Hitachi asegura poder predecir crímenes antes que ocurran

Hitachi asegura poder predecir crímenes antes que ocurran

Comparta este Artículo en:

Hitachi ha introducido un sistema que promete predecir dónde y cuándo es más probable que ocurra un crimen investigando una serie de datos desde estadísticas criminales a los mapas de transporte público, desde la previsión meteorológica a las redes sociales.

Hitachi asegura que seis ciudades de los Estados Unidos se unirán a la prueba de concepto de la tecnología a partir de octubre.

Hitachi cuenta con su Predictive Crime Analytics (PCA), cuyo “superpoder” es recoger una cantidad inmensa de datos de sensores y datos de Internet de múltiples fuentes.

Tras recopilarse los datos, entra en juego el machine learning o aprendizaje automático, empleando un software estadístico que trata toda esa información con el fin de encontrar patrones que los seres humanos serían incapaces de encontrar.

“Una persona no puede manejar decenas o cientos de variables que podrían afectar a la hora del crimen”, dice Lipscomb, “como el clima, las redes sociales, la proximidad a las escuelas, las estaciones de metro, las llamadas al 911, etc.”

El machine learning es la nueva meca de la Inteligencia artificial y, por ende, del futuro.

El objetivo es construir una red computacional distribuida que aprenda de los datos recopilados para extraer patrones y anomalías que nosotros los seres humanos no somos capaces de detectar por la increíble cantidad de datos a analizar y operaciones matemáticas a realizar.

No es algo nuevo, pero sí su implementación ahora posible por Amazon Web Services, Microsoft Azure o el propio sistema de Hitachi, donde se aloja el PCA.

“Aplicar el aprendizaje automático es un gran cambio a cómo se despachan estas situaciones en la policía tradicional”, aseguran varios ejecutivos del departamento de seguridad publica de Hitachi.

Hitachi no es la única compañía que proporciona servicios de supervisión de seguridad pública.

If is know the exact cause, can discount online viagra be indicate the correct treatment. The National Institute of Health Stoke Scale is used to determine the level of disfigurement of the patient caused viagra samples from doctor by stroke. A simple blood test will find out if you have anemia. cheapest cialis 20mg They are mostly spam emails offering heavy lowest cost viagra discounts on drugs as they are drafted with an intention to steal your credit cards details. Lo importante es que dicen ser únicos en su uso del machine learning, al permitir que los datos realicen las predicciones en lugar de esperar a ser analizados a través de una noción preconcebida por el usuario previamente.

Hitachi Predictive Crime Analytics foto 2
Tradicionalmente, los investigadores policiales crean modelos de predicción de crímenes basados en su experiencia con ciertas variables como localizaciones de lugares claves o ciertas palabras en redes sociales.

Asignan un peso a cada variable en la ecuación basado en su juicio.

Los sistemas de Hitachi, a diferencia, no requieren interacción humana alguna, sólo introducir los datos y, en unas semanas, te dirá si hay una correlación.

Las redes sociales son una gran herramienta para predecir crímenes, por ello Hitachi usa un algoritmo para procesar lenguaje natural, es decir la habilidad de un computador para entender lenguaje coloquial escrito o hablado.

Por ejemplo, las redes sociales permiten conocer entre qué barrios hay ciertas tensiones y por las localizaciones y horas entender, de forma más o menos delimitada, cuándo y dónde podría ocurrir un crimen.

La Policía jamás podría delimitar algo así y muchas veces establece la relación entre el contenido en las redes y el crimen meses después de que ocurra, no semanas antes.

El PCA de Hitachi se sirve de una interfaz de mapa con códigos de colores indicando la intensidad de los diferentes tipos de crimen, de esta forma los equipos policiales pueden estar mejor preparados para prevenir los sucesos.

Anteriormente habíamos detallado otra herramienta para predecir crímenes llamada PredPol

Fuente: Hipertextual

Leave a Reply

Your email address will not be published. Required fields are marked *