人工智能已经学会利用2014年至2016年底，芝加哥暴力和财产犯罪的公开数据来识别时间和地理位置的模式，能够提前几周准确预测犯罪水平。该模型还在美国其他7个主要城市的数据上进行了训练和测试，它们的表现水平类似。

　　然而，人工智能的结论也表明，整个城市的警察反应中都存在与种族有关的偏见。根据发表在《自然人类行为》杂志上的研究，芝加哥较富裕地区的犯罪导致的逮捕人数比贫困地区更多。

　　该研究的资深作者伊沙努•查托帕德海伊说：“我们发现，当给系统施加压力时，它需要更多资源来逮捕更多人以应对富裕地区的犯罪，而把警力资源从社会经济地位较低的地区引开。”

　　该工具通过关注两大类报告事件进行了测试和验证，比如暴力犯罪和财产犯罪。这些是城市地区最有可能向警方报案的罪行。

　　以前的犯罪预测工作经常使用流行病或地震方法，其中犯罪被描述为出现在“热点”并蔓延到周边地区。这些工具往往忽略了城市环境以及犯罪与警察执法效果之间的关系。

　　“空间模型忽略了城市的自然拓扑结构，交通网络尊重街道、人行道、火车和公交线路。通讯网络尊重具有相似社会经济背景的地区。我们的模型能够发现这些联系。”社会学家和合著者詹姆斯·埃文斯说。

　　新模型将城市划分为大约300米宽的空间块，并预测这些区域内的犯罪行为，而不是依赖传统的社区或政治边界，这些也会受到偏见的影响。

　　由于存在偏见风险，之前使用人工智能工具预测犯罪的努力一直备受争议。芝加哥警察局试验了一种算法，创建了一份被认为最有可能卷入枪击事件的人的名单，结果显示，该市20至29岁的黑人男性中，有56%出现在名单上。

　　Chattopadhyay承认，他的模型使用的数据也会有偏差，但他表示，已经采取了措施来减少这种影响，而且人工智能不能识别嫌疑人，只能识别潜在的犯罪现场。该团队还向公众发布了数据和算法，以便其他研究人员可以检查其推理和结论。

　　Chattopadhyay说：“我们创建了城市环境的数字孪生。如果向它提供过去发生的事情的数据，它就会告诉你未来会发生什么。但它并不神奇，它也有局限性，但我们对其进行了验证，并且效果非常好。”