یک الگوریتم هوش مصنوعی قادر است وقوع جرم را از یک هفته قبل از آن پیشبینی نماید. این الگوریتم توسط دانشگاه شیکاگو طراحی شده و گفته میشود دقتی ۹۰ درصدی دارد.
دانشگاه شیکاگو یک الگوریتم هوش مصنوعی طراحی کرده که قادر است جرایم را تا یک هفته قبل از وقوع پیشبینی کند. این الگوریتم از دقت ۹۰ درصدی برخوردار است.
محققان دانشگاه شیگاکو الگوریتمی طراحی کرده و آن را با دادههای زمانی و جغرافیایی از جرایم به وقوع پیوسته در شهر شیکاگو تمرین دادهاند. این الگوریتم موفق شده وقوع جرم را تا یک هفته پیش از آن و با دقتی ۹۰ درصدی پیشبینی کند.
-

هدست بلوتوثی ریمکس مدل TWS-33
۱,۱۵۰,۰۰۰ ﷼ انتخاب گزینهها این محصول دارای انواع مختلفی می باشد. گزینه ها ممکن است در صفحه محصول انتخاب شوند -

شلوار جین زنانه آر اِن اِس مدل ۱۰۴۱۱۳-۵۰
خرید محصول -

ساق دست آکوایکس کد RG-HS 101
خرید محصول -

قوزبند و کتف بند طب و صنعت مدل ۵۲۲۰
۳,۱۲۹,۹۰۰ ﷼ خرید محصول -

لانه پرنده مدل کلبه ای کد ۱۸۱۲۱۲
۴۲,۰۰۰ ﷼ انتخاب گزینهها این محصول دارای انواع مختلفی می باشد. گزینه ها ممکن است در صفحه محصول انتخاب شوند -

پیش بند کودک مدل Happy Farm 1
خرید محصول -

بخاری گازی پلار مدل 5PN
خرید محصول -

سیست آرتمیا مدل دکپسوله A009 وزن ۱۲ گرم
اطلاعات بیشتر
محققان همچنین دادههایی از هفت شهر دیگر کشور آمریکا را با این الگوریتم مورد بررسی قرار دادهاند. یکی از حاضران در این تحقیق، توضیحاتی درباره آن ارائه داده است؛
ما یک شبیهسازی از محیط شهری درست کرده و آن را با دادههایی از جرم و خشونت در گذشته تغذیه کردهایم. الگوریتم توانسته با این دادهها، آنچه در آینده اتفاق خواهد افتاد را پیشبینی نماید. البته محدودیتهایی وجود دارند ولی الگوریتم بسیار خوب کار میکند.
با استفاده از این الگوریتم میتوان چگونگی افزایش وقوع جرم در یک منطقه را بررسی کرد و تاثیرات افزایش حضور ماموران امنیتی در یک محیط را مورد مطالعه قرار داد.
در طراحی الگوریتم از طبقهبندی معمول شهری به محلههای مختلف چشمپوشی شده و شهر به قسمتهایی به طول ۳۰۵ متر تقسیم شده است.
مدلهای تیم تحقیقاتی دانشگاه شیکاگو نشان میدهند که وقوع جرم در مناطق با درآمد بالاتر، به دستگیری بیشتری در مقایسه با مناطق فقیر ختم شده است.
این یعنی منابع پلیس به جای حضور و خرج در مناطقی با پتانسیل مالی و اجتماعی برای وقوع جرم، در مناطق پولدارتر متمرکز هستند.







