“XLaw”: un algoritmo può davvero prevedere (e impedire) un reato?
Il software della Polizia creato da un ispettore napoletano: “Ero stanco di correre dietro ai ladri”
Mestre, piena notte, la sequenza è rapida: un ladro cerca di rubare l'incasso di un hotel, un portiere avvisa la polizia, il ladro scappa ma c'è già una volante pronta ad arrestarlo. Una fuga sfortunata? Non proprio. Il fatto è stato comunicato nei giorni scorsi come il primo reato sventato perché predetto da una macchina. La polizia era già lì perché sapeva ci sarebbe stato. Una sorta di Minority Report. Ma è davvero così? In parte.
IL SISTEMA. Dietro il successo dell'operazione c'è un sistema chiamato XLaw, un software basato su un algoritmo che è in grado di identificare luoghi, orari e condizioni che rendono più probabile che avvenga un reato. Sulla base di questi scenarti probabilistici, vengono poi inviate le volanti della polizia. Se dovesse davvero esserci un crimine, sarebbero già nei paraggi (ottimizzando l'uso delle risorse).
CHI LO HA CREATO. Elia Lombardo è ispettore superiore di Polizia a Napoli e la mente che, da sola, ha creato l'algoritmo e sviluppato il programma. “L'idea – spiega al Fatto - è nata dopo vent'anni a rincorrere il crimine, letteralmente. Arrivavamo sempre dopo, dovevamo correre dietro ai malviventi ”. Così inizia a immaginare un modo per automatizzare e amplificare un lavo- ro che la mente umana poteva fare in modo limitato. “Ho studiato informatica e ho ideato e sviluppato XLaw ”.
COME FUNZIONA. Il sistema identifica quelle che Lombardo definisce delle vere e proprie “riserve di caccia”. Non si limita però a far dialogare tra loro i dati geografici. Il software sovrappone due livelli: il primo che ha informazioni statiche, come il numero di abitanti, il numero di negozi, di istituti di credito, di scuole, di abitazioni, di parchi pubblici, di vie di fuga, di nascondigli e di copertura criminale; il secondo che contiene invece informazioni variabili come orari di apertura e chiusura, le condizioni meteorologiche, l'orario dei traghetti, quello dei treni e degli autobus, se sia in arrivo una nave da crociera o se siano in corso manifestazioni o iniziative.
I DATI. Tutti questi dati si incrociano poi con più informazioni possibili sui reati che avvengono sul territorio, reperite dai database della polizia, dai media, dai social network, dalle denunce dei cittadini. Si costruiscono così dei modelli basati su concomitanze di condizioni che - rileva la macchina – statisticamente producono un reato. Esempio semplice: ci si accorge che la probabilità di un furto aumenta alla chiusura dei negozi, in quartieri periferici con alta densità di anziani e fa- cili vie di fuga. XLaw segnalerà la necessità di una volante nel luogo in cui dovessero manifestarsi insieme tutte queste condizioni.
QUALI REATI. Il metodo non ha però la stessa efficacia se applicato a tutti i reati. Riguarda soprattutto quelli predatori: rapine, scippi, borseggi, truffe agli anziani. “Sono reati ciclici e stanziali – spiega Lombardo – perché chi li compie di solito vive di questo e ha bisogno di reiterarli. Ha quindi una strategia basata su principi oggettivi che è possibile rintracciare e probabilisticamente prevedere: il territorio, le prede, le vie di fuga, il rifugio, la copertura criminale”.
MACHINE LEARNING. Non è una completa novità: algoritmi simili sono già stati realizzati e utilizzati, basati sulla geolocalizzazione oppure sulla sola statistica. A fare la differenza, l'introduzione del cosiddetto “modello euristico”: l’algoritmo stesso è in grado di rintracciare nuovi modelli e nuove corrispondenze sulla base dei dati introdotti che magari l’uomo, con post-it, carte geografiche e bandierine non avrebbe individuato. “La macchina impara da se stessa - spiega Lombardo - e si evolve. Molti dei modelli criminali li ho inseriti io ma altri, come le baby gang, l i ha isolati XLaw”.
SP ER IM EN TA ZIO NE . Og gi XLaw è operativa a Napoli ( dal 2011), a Prato ( da fine 2017) e infine a Venezia (da qualche mese). L’idea è riuscire a renderla disponibile su tutto il territorio. Anche perché maggiore è la mole di dati che si raccolgono, maggiore è la precisione e la sua capacità di identificare modelli criminali e presupposti per i reati. Inoltre, l’uso è molto semplice: nelle sale operative un computer indica aree e orari in cui inviare i poliziotti, gli agenti possono consultarle con una app sullo smartphone. E aumenta l’efficienza. “Si è passati da oltre 120 km in auto al giorno a circa 20”.
Minority Report Identifica situazioni e modelli e avvisa quando c’è la probabilità di un crimine