MACHINE LEARNING NA PREVENÇÃO DE CRIMES: UMA FERRAMENTA PARA SEGURANÇA PÚBLICA

Este trabalho propõe-se a examinar o papel da Machine Learning (ML) na previsão do crime, com o objetivo de contribuir para o aumento da segurança no campo público analiticamente através do aprendizado dos padrões em dados sobre ocorrências criminais. Por meio de k-NN, Máquinas de Vetores de Suporte (SVM) e técnicas de clusterização, métodos que serão demonstrados nesse trabalho, foi possível encontrar padrões de criminalidade, e prever localizações e horários de maior criminalidade, levando a um melhor direcionamento e a alocação de recursos de maneira mais efetiva. Os resultados obtidos, em boa parte, demonstram que o (uso da) ML pode auxiliar o policiamento a ser mais proativo, ajudando a reduzir o crime mais efetivamente. Por outro lado, desafios importantes foram detectados, como o perigo de vieses contidos nos dados, e o problema da falta de transparência de modelos mais complexos, como no caso das redes neurais. Para lidar com esses problemas, o trabalho sugere práticas como a curadoria de dados, a utilização de técnicas de IA explicável e a supervisão humana em suas escolhas. Conclui-se que, se essas práticas forem executadas, a predição dos crimes por meio do ML pode se tornar uma ferramenta poderosa e ética para a construção de cidades mais seguras e equitativas.