Contattaci

Lab

Il software italiano che ha cambiato il mondo della polizia predittiva

L’algoritmo di KeyCrime è diverso dagli altri software che cercano di prevenire il crimine, sotto accusa per le loro limitazioni. Lo descrive il suo ideatore

Pubblicato

il

Diversamente dagli altri software, l’algoritmo italiano di KeyCrime non si basa sulla divisione in “zone pericolose” (foto: Getty Images)

Un quadrato rosso si accende sul display in dotazione alla volante della polizia, indicando in quale area della città e in che fascia oraria è più probabile che venga compiuto un crimine. Una previsione statistica effettuata analizzando migliaia di dati – dove sono stati compiuti i crimini più recenti, quando, in che circostanze, in quali condizioni meteo e altro ancora – e mettendo all’opera gli algoritmi di machine learning.

Le statunitensi PredPol, HunchLab, Palantir; la tedesca Precobs e molte altre funzionano – in estrema sintesi – in questo modo: sfruttando la cosiddetta hotspot analysis per segnalare alla polizia le aree calde della città. Un meccanismo che ha sollevato parecchie perplessità sulla sua effettiva utilità: se in una zona vengono segnalati più crimini – e di conseguenza viene inviata più polizia – inevitabilmente verranno individuati ancora più crimini; rendendo quella stessa zona, di conseguenza, ancora più soggetta a controllo.

Una sorta di circolo vizioso della polizia predittiva che – come sottolineato da The Verge – rischia di essere poco efficace, di lasciare completamente scoperte altre zone della città e di mettere sotto maggiore pressione determinate comunità, rafforzando il timore che questi algoritmi possano esasperare i pregiudizi già presenti nella società.

L’eccezione italiana: KeyCrime

Tutti i software di polizia predittiva funzionano in questo modo. Tutti, tranne uno: l’italiano KeyCrime, ideato dall’ex assistente capo della Questura di Milano Mario Venturi, il quale – dopo aver lavorato per decenni nella polizia – ha intrapreso una nuova carriera da imprenditore, trasformando il suo software in una startup. “Ho iniziato a lavorarci nel 2004. Quattro anni più tardi è iniziata la sperimentazione, quando l’allora questore decise di impiegare il mio sistema di analisi dei crimini per contrastare le rapine in ambito commerciale, racconta Venturi a Wired.

Il 2008 è stato infatti un anno difficile per i negozianti. Solo nella città di Milano ci furono 664 rapine (banche escluse). “È un tipo di reato che ha un impatto fortissimo sulla cittadinanza, il cui danno maggiore non è tanto nel crimine contro il patrimonio, ma in quello contro la persona, prosegue l’ex poliziotto. “Ho visto gestori chiudere la loro attività perché, dopo aver subito una rapina, vivevano nel terrore. Trattandosi di un crimine particolarmente diffuso e odioso, si è deciso di sperimentare il software in quell’ambito. Nel primo anno di sperimentazione siamo riusciti a individuare le responsabilità del 47% delle rapine compiute.

È un dato che continua a crescere negli anni e che oggi ha raggiunto il 60%“Numeri che non hanno eguali a livello mondiale”, afferma Venturi, e che hanno garantito a KeyCrime partnership con realtà come Ibm, validazioni scientifiche da parte di istituzioni come la Essex University o il National Bureau of Economic Research di Boston e l’ambizione di diffondere questo software – che per il momento è utilizzato solo nella provincia di Milano, e di cui a brevissimo sarà pronta la nuova versione – a livello globale. Tutto questo, facendo affidamento anche su 1,2 milioni di euro di investimenti forniti dalla società di venture capital Oltre, dal socio investitore Sdg Group e dall’imprenditore Giorgio Gandini.

Il ruolo del crime linking

Ma cos’è che differenzia KeyCrime dagli altri software di polizia predittiva? “L’idea è nata analizzando, per lavoro, una montagna di fascicoli inerenti ai vari crimini, in cui i dati erano raccolti malamente ma che contenevano comunque informazioni che avrebbero permesso di ipotizzare dietro quali crimini, seppur avvenuti in tempi e luoghi diversi, ci fosse la stessa mano, racconta il fondatore di KeyCrime.

Dietro a centinaia di rapine, infatti, non ci sono centinaia di rapinatori, ma qualche decina. Invece di utilizzare la hotspot analysis per prevedere in quale area della città potrebbero avvenire dei crimini (con tutti i limiti già evidenziati), non sarebbe meglio sfruttare un software per capire quali crimini vengano compiuti dagli stessi rapinatori e prevedere dove, come e quando questi stessi rapinatori compiranno le loro prossime azioni?

È questa la caratteristica fondamentale di KeyCrime, che analizza migliaia di dati (dove si sono compiute le rapine, a che ora, in che modo, come si sono comportati i rapinatori, che mezzi e armi hanno usato, come erano vestiti e molto altro ancora) per mettere in correlazione diversi crimini e determinare quali sono stati compiuti dalla stessa persona o gruppo di persone. È il crime linking, quindi, l’aspetto fondamentale del software ideato da Mario Venturi; che permette di segnalare le serie criminali effettuate dagli stessi soggetti e prevedere dove si svolgeranno le prossime azioni.

Dopo aver individuato una serie di furti compiuti in una farmacia, per esempio, KeyCrime è in grado di prevedere statisticamente quando e in quale farmacia si potrebbe compiere la prossima rapina“Questo è l’aspetto più scenico, che attrae di più l’attenzione. Ma senza il primo passaggio, senza l’algoritmo che ci permette di astrarre la serie criminale, non potremmo sviluppare questa capacità predittiva”, prosegue Venturi. Un altro aspetto fondamentale del crime linking è che consente – dopo il lavoro di indagine dei procuratori – di imputare a un rapinatore la sua intera serie criminosa (e non solo l’evento che ha portato all’arresto) e di ottimizzare il lavoro della polizia; facendo sì che a occuparsi di un’intera serie di crimini sia un unico ufficio.

Quante delle previsioni di KeyCrime su un crimine futuro si avverano? “Questo è un dato che non forniamo e che personalmente considero poco importante”, replica Venturi. “Quel che conta è la riduzione dei crimini, che ha raggiunto il 50%. Una percentuale che rappresenta un caso unico in Italia e che è confermata da analisi indipendenti basate su dati Ossif.

L’utilizzo del crime linking ha però un altro risvolto importante: “Noi non criminalizziamo le aree, come invece può avvenire con l’utilizzo degli hotspot. Noi poniamo la nostra attenzione solamente sull’autore o sugli autori dei crimini che abbiamo individuato e sugli obiettivi a rischio”, spiega Venturi. Una precisazione importante, che può ridurre ampiamente il pericolo che questi strumenti di polizia predittiva si trasformino in un via libera tecnologico per sottoporre a controlli indiscriminati chi magari ha la sola colpa di vivere nelle zone meno sicure delle città o di passeggiare in un quartiere segnalato dal software.

KeyCrime, a differenza di altri sistemi (che vi hanno rinunciato in seguito a numerose polemiche, che hanno mostrato come l’utilizzo di questi algoritmi possa causare discriminazioni contro i soggetti più deboli della società), archivia e utilizza anche i dati relativi all’etnia del rapinatore. “A livello di indagine, le informazioni sull’etnia di chi ha compiuto i crimini sono fondamentali; se gli sviluppatori di alcuni software hanno deciso di non raccogliere questi dati, mi vengono dei dubbi sulla bontà del loro software”.

I rischi della polizia predittiva

Per chiarire questo punto fondamentale, è utile fare un esempio. Un software come PredPol potrebbe indicare che in un quartiere di Milano, a una certa ora e in base ad altri fattori (comprese le condizioni atmosferiche), è possibile che si verifichino violenze a opera magari di una certa minoranza etnica. Questo sistema rischia di provocare un eccesso di controlli e perquisizioni su persone che hanno la sola colpa di essere della stessa etnia di quella indicata dal software. Una conseguenza insopportabile (che, per ovvie ragioni, non può invece avvenire nei confronti della maggioranza etnica) che ha portato alcuni software a escludere dal database le informazioni relativa all’etnia.

KeyCrime, lavorando sul profilo degli autori di una serie criminale e sui luoghi precisi dove potrebbero colpire ancora, riduce effettivamente questo rischio; fornendo un appoggio molto più circostanziato alla polizia di quanto non sia l’indicazione di quale area pattugliare. “Noi conosciamo molte caratteristiche della persona che stiamo cercando”, prosegue Venturi. “Sappiamo, per esempio, che gira su un motorino bianco, che è alto 1.82, di corporatura robusta e anche di che etnia è. In alcuni casi, abbiamo anche una sua immagine. Di conseguenza, la polizia non ferma le persone indiscriminatamente, ma solo quelle che corrispondono al profilo. Inoltre, i rapinatori solitamente vengono bloccati appena prima di compiere la rapina, quando sono già con la pistola in mano, o addirittura subito dopo”.

Nonostante le valide rassicurazioni sul funzionamento dell’algoritmo di Venturi, un dubbio rimane: non sarebbe il caso che un algoritmo con compiti di tale responsabilità, e che maneggia informazioni così delicate, fossero trasparenti e analizzabili dall’opinione pubblica? “Non ce n’è bisogno”, conclude Venturi. “La prevenzione nel nostro caso è mirata: il software ti propone solo il crime linking e la predizione dei prossimi obiettivi. KeyCrime inoltre non ha valenza scientifica in sede processuale. Il nostro algoritmo è parte di un processo che segue un iter giudiziario normale e in cui è la polizia a decidere se e come utilizzare le informazioni che le forniamo. KeyCrime è un tassello importante di un processo investigativo, ma l’ultima parola dev’essere sempre dell’uomo.



Licenza Creative Commons




Crediti :

Wired

Detective presso Computer Crime Research Center. Investigazioni Roma. Ingegneria Elettronica e delle Telecomunicazioni Seminario Analisi del Crimine Violento Università di Roma

Continua a leggere
Clicca per commentare

Leave a Reply

Per commentare puoi anche connetterti tramite:



Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Lab

Coronavirus, 5 nuove scoperte da tenere a mente su Covid-19

La ricerca sul nuovo coronavirus è fervente. Ecco cinque delle ultime scoperte e notizie scientifiche relative al virus, dalla permanenza sulle superfici ai rischi per i più piccoli fino a sintomi a volte trascurati

Pubblicato

il

(oto: NIAID-RML CC via Flickr)

Ricercatori di tutto il mondo continuano a studiare il nuovo coronavirus Sars-CoV-2. E online, ad esempio sulla banca dati di Pubmed, si rintracciano ormai migliaia di studi pubblicati. Analizzare sempre di più la malattia Covid-19 ci permetterà di conoscere e poter affrontare al meglio l’infezione e la pandemia. A questo proposito ecco cinque delle scoperte più recenti, da quando e come avviene il contagio, alle categorie più colpite fino all’attenzione ai sintomi nei bambini.

1. Coronavirus, quanto resta sulle superfici

Le più recenti prove scientifiche mostrano che il coronavirus Sars-CoV-2 può resistere sicuramente alcune ore e probabilmente anche qualche giorno – secondo una ricerca fino a 3 giorni, secondo un’altra anche fino a 9 – su superfici come plastica e acciaio, meno sul cartone. Ma quando è rintracciato sugli oggetti sembra essere meno infettante, dato che in questo caso il suo titolo virale risulta molto ridotto. Per questo l’Oms non ha posto alcun veto alla circolazione delle merci, che è sicura. Riguardo a vestiti e scarpe, è in generale buona norma toglierli e riporli quando si rientra in casa, ma anche questi oggetti non rientrano fra le principali vie di trasmissione, a differenza del contatto con particelle di saliva (vicinanza con le persone e strette di mano).

2. Bambini: neonati e bimbi piccoli più vulnerabili

Bambini e adolescenti e giovanissimi sono molto poco colpiti dal nuovo coronavirus, basti pensare che in Italia non ci sono decessi sotto i 30 anni. E anche i piccoli colpiti hanno i sintomi meno gravi rispetto agli adulti. Tuttavia, anche se le manifestazioni cliniche nei bambini risultano più moderate, soprattutto neonati e bimbi in età prescolare sono risultati suscettibili all’infezione. Ad affermarlo è un nuovo studio su duemila bambini e ragazzi cinesi, in via di pubblicazione su Pediatrics e attualmente in preprint. La ricerca mostra che nella maggior parte dei casi i disturbi sono leggeri o medi, tuttavia all’interno della categoria dei più giovani, in circa il 6% dei bambini ci sono state manifestazioni cliniche gravi.

3. Sintomi, quelli gastrointestinali spesso trascurati

Uno studio in via di pubblicazione sull’American Journal of Gastroenterology (qui in preprint) mette in luce che quasi la metà dei pazienti con Covid-19 nella provincia di Hubei ha presentato sintomi gastrointestinali, come diarrea o anoressia – intesa come sintomo legato al rifiuto del cibo e non come la malattia dell’anoressia nervosa. Inoltre lo studio rivela che peri pazienti con problemi digestivi e in assenza di problemi respiratori il tempo fra la comparsa dei sintomi e il ricovero era più lungo, mentre la probabilità di essere curati e dimessi più bassa. Insomma, è bene che chi ha manifestazioni gastrointestinali presti attenzione ai sintomi e non si escluda la possibilità che si tratti di Covid-19.

4. Due vittime su tre sono di sesso maschile

Alla data del 17 marzo l’Istituto superiore di sanità fornisce una fotografia delle persone colpite dal nuovo coronavirus in Italia. Parlando di numeri, 6 pazienti su 10 sono di sesso maschile e 2 vittime su 3 sono uomini. Un dato che però non deve far abbassare la guardia alle donne. I deceduti con meno di 50 anni sono solo 17, tutti con altre patologie precedenti – elemento informativo che non vuole sminuire la gravità del problema. L’età media dei contagiati è di 63 anni, quella dei deceduti di 80 anni.

5. Non ci sono prove che l’ibuprofene faccia male

Si discute da tempo del fatto che assumere antinfiammatori, fra cui l’ibuprofene, possa aumentare il rischio di Covid-19 o peggiorare i sintomi. Il ministro della Sanità francese aveva invitato i cittadini a non assumere questi farmaci in caso di Covid-19 perché potrebbero peggiorare l’infezione. Fermo restando che l’automedicazione è sempre da evitare, tanto più nel caso del nuovo coronavirus, questa è per ora soltanto un’ipotesi e il ministero della Salute italiano ha rimarcato che non ci sono prove che l’ibuprofene faccia male.



Licenza Creative Commons




Crediti :

WIRED

Continua a leggere

Lab

Le piante comunicano tra loro usando reti sotterranee

È quanto ha rivelato uno studio condotto da un gruppo di scienziati dell’Università svedese di scienze agrarie, appena pubblicato su Plos One

Pubblicato

il

Le piante hanno sviluppato reti di comunicazione sorprendentemente complesse che consentono loro di comunicare su ciò che sta accadendo in superficie.

È quanto ha rivelato uno studio condotto da un gruppo di scienziati dell’Università svedese di scienze agrarie, appena pubblicato su Plos One. Nonostante il loro stile di vita “immobile”, in realtà le piante sono quindi più attive di quanto si possa pensare: sono in grado di comunicare sottoterra tra di loro, inviando messaggi complessi che arrivano dalla superficie.

Il merito è di alcune sostanze chimiche secrete dalle radici nel terreno, che vengono poi rilevate attraverso le radici delle piante vicine.In questo modo arrivano a sapere se le loro vicine sono parenti o estranee. E persino a dirigere la loro crescita di conseguenza. Man mano che crescono in prossimità di altre piante, controllano costantemente ogni segnale che si verifica in superficie, e fanno lo stesso anche sottoterra.

Come lo hanno scoperto? Per comprendere meglio come ciò possa avvenire e per saperne su come i fattori al di sopra del suolo influenzino ciò che accade al di sotto della superficie, gli studiosi hanno analizzato il comportamento di alcune piantine di mais, monitorando la reazione ai cambiamenti nella crescita in base alla vicinanza con altre piante.

Simulando il tocco con una foglia di una pianta vicina hanno scopeto le sostanze chimiche prodotte dalla radice della pianta. Il team ha quindi preso queste sostanze chimiche e le ha trasferite in altre piante, per vedere le reazioni. Hanno così scoperto che le piante esposte alle sostanze chimiche rispondevano indirizzando le loro risorse a far crescere più foglie e meno radici.

In pratica, il team ha dimostrato che ciò che accade al di sopra del suolo influenza ciò che accade sotto la superficie, e anche che il modo in cui le piante comunicano questo è più complesso di quanto pensassimo. Questo ha davvero molta importanza, dal momento che la capacità delle piante di rilevare i cambiamenti dell’ambiente circostante (e reagire di conseguenza) è essenziale per determinarne la sopravvivenza.



Licenza Creative Commons




Crediti :

Greenme

Continua a leggere

Lab

Reti sociali: un modello per studiare gli effetti della propagazione virale

Pubblicati su “Plos One” i risultati di una ricerca dell’Università Statale di Milano che ha messo a punto un software per la simulazione di fenomeni di propagazione virale all’interno di reti sociali e dei loro effetti sulla conoscenza che gli individui maturano riguardo al tema al centro dell’epidemia

Pubblicato

il

© Science Photo Library RF

Lo studio pubblicato su Plos One propone un modello per descrivere come la diffusione di un fenomeno virale in una rete sociale (per cui si usa spesso il termine di epidemia, riferito non solo a malattie ma anche a dipendenze e alla diffusione di opinioni) influenzi la conoscenza che di esso hanno gli individui, determinando comportamenti differenti, volti in alcuni casi a prevenire il contagio, in altri a favorirlo. La ricerca evidenzia come il risultato delle modifiche nei comportamenti vada a cambiare la diffusione virale.

Il lavoro si inserisce nell’ambito degli studi di coevoluzione di sistemi complessi in presenza di fenomeni epidemici: una rete sociale (digitale o non digitale) ha caratteristiche tipiche dei sistemi complessi e le due dinamiche, la diffusione virale e i comportamenti degli individui, si influenzano vicendevolmente, coevolvono.

Definire dei meccanismi di variazione della conoscenza sufficientemente semplici da poter essere modellati e simulati con un tool software appositamente sviluppato è stato lo scopo dello studio.

Il modello è stato ideato e coordinato da Marco Cremonini dell’Università di Milano e sviluppato insieme a Samira Maghool, dottoranda in Fisica dell’Alzhara University di Teheran (Iran) e visiting researcher presso il dipartimento di Informatica dell’ateneo milanese da settembre 2018.

Per il modello e il simulatore è stato usato un approccio multi-agente, nel quale gli individui vengono rappresentati da componenti software (agenti) che eseguono azioni sulla base delle informazioni che ricavano dalla rete sociale di agenti; come il linguaggio di programmazione è stato scelto Python.

Per gli autori è stato importante lavorare in particolare su alcuni aspetti caratterizzanti e nuovi:
–  definire la conoscenza acquisita dagli agenti come prodotto di componenti distinte: la conoscenza pregressa individuale, l’osservazione del contesto locale ed eventuali stimoli provenienti da agenti connessi;
–  adottare l’imitazione come il meccanismo fondamentale per adattare la conoscenza, prevedendo scenari diversi, dalla pura osservazione del contesto locale e adozione di precauzioni, tipico del caso di epidemie biologiche, all’imitazione del comportamento di gruppi sociali di riferimento, tipico nel caso di dipendenze o la diffusione di idee;
–  prevedere che le variazioni di conoscenza avrebbero potuto comportare sia una riduzione sia un’accelerazione della propagazione del fenomeno virale.

Lo studio ha introdotto elementi di novità nell’ambito dei modelli di coevoluzione dinamica per fenomeni epidemici complessi.

Scenari riconducibili al modello studiato sono molteplici, non solo i casi biologici tradizionalmente considerati dall’epidemiologia, ma soprattutto le molteplici varianti di propagazione di idee, opinioni, rumor, fake news e false credenze all’interno di reti sociali, digitali e non digitali. Un altro scenario interessante e ancora poco studiato riguarda la propagazione di malware in reti di computer, per le quali esiste una coevoluzione tra azioni guidate esclusivamente da tecnologie e reti sociali con le azioni di operatori e utenti.

“Nonostante i limiti dovuto alla modellazione dei fenomeni e all’utilizzo di un modello di rete sociale e di dati artificiali, lo studio fornisce spunti innovativi per l’interpretazione di sistemi complessi che, come la rete, presentano caratteristiche di coevoluzione, ovvero dinamiche che si influenzano vicendevolmente. Capire gli effetti della percezione e della conoscenza che le persone hanno di un fenomeno epidemico è importante per comprendere la dinamica di un sistema sociale complesso, per migliorare.



Licenza Creative Commons




Continua a leggere

Chi Siamo

Vuoi ricevere le notizie?

Dicono di noi

DAL MONDO DELLA RICERCA

  • Le Scienze
  • Nature (EN)
  • Immunologia

Comunicato stampa - Una pellicola sottilissima e biodegradabile in grado di rivestire volumi di acqu [...]

Comunicato stampa - Un nuovo strumento bioinformatico individua rapidamente le alterazioni del genom [...]

Comunicato stampa - Individuate le relazioni causa-effetto che hanno determinato lo sciame simico du [...]

Nature, Published online: 03 April 2020; doi:10.1038/d41586-020-00998-2But some experts say author S [...]

Nature, Published online: 03 April 2020; doi:10.1038/s41586-020-2203-2Author Correction: Self-verify [...]

Nature, Published online: 03 April 2020; doi:10.1038/d41586-020-01027-yStaying at home is not an opt [...]

Comunicato stampa - Lo rivela uno studio condotto dal Cnr-Ibcn in collaborazione con il laboratorio [...]

Una molecola che si trova nei vasi sanguigni e interagisce con il sistema immunitario contribuisce a [...]

Comunicato stampa - Uno studio internazionale pubblicato su The Lancet mette in discussione la sicur [...]

Sismografo Live

Archivio

LunMarMerGioVenSabDom
 12345
6789101112
13141516171819
20212223242526
27282930 

 

 

 

 

 

I più letti