63
Generación de talento Big Data en España
3.1.4.CASO: PREVENCIÓN DE DELITOS UTILIZANDO BIGDATA Y SISTEMAS DE APRENDIZAJE AUTOMÁTICO Quizás uno de los ejemplos más ilustrativos del alcance disruptivo que estas nuevas tecnologías están produciendo en el ámbito de las Administraciones Públicas sea el uso de los datos en tiempo real y de los algoritmos de apren- dizaje automático (aprendizaje automático) para la prevención de delitos. En los medios 39 han ido apareciendo diferentes aproximaciones a este escena- rio ya anticipado en el libro y película “Minority Report” en el que utilizando las capacidades de anticipación (pre-cognitivas) de unos hermanos la policía era capaz de visualizar y actuar ante delitos que todavía no se habían producido. Este escenario de ciencia-ficción ahora ya se ve posible. Se está materiali- zando en diferentes soluciones informáticas que tienen este conjunto de elementos como denominador común: Utilizan fuentes de datos pseudo-abiertos: - Las generadas por las propias fuerzas del orden (Policía Municipal, del Condado, etc). - Datos geográficos de alta precisión, generados por oficinas guberna- mentales o las propias entidades municipales. Sobre las fuentes de datos básicos, se construyen algoritmos de apren- dizaje automático que son capaces de predecir en función del histórico de patrones de delitos tanto en su componente espacial (¿dónde se va a produ- cir?) como en su componente temporal (¿cuándo se van a producir?). Los modelos se construyen y se actualizan en tiempo pseudo-real. Los siste- mas se retroalimentan de manera continua con los nuevos datos generados. Se utilizan potentes herramientas de visualización, en los que se superponen las predicciones de los modelos estadísticos con los datos geográficos (mapas). Estas soluciones sin las capacidades de integración de diferentes datos en modo masivo (utilizando arquitecturas de BigData) y las tecnologías más recientes de tiempo-real (arquitecturas para procesar datos en directo). Aunque las ventajas desde el punto de vista de planificación del trabajo son evidentes, siguen suscitando dudas sobre su componente de violación de la privacidad. En cualquier caso, este tipo de soluciones agregadas, unificando diferen- tes datos abiertos generados por las propias instituciones públicas abren enormes posibilidades de colaboración efectiva entre las diferentes institu- ciones y muy en pro de servir al ciudadano en una gran variedad de necesi- dades básicas.
39 Recuperado en: http://www.nytimes.com/2011/08/16/us/16police.html (accesible en marzo 2017). Recuperado en https://www.nytimes.com/2015/09/25/us/police-program-aims-to-pinpoint-those- most-likely-to-commit-crimes.html (accesible en marzo 2017). Recuperado en https://www.wired.com/ insights/2013/08/predictive-policing-using-machine-learning-to-detect-patterns-of-crime/ Recuperado en http://www.quantumrun.com/prediction/predicting-crimes-they-happen-future-policing-p4. Recuperado en https://www.scientificamerican.com/article/the-department-of-pre-crime/ (accesible en marzo 2017 – es un artículo de pago).
Made with FlippingBook - Online Brochure Maker