Un proxecto de intelixencia artificial axuda xa a esclarecer a autoría de incendios

Un innovador prototipo baseado na intelixencia artificial, chamado PerfilNet.Pyros, axuda xa a esclarecer a autoría de incendios forestais, nun proxecto liderado pola Fiscalía de Medio Ambiente e a Secretaría de Estado de Seguridade, cun desenvolvemento a cargo de investigadores da Universitat Autònoma de Barcelona (UAB).

Segundo explican os investigadores Rosario Delgado e Xavier-Andoni Tibau, integrantes do grupo de Métodos Cuantitativos en Criminoloxía da Universitat Autònoma de Barcelona, os axentes que indagan na recente vaga de incendios de Galicia —na que faleceron catro pesoas e houbo 49.000 hectáreas queimadas— "xa poden consultar e usar" este prototipo.

PerfilNet.Pyros é un sistema experto baseado en redes bayesanas, o que significa "un sistema informático de intelixencia artificial con capacidade para aprender, razoar, comunicar e axudar a obter conclusións lóxicas a partir dos datos existentes", neste caso en relación co perfil de incendiarios. Ademais da "aprendizaxe autónoma do sistema", "permite facer predicións bastante axustadas".

"É a primeira vez que se crea unha ferramenta de perfilado criminal baseada en redes bayesanas", sinalan estes investigadores da UAB á hora de definir o avance que supón neste campo o proxecto.

De tal forma, este prototipo permite aos investigadores dun lume forestal predicir o perfil do incendiario a partir dos feitos coñecidos, cuxos valores deben introducirse na plataforma (véxase o momento do incendio ou o tipo de terreo), o que arroxará os valores máis probables en función de algoritmos apoiados nunha base de datos.

E é que esta aplicación xa se atopa aloxada nun servidor ao que os axentes teñen acceso. "Esperamos que lles sexa de moita utilidade", din.

UNHA PREDICIÓN UN 20% MELLOR

A taxa de acerto dos perfís deste sistema roldan o 80% en variables "moi importantes" para a investigación, nas que "se necesita maior acerto", como son se a persoa ten antecedentes delituosos, se está en tratamento psicolóxico ou se existe rexistro de abuso de drogas.

En cambio, a variable con menos acerto é a idade (27,6%), seguida de situación laboral (34,7%). Cuestións como permanencia no lugar dos feitos ou se convive con outras persoas roldan o 50%. A motivación do incendio está no 61% e a sociabilidad no 69%.

Delgado e Tibau apuntan que, aínda que unha taxa de acerto do 50% para cuestións como nivel de estudos "poida parecer baixa", en realidade "dobra a que se obtería predicindo simplemente ao azar".

O feito é que durante o proceso de avaliación enfrontouse aos investigadores de incendios de cada provincia con máis anos de experiencia con este sistema. É dicir, déuselles as características de diversos lumes e pedíuselles que fixesen predicións sobre como sería o autor.

O resultado foi que "o sistema experto predicía un 20% mellor" o perfil do autor que os maiores investigadores de incendios. Respecto diso, deixan claro que o obxectivo "non é substituír aos profesionais, cuxo coñecemento e experiencia son inestimables", senón "complementalos e axudalos".

Por tal motivo, "ante dous posibles autores dun delito, será mellor empezar a investigar aquel que teña un perfil máis coincidente co que o sistema experto PerfilNet.Pyros proporciona".

BASE DE DATOS CON CASE 1.600 CASOS DESDE 2008

O sistema, en constante evolución, divídese en tres partes: base de datos, motor de inferencia e interfaz de usuario.

A base de datos conta todos os casos de incendios forestais provocados que se esclareceron no Estado desde 2008, son 1.597, recollidos por profesionais de todas as provincias.

Estes rexistros conteñen variables da escena do lume, cantos focos de inicio había, a que hora produciuse o incendio, que tipo de superficie queimouse e se se ocultou outro delito, entre outros.

Despois están os datos relacionados co autor, que son os que se queren predicir, "e que deberían axudar aos investigadores a resolver o caso". Por exemplo, a que distancia vive o autor do lugar dos feitos, cal é a súa situación de convivencia ou idade.

Pola súa banda, o motor de inferencia, que é o núcleo de PerfilNet.Pyros, está baseado nas redes bayesianas. "Trátase do algoritmo que, aprendendo da base de datos, e coa información dun novo incendio, xera unha predición sobre o perfil do autor do mesmo", remarca.

Este algoritmo ten capacidade de aprendizaxe e cantos máis casos ten a base de datos "mellores son as súas predicións". "Por iso dise que é un sistema intelixente", agregan.

O terceiro elemento é o da interfaz de usuario, que permite comunicar o sistema co profesional a través de Internet, polo que pode consultar calquera dispositivo como móbiles ou computadores.

TERRITORIALIZACIÓN

Cuestionados sobre a posibilidade de que estes perfís se concreten de forma territorializada, Rosario Delgado e Xavier-Andoni Tibau din que non descartan que poida levar adiante nun futuro.

Sobre este extremo, valoran que José Luís González, do Gabinete de Coordinación e Estudos da Secretaría de Estado de Seguridade, e Andrés Sotoca, da Sección de Análise do Comportamento Delituoso da Unidade Técnica da Policía Xudicial, "estiveron traballando duramente niso", "e eles son os que teñen amplos coñecementos sobre os perfís incendiarios en España".

"O que si sabemos é que, dependendo do ámbito xeográfico, os incendiarios forestais varían o seu perfil predominante", agregan.

PERFECCIONAMENTO EN PRÓXIMAS CAMPAÑAS

A Fiscalía Xeral do Estado recolle na súa memoria de 2017 un parágrafo dedicado a este sistema, do que avanza que "se ten previsto perfeccionar" en próximas campañas.

Así, Fiscalía sinala que "ten capacidade de autoaprendizaxe, co que o algoritmo iría perfeccionando as súas predicións de maneira autónoma segundo se fosen incluíndo novos casos esclarecidos".

Acerca desta cuestión, os investigadores da UAB avanzan que "ao proxecto aínda lle quedan algúns pasos pendentes". "Por exemplo, aínda que o sistema aprende automaticamente da base de datos, cada vez que se inicia, é necesario actualizar a base de datos manualmente", apuntan.

Finalmente, necesítanse máis estudos de validación para coñecer a súa eficacia real, así como realizar ensaios de usabilidade para saber se a interfaz é práctica para os axentes.