansal grafik sinir ağları ile çok değişkenli Hawkes süreçlerini birleştirerek hem bölgesel bağımlılıkları hem de zaman içindeki kendiliğinden gelişen dinamikleri yakalıyor.
Özellikle sık görülen sıfır değerli ve aşırı dağılımlı suç sayıları için Zero Inflated Negative Binomial dağılımı kullanılmış. Model, doğrulama testlerinde 0.4800, gerçek testlerde ise 0.4857 kayıp değeri elde etmiş.
Bu araştırma, yapay zeka tabanlı güvenlik sistemlerinin hem etkili hem de adil olabileceğini göstererek, teknolojinin toplumsal adaletsizlikleri azaltma potansiyelini ortaya koyuyor.