Il dipartimento di polizia di New York potrebbe presto analizzare i tweet geolocalizzati per predire i crimini. Sembra uno scenario da fantascienza alla Minority Report, ma quando ho contattato Matthew Greber, ricercatore dell’Università della Virginia, ho scoperto che il suo sistema è molto più matematico che metafisico.

Il sistema che Greber ha messo a punto è un miscuglio di tecniche vecchie e nuove. Attualmente, molti dipartimenti di polizia prendono di mira i punti caldi delle attività criminali basandosi su eventi reali legati alla criminalità. Questo approccio, chiamato stima kernel della densità (KDE), prevede l’associazione di uno storico criminale con una posizione geografica e una funzione di probabilità per calcolare la possibilità di quanti crimini si potrebbero verificare in futuro in quella zona.

Anche se la KDE rappresenta un approccio funzionale per anticipare la criminalità, impallidisce di fronte al dinamismo del flusso di dati in tempo reale di Twitter, secondo quanto dice la ricerca di Gerber “Predicting Crime Using Twitter and Kernel Density Estimation.”

L’approccio di Greber è simile alla KDE, ma si occupa nel regno etereo di dati e linguaggio, non quello delle scartoffie. Il sistema prevede la mappatura dell’ecosistema Twitter, in modo molto simile a come la polizia mappa l’ambiente fisico con la KDE. La grande differenza è che Greber guarda a ciò che viene detto dalla gente in tempo reale, così come alle loro azioni dopo un evento criminoso, per vedere quanto bene essi corrispondano.

Gli algoritmi vanno in cerca di un certo tipo di linguaggio che potrebbe indicare l’imminente verificarsi di un crimine nella zona, dice Greber. “Potremmo osservare le persone che parlano di andare al bar, ubriacarsi, seguire eventi sportivi e così via. Sappiamo che questo genere di eventi è in correlazione con la criminalità, ed è proprio ciò su cui i modelli raccolgono dati.”

Una volta raccolte le informazioni, i tag GPS nel tweet permettono a Greber e al suo gruppo di assegnarli a una mappa virtuale e delineare i punti caldi per potenziali reati. Tuttavia, chiunque twitti le sue intenzioni di andarsi a sbronzare al bar non è necessariamente intenzionato a commettere un crimine. Greber verifica l’ esattezza del suo approccio confrontando le previsioni di Twitter con le previsioni tradizionali KDE basate sui dati della polizia. La grande domanda è: funziona? Per Greber, la risposta è un secco “a volte.” “Aiuta in alcuni casi, e in altri è dannosa,” dice.

Immagine: Devin Smith/Flickr

Secondo i risultati dello studio di Greber, l’analisi basata su Twitter ha prodotto miglioramenti nella precisione predittiva rispetto ai metodi tradizionali KDE per stalking, danneggiamenti e gioco d’azzardo. Su incendi dolosi, rapimenti e intimidazioni, d’altra parte, è stata riscontrata una diminuzione della precisione rispetto alla tradizionale analisi KDE.

Non è chiaro perché questi crimini siano più difficili da prevedere con l’utilizzo di Twitter, ma lo studio rileva che il problema potrebbe risiedere nel tipo di linguaggio utilizzato sul servizio di microblogging, che è caratterizzato da uno stile stenografico e da un linguaggio informale che possono essere difficili da analizzare da parte degli algoritmi.

Questo tipo di approccio alla prevenzione della criminalità ad alta tecnologia porta in primo piano il dibattito sulla privacy e l’uso dei dati degli utenti per scopi per cui non hanno esplicitamente espresso il proprio consenso. Il caso diventa particolarmente delicato quando i dati sono utilizzati dalla polizia per rintracciare i criminali.

Su questo punto dolente, nonostante riconosca un certo scetticismo post-Snowden per quanto riguarda la raccolta dati a fini pubblici, Greber è del tutto indifferente. “La gente si iscrive a Twitter per avere i propri tweet etichettati con i dati GPS. È una scelta opt-in, e se non lo fai, i tuoi tweet non saranno catalogati su base geografica,” dice. “Twitter è un servizio pubblico, e penso che le persone siano abbastanza consapevoli di ciò.”

Greber insiste sul fatto che non ci sia alcun pericolo di ripercussioni individuali per quanto riguarda l’uso di Twitter per le previsione criminali, dato che il sistema—anche se registra i singoli nomi degli utenti—non costruisce modelli basati sugli individui, né identifica i veri responsabili dei crimini. Nonostante tutto, il vero problema non è la stigmatizzazione degli individui da parte della polizia, bensì quella nei confronti di gruppi etnici e quartieri. Dopo tutto, l’utilità di questa tecnologia risiede nel favorire una allocazione più efficiente delle forze di polizia (agenti, pattuglie, ecc) per specifiche aree geografiche.

Un alibi tecnologico igienizzato dall’analisi matematica.

Tuttavia, Greber non pensa che il suo sistema possa discriminare alcune zone della città. “Qualcuno potrebbe dire che potrebbe portare la polizia a bersagliare certi quartieri, e cose del genere, ma il punto è che lo fa già sulla base delle informazioni attuali. La polizia sa che ci sono alcuni quartieri difficili, e li tiene d’occhio con pattuglie supplementari, raid, e cose del genere.”

Sembra un po’ una tautologia. L’analisi basata su Twitter non discriminerebbe quartieri o gruppi presi di mira dalla polizia, ma solo perché la sorveglianza mirata è già una scelta di routine. Anche se non ci sono ancora dati a supporto di queste decisioni, sembra che i modelli di previsione su Twitter divisi per quartieri—intendiamoci, “difficili” è solo un nome in codice per dire “a maggioranza non-bianca”—possano servire da incarnazione virtuale dei controlli a tappeto che già imperversano a New York.

Anche se questi modelli predittivi basati sui social media non prendono di mira in modo esplicito i quartieri popolati dalle minoranze etniche, l’effetto potrebbe essere lo stesso, come nota Greber, ma con un alibi tecnologico igienizzato dall’analisi matematica.

Un’analisi sulle previsioni dei crimini basata sui tweet potrebbe presto entrare in funzione in quartieri come il Queens e il Bronx, dice Greber sulla base del fatto che il NYPD ha espresso interesse per avviare programmi pilota in questi distretti. Tuttavia, osserva il ricercatore, l’adozione diffusa di questa tecnologia è ancora un’ipotesi lontana, dato che devono essere ancora fornite le prove del fatto che riduca davvero i tassi di criminalità.

Se un giorno questa pratica dovesse essere adottata da dipartimenti di polizia tecnologicamente progressisti, non ci sarà solo il vostro datore di lavoro a tenere d’occhio i tweet in cui dite che state andando al bar a farvi un paio di bevute—ci saranno anche i poliziotti.