英國正在試驗一種機器學習算法的概念驗證,該算法可以在警察隊伍內部的問題影響到公衆之前對其進行評級和檢測。報告稱,它更像是一種“預警預測工具”。
到目前爲止,負責檢查英格蘭和威爾士警察部隊的英格蘭警察和消防救援服務監察局(HMICFRS)一直依靠“PEEL”評估來確保警察表現出最佳水平。
英國的 PEEL 框架存在時效性問題
PEEL 代表警察效能、效率和合法性。從本質上講,它衡量的是警察解決犯罪和保障人們安全的能力。它還有助於檢查警察是否明智地使用他們的資源以及他們是否得到公眾的信任和信心。
自 2014 年以來,該框架一直用於對英格蘭和威爾斯的 43 支警察部隊進行評級。
PEEL 模型雖然有效,但存在時效性問題。
HMICFRS 檢查員透過審查數據、觀察工作中的官員,甚至與公眾和警察人員交談來進行這些評估。根據他們的發現,他們然後為部隊分配等級。
該程序要求 HMICFRS 僅對問題做出反應,而不是主動採取行動。因此,當警察部隊內部發現嚴重問題時,其影響可能會蔓延或影響公眾。
HMICFRS 將使用人工智慧對警察進行評分
HMICFRS 與加速能力環境 (ACE) 一起與倫敦數據公司合作開發機器學習演算法,HMCFRS 洞察投資組合總監 Jacquie Hayes 表示,該演算法得出了與他們的檢查過程“非常相似的結論”,但是它發生得更快,因此使社區更安全。
人工智慧演算法在大約八週內建置完成。它使用來自 999 電話、內政部和國家統計局的公開數據。據報告稱,該工具在大約 60% 的情況下準確預測了力的 PEEL 等級。
目前來看,人工智慧似乎將成為英格蘭和威爾斯警察部隊分級和檢查程序的核心部分。
目前,人工智慧演算法僅針對 PEEL 評估問題之一進行訓練:部隊調查犯罪的能力如何。然而,HMCFRS 計劃在未來 18 個月內將該工具擴展到其他 PEEL 問題,並將其部署到其實時系統和整體檢查流程。
海耶斯說:“我們現在正在探索如何利用收集到的數據做更多事情,以及我們可以將其擴展到哪些其他 PEEL 問題。”
海耶斯確認該工具的啟動並不意味著檢查團隊將被更換。然而,他們計劃用它做很多應用方面的事情,包括將其擴展到消防和救援部門。
海耶斯補充道:“消防和救援也在清單上,但清單很長,因為我們想用它做很多事情。” “你不能用人工智慧取代我們的檢查團隊,但我們當然可以考慮這對我們的檢查方式意味著什麼,我認為這將會產生影響。”