A ferramenta que permite saber quando e onde acontecerá um crime
Técnicas de análise de dados despontam como ferramentas úteis para a polícia É possível analisar a probabilidade da ocorrência de um delito numa determinada área
Ficaram para trás os justiceiros de gibi, de passado sombrio e moral duvidosa. Também os heróis disfarçados de músculos e cores. Quem começou a frequentar as corporações policiais para facilitar a prevenção do crime e a caça aos criminosos foi o big data.
O processamento de grandes volumes de dados se tornou uma ferramenta para prever quando e onde um crime terá lugar. Assim, a polícia envia patrulhas à área para dissuadir os potenciais delinquentes.
A Polícia de Memphis (EUA) afirma que, graças ao big data, a incidência de crimes sérios diminuiu 30%, sendo que os episódios violentos tiveram uma redução de 15%. Numa determinada área de Richmond, a capital do Estado da Virgínia, a polícia conseguiu uma queda de quase 30% nos crimes violentos e homicídios no período de um ano. Ambos os departamentos policiais usam sistemas da IBM para prever os delitos.
Também nos Estados Unidos, a cidade de Reading, na Pensilvânia, registrou uma redução da criminalidade após adquirir um software de prognósticos para segurança pública. Em 14 meses, o número de roubos caiu 23%, apesar da redução do contingente policial nesse período. A chave foi o algoritmo da PredPol, uma startup californiana que usa o big data para prever o comportamento da criminalidade.
“Trabalhamos em prever quando e onde é mais provável que ocorram delitos”, diz Jeff Brantingham, cofundador da PredPol. Eles jogam com margens temporais muito estreitas — previsões para as próximas 10 ou 12 horas —, e as áreas marcadas também são muito concretas, 150 x 150 metros.
“Não dizemos que com toda certeza que aqui ocorrerá um delito. Atribuímos uma probabilidade de que ocorra um delito numa determinada localização”, esclarece Brantingham. Para isso, usam uma matéria-prima surpreendentemente simples. “A única informação que usamos são os dados históricos: que tipo de delito é, onde ocorreu e quando”.
Ramiro Rego, especialista em análise de dados da IBM, revela um trabalho mais complexo na compilação de dados. É preciso combinar o conteúdo dos boletins policiais, às vezes escritos à mão, com informações meteorológicas (a criminalidade diminui quando chove ou neva) e com determinadas conjunturas, como se é dia de pagamentos (nos Estados Unidos muitas empresas ainda usam cheques).
Os sistemas da IBM vão além da mera previsão. Uma amostra é o trabalho feito pela polícia em Miami. “Em Miami Bay reduzem as listas de suspeitos ou incluem alguns novos que eles não haviam pensado”, comenta Rego. “Isto não quer dizer que não sejam investigados todos os da lista. Mas ajuda a começar pelos mais significativos.”
O algoritmo discrimina entre os suspeitos quando a polícia já tem informação sobre eles. Levando-se em conta seu comportamento em outras ocasiões, ele fixa uma probabilidade de que sejam responsáveis pelo crime cometido. “Isto não vai substituir em hipótese alguma a experiência nem o valor da polícia. Na verdade, estas tecnologias ajudam com números a polícia a tomar decisões mais rapidamente”, explica o especialista.
A situação na Espanha
Na Espanha, o que existe de mais parecido com essa tecnologia é o trabalho de Miguel Camacho, inspetor da Polícia Nacional. Como parte do seu doutorado em Matemática e Estatística, que incluiu uma bolsa Fullbright em Los Angeles, onde colaborou com a PredPol, Camacho concebeu um sistema que combina ferramentas de previsão com a distribuição das patrulhas. Estaria adaptado ao Corpo Nacional de Polícia da Espanha e “ajudaria a otimizar o uso eficiente dos recursos humanos disponíveis”, detalha o agente.
O modelo leva em conta a previsão de delitos e os recursos da polícia, de modo a otimizar a rota das patrulhas e cobrir os espaços potencialmente mais problemáticos. Camacho já desenvolveu a parte matemática, mas faltaria transformá-la em software. Por enquanto, a Polícia tem o trabalho em fase de estudo, embora também tenha recebido cartas de outros países interessando-se pelo projeto.
Até onde deve chegar a previsão do crime?
"Tudo o que for informação massificada vale a pena. Mas fazer perfis pessoais de potenciais infratores é uma barreira que não se deveria ultrapassar. Isso exigiria uma análise muito conscienciosa", opina Camacho, referindo-se ao temor de discriminação racial nesses algoritmos.
Sem que lhe peça, Brantingham traça diferenças com o filme Minority Report. Esclarece que não se trata de prever quem vai cometer um crime ou se transformar em criminoso. “O algoritmo não inclui informação pessoal, como quem são os delinquentes, seu aspecto, sua raça ou sua condição socioeconômica”, diz.
Outra inquietação que esses sistemas despertam é que os crimes se transfiram de uma área para outra. Brantingham minimiza esse risco: “Se a polícia está tendo impacto no índice de criminalidade de uma área e este começa a subir em outra, o algoritmo adaptará suas previsões para confrontar os novos patrões”, afirma. O software nunca deixa de aprender, nunca descansa.
