Current Utilization of Predictive Policing Algorithms in Europe and the USA

Abstract

In the wake of the increasing prevalence of artificial intelligence and algorithms in the public sphere, attention has been directed towards enhancing crime prevention tactics, particularly through predictive policing. The topic has gained attention in media discussions in recent years even though predictive policing is not a new tool as its roots are extending back to the prelude of the 21st century when predictive policing tools were first deployed in the United States. Still, most predictive policing tools are focusing on street crime prediction. For example, predictive mapping is predicting the location and the time when street crimes are likely to occur. Predictive policing has also been used to predict the potential perpetrators and victims of street crime based on a wide range of crime data. In the future, as technological developments advance even more, predictive policing tools have great potential in crime prevention and therefore, research on this topic is essential.

The primary objective of this thesis is to identify the predictive policing tools currently being utilized by police and other authorities in European countries and the United States. The investigation focuses on what tools exist and whether they are based on predictive mapping or are person-based. Furthermore, the thesis also examines the specific crimes these tools are predicting, i.e. street crimes or white-collar crimes and identifies criminal charges that the tools are designed to predict. The results of the study are based on Google searches on the websites, which in practice refers to the public data. The results show that there are nearly six times more street crime tools than white-collar crime tools (64 vs 11, respectively). White-collar crime tools primarily concentrate on offenses that individuals can commit independently, including activities like tax fraud and welfare fraud. For example, corporate crimes and governmental crimes have completely been left out of predictive policing. In respect of street crimes, crime control focuses mostly on predicting property crimes and serious violent crimes. These results are then analyzed and interpreted in the light of criminological white-collar crime theories. The conclusion of the thesis is that predictive policing tools are currently focusing mostly on street crime prediction and prevention, and that so-called invisible white-collar crime remains out of reach of predictive policing.

Tehokkaamman rikostorjunnan keinot, erityisesti ennakoivan poliisitoiminnan työkalut (eng. predictive policing) ovat puhuttaneet mediassa viime vuosina uusien työkalujen, kuten tekoälyn ja algoritmien yleistyessä myös aivan tavallisien ihmisten käyttöön. Ennakoiva rikostorjunta ei ole uusi käsite, sillä jo ennen 2000-luvun vaihdetta ennakoivia poliisitoiminnan työkaluja on ollut käytössä esimerkiksi Yhdysvalloissa. Suurin osa työkaluista on kuitenkin keskittynyt ja keskittyy tällä hetkellä katurikoksiin (eng. street crimes). Katurikosten tapahtumapaikkoja ja -aikoja on pyritty ennustamaan ennakoivan kartoituksen (eng. predictive mapping) avulla. Myös katurikosten potentiaalisia tekijöitä ja uhreja (eng. person-based) on monipuolisen rikosdatan perusteella perusteella pyritty ennustamaan ennakoivalla poliisitoiminnalla. Tulevaisuudessa ennakoivan poliisitoiminnan työkaluilla on paljon potentiaalia teknologisen kehityksen kasvaessa, ja näin ollen tämän aiheen tutkiminen on olennaista.

Tässä tutkielmassa kartoitan, millaisia rikollisuuden ennakointityökaluja on ollut aiemmin käytössä ja on tällä hetkellä käytössä Euroopan eri maiden ja Yhdysvaltojen poliiseilla ja muilla viranomaisilla. Tarkemmin paneudun siihen, minkä nimisiä työkaluja on olemassa ja perustuvatko ne kartoitukseen vai henkilöennakointiin. Lisäksi tutkin sitä, minkälaisia rikoksia työkalut ennakoivat, eli katu- vai talousrikoksia. Pyrin tutkimuksessani löytämään tarkkoja rikosnimikkeitä, joita ennakoimaan työkalut on suunniteltu. Tutkimukseni tulokset perustuvat Google-hakuihin erilaisilla verkkosivustoilla, joka käytännössä tarkoittaa sitä, että kaikki tulosten tiedot ovat julkisia. Tutkimuksen tulokset osoittavat, että katurikostyökaluja on lähes kuusi kertaa enemmän kuin talousrikoksiin liittyviä ennakoivan poliisitoiminnan työkaluja (64 vs. 11, vastaavasti). Talousrikosten työkalut keskittyvät pääasiassa rikoksiin, joita yksilöt tekevät itsenäisesti, kuten vero- ja sosiaalietuuspetokset. Esimerkiksi yritysrikokset ja hallitusten tekemät rikokset on jätetty rikoskontrollin ulottumattomiin. Katurikosten osalta torjunta keskittyy pääsiassa omaisuusrikosten ja vakavien väkivaltarikosten ennustamiseen. Näitä keräämiäni tuloksia analysoin ja tulkitsen kirminologian talousrikosteorioiden valossa. Tutkimukseni johtopäätelmä on, että ennakoiva rikotentorjunnan toimet kohdistuvat tällä hetkellä suurimmaksi osaksi katurikoksiin ja ns. näkymättömät talousrikokset jäävät ennakoivan rikostorjunnan tavoittamattomiin.