अगोदर निर्देश केलेल्या बाबीसंबंधी बोलताना पोलिसांनी त्यांच्यापुढे खूप उज्ज्वल भविष्य आहे – आणि ते आता Google वर संभाव्य संशयितांना शोधू शकतील म्हणून नाही. जसजसे ते नवीनतम तंत्रज्ञान स्वीकारतात, तसतसे त्यांचे कार्य अधिक सोपे आणि अधिक प्रभावी होण्यास बांधील आहे, ज्यामुळे गोपनीयता, नागरी स्वातंत्र्य आणि योग्य प्रक्रियेबद्दल काटेरी प्रश्न निर्माण होतात.

एक तर, पोलिसिंग "पासून नफा मिळवण्याच्या चांगल्या स्थितीत आहे.मोठी माहिती". रेकॉर्डिंग उपकरणांच्या किंमती कमी होत असल्याने, रिअल टाइममध्ये गुन्हे शोधणे आणि त्यावर प्रतिक्रिया देणे आता शक्य झाले आहे. कॅलिफोर्नियातील ओकलँड सारख्या शहराचा विचार करा. इतर अनेक अमेरिकन शहरांप्रमाणे, आज ते शेकडो छुपे मायक्रोफोन्स आणि सेन्सर्सने व्यापलेले आहे, शॉटस्पॉटर म्हणून ओळखल्या जाणाऱ्या प्रणालीचा एक भाग, जो केवळ बंदुकीच्या गोळ्यांच्या आवाजावर पोलिसांना अलर्ट करत नाही तर आवाज वास्तविक बंदुकीच्या गोळ्या आहेत याची पडताळणी केल्यावर, एक मानवी ऑपरेटर पोलिसांना माहिती देतो.

शॉटस्पॉटर सारख्या प्रणालीमध्ये सुधारणा करण्याच्या मार्गांची कल्पना करणे कठीण नाही. गनशॉट-डिटेक्शन सिस्टम, तत्त्वतः, प्रतिक्रियाशील असतात; ते थोपवण्यात मदत करू शकतात किंवा त्वरीत प्रतिसाद देऊ शकतात गुन्हा, परंतु ते ते मुळापासून काढणार नाहीत. कॉम्प्युटिंगचा कमी होत जाणारा खर्च, सेन्सर तंत्रज्ञानातील लक्षणीय प्रगती आणि अफाट ऑनलाइन डेटाबेसमध्ये टॅप करण्याची क्षमता आपल्याला गुन्हा घडल्याप्रमाणे ओळखण्यापासून पुढे जाण्यास अनुमती देते – जे आता शॉटस्पॉटर करते – ते घडण्यापूर्वीच त्याचा अंदाज लावू शकतो.

बंदुकीच्या गोळ्या शोधण्याऐवजी, नवीन आणि हुशार प्रणाली भूतकाळात बंदुकीच्या गोळ्यांच्या आधीचे आवाज शोधण्यावर लक्ष केंद्रित करू शकतात. येथेच मोठ्या डेटाची तंत्रे आणि विचारधारा आणखी एक स्वरूप देतात, असे आश्वासन देतात की भूतकाळातील गुन्ह्यांबद्दलच्या डेटाचे एक मोठे, सखोल विश्लेषण, अत्याधुनिक अल्गोरिदमसह, भविष्यातील गुन्ह्यांचा अंदाज - आणि प्रतिबंध करू शकते. ही एक प्रथा आहे जी "प्रेडिक्टिव पोलिसिंग" म्हणून ओळखली जाते आणि जरी ती काही वर्षे जुनी असली तरी, बरेच लोक याला पोलिसांचे काम कसे केले जाते यामधील क्रांती म्हणून सांगतात. हे समाधानवादाचे प्रतीक आहे; गुन्ह्यांचा समूळ नायनाट करून गुन्हेगारीचा प्रश्न सोडवण्यासाठी तंत्रज्ञान आणि मोठा डेटा कसा कामी येतो याचे यापेक्षा चांगले उदाहरण क्वचितच आहे. हे सर्व खूप सोपे आणि तार्किक वाटते; गुन्हा घडण्यापूर्वी कोणाला रोखायचे नाही?

अमेरिकेतील पोलिस विशेषत: काय अंदाज लावणारे पोलिसिंग याबद्दल उत्सुक आहेत – त्यापैकी एक वेळ 2011 मधील मासिकाचे सर्वोत्कृष्ट आविष्कार - ऑफर करणे आवश्यक आहे; ब्रिटन आघाडीवर असताना युरोपीय लोकही हळूहळू पकड घेत आहेत. लॉस एंजेलिस पोलिस विभाग (LAPD) घ्या, जे वापरत आहे सॉफ्टवेअर PredPol म्हणतात. सॉफ्टवेअर घरफोडी आणि ऑटोमोबाईल चोरी यासारख्या मालमत्तेच्या गुन्ह्यांबद्दलच्या पूर्वी प्रकाशित झालेल्या आकडेवारीचे विश्लेषण करते, गस्तीचा नकाशा 500 मध्ये मोडतो.?sq?फूट झोन, ऐतिहासिक वितरण आणि वास्तविक गुन्ह्यांच्या वारंवारतेची गणना करते आणि नंतर अधिका-यांना सांगते की कोणत्या झोनमध्ये पोलिसांना अधिक जोमाने.

उशीरा येऊन तपास करण्यापेक्षा गुन्हा घडण्याआधीच रोखणे - आणि संभाव्य स्वस्त - हे खूप चांगले आहे. त्यामुळे गस्त घालणारे अधिकारी एखाद्या गुन्हेगाराला कारवाई करताना पकडू शकत नसले तरी त्यांची योग्य वेळी योग्य ठिकाणी उपस्थिती गुन्हेगारी कारवायांना आळा घालण्यास मदत करते. अधूनमधून, तरीसुद्धा, पोलिस चालू असलेल्या गुन्ह्यात व्यत्यय आणू शकतात. जून 2012 मध्ये असोसिएटेड प्रेसने LAPD कॅप्टनबद्दल अहवाल दिला ज्याला इतके खात्री नव्हती की त्याच्या कव्हरेज क्षेत्राच्या काठावर असलेल्या ग्रिड झोनमध्ये अधिकारी पाठवणे - प्रीडपोलच्या शिफारसीनुसार - इतकी चांगली कल्पना होती. कर्णधाराच्या अपेक्षेप्रमाणे त्याच्या अधिकाऱ्यांना काहीही सापडले नाही; तथापि, ते अनेक रात्री परत आले तेव्हा त्यांनी खिडकी तोडताना कोणीतरी पकडले. PredPol साठी एक स्कोअर?

कोणत्याही निर्णायक परिणामांबद्दल बोलण्यासाठी प्रीडपॉल आणि तत्सम सॉफ्टवेअरच्या चाचण्या अलीकडेच सुरू झाल्या. तरीही, मध्यवर्ती निकाल खूपच प्रभावी दिसत आहेत. लॉस एंजेलिसमध्ये, अंदाजे 1.3 दशलक्ष लोकसंख्या असलेल्या गस्तीच्या प्रदेशात याचा वापर करणाऱ्या पाच LAPD विभागांमध्ये 13% ने गुन्हेगारी कमी झाली आहे. सांताक्रूझ शहर, जे आता प्रीडपॉल देखील वापरते, त्याच्या घरफोड्यांमध्ये जवळपास 30% घट झाली आहे. अमेरिकेतील इतर अनेक पोलिस विभागांमध्ये अशीच उत्थान आकडेवारी आढळू शकते.

सध्या तयार केल्या जात असलेल्या इतर शक्तिशाली प्रणाली देखील अधिक भविष्यसूचक मागण्यांसाठी सहजपणे पुन्हा कॉन्फिगर केल्या जाऊ शकतात. न्यू यॉर्क पोलिस विभागाच्या नवीनतम नवकल्पनांचा विचार करा - तथाकथित डोमेन जागरूकता प्रणाली - जे शहराच्या 3,000 क्लोज-सर्किट कॅमेरा फीडला अटक रेकॉर्ड, 911 कॉल, लायसन्स प्लेट ओळख तंत्रज्ञान आणि रेडिएशन डिटेक्टरसह समक्रमित करते. हे रिअल टाइममध्ये परिस्थितीचे निरीक्षण करू शकते आणि काय घडत आहे हे समजून घेण्यासाठी भरपूर डेटा काढू शकते. इथून पुढे काय घडू शकते याचा अंदाज लावण्याची झेप इतकी मोठी नाही.

जर PredPol चे "अंदाज" परिचित वाटत असेल, तर याचे कारण असे की त्याच्या पद्धती प्रख्यात इंटरनेट कंपन्यांनी प्रेरित केल्या होत्या. मध्ये लेखन पोलीस प्रमुख 2009 मध्ये मासिक, एक वरिष्ठ LAPD अधिकारी Amazon च्या क्षमतेचे कौतुक केले "त्यांच्या ग्राहक बेसमधील अद्वितीय गटांना समजून घेण्यासाठी आणि त्यांच्या खरेदीचे स्वरूप वैशिष्ट्यीकृत करण्यासाठी", जे कंपनीला "फक्त अंदाज लावू शकत नाही तर भविष्यातील वर्तनाचा प्रचार किंवा अन्यथा आकार देऊ शकते". अशाप्रकारे, ज्याप्रमाणे Amazon च्या अल्गोरिदममुळे तुम्ही पुढील कोणती पुस्तके विकत घेऊ शकता याचा अंदाज लावणे शक्य करते, त्याचप्रमाणे काही गुन्हे पुन्हा किती वेळा - आणि कुठे - घडू शकतात हे तत्सम अल्गोरिदम पोलिसांना सांगू शकतात. कधी सायकल चोरली आहे का? मग तुम्हाला किराणा दुकान लुटण्यात देखील स्वारस्य असू शकते.

येथे आम्ही अल्गोरिदमच्या बारमाही समस्येकडे जातो: त्यांची गृहित वस्तुनिष्ठता आणि पारदर्शकतेचा वास्तविक अभाव. आम्ही Amazon च्या अल्गोरिदमचे परीक्षण करू शकत नाही; ते पूर्णपणे अपारदर्शक आहेत आणि बाहेरील छाननीच्या अधीन नाहीत. ऍमेझॉनचा दावा, कदाचित बरोबर आहे, की गुप्तता त्याला स्पर्धात्मक राहण्याची परवानगी देते. पण हेच लॉजिक पोलिसिंगला लागू करता येईल का? जर कोणीही अल्गोरिदम तपासू शकत नसेल - जे खाजगी कंपन्यांद्वारे भविष्यसूचक-पोलिसिंग सॉफ्टवेअर तयार केले जाण्याची शक्यता आहे - त्यामध्ये कोणते पक्षपाती आणि भेदभावपूर्ण पद्धती तयार केल्या आहेत हे आम्हाला कळणार नाही. आणि अल्गोरिदम आपल्या कायदेशीर व्यवस्थेच्या इतर अनेक भागांवर वर्चस्व गाजवतात; उदाहरणार्थ, एखाद्या विशिष्ट गुन्हेगाराला, एकदा पॅरोलवर किंवा प्रोबेशनवर असताना, मारले जाण्याची किंवा मारण्याची शक्यता किती आहे याचा अंदाज लावण्यासाठी त्यांचा वापर केला जातो. पेनसिल्व्हेनिया विद्यापीठाच्या प्राध्यापकाने विकसित केलेल्या या अल्गोरिदमची बाल्टिमोर, फिलाडेल्फिया आणि वॉशिंग्टन डीसी येथे चाचणी घेण्यात आली आहे. अशी संभाव्य माहिती नंतर शिक्षेच्या शिफारशींवर आणि जामीन रकमेवर प्रभाव टाकू शकते, त्यामुळे ती फारच क्षुल्लक आहे.

पण भविष्यवाणीसाठी वापरलेले अल्गोरिदम त्यांच्या लेखकांचे पूर्वाग्रह दर्शवत नाहीत हे आम्हाला कसे कळेल? उदाहरणार्थ, गरीब आणि वांशिकदृष्ट्या वैविध्यपूर्ण भागात गुन्हे घडतात. अल्गोरिदम - त्यांच्या गृहित वस्तुनिष्ठतेसह - आणखी मोठ्या वांशिक प्रोफाइलिंगला मंजुरी देऊ शकतात? आज बहुतेक लोकशाही राजवटींमध्ये, पोलिसांना रस्त्यावरील लोकांना थांबवण्यासाठी आणि त्यांचा शोध घेण्यासाठी संभाव्य कारण - काही पुरावे आणि केवळ अंदाज लावण्याची गरज नाही. पण अशा सॉफ्टवेअरने सशस्त्र, अल्गोरिदमने त्यांना ते करायला सांगितले असे पोलिस सहज म्हणू शकतात का? आणि तसे असल्यास, अल्गोरिदम न्यायालयात साक्ष कशी देतील? टेक्नो-युटोपियन कदाचित अशा प्रश्नांकडे दुर्लक्ष करतील आणि अल्गोरिदमिक पोलिसिंग ऑफर करणाऱ्या अमूर्त फायद्यांवर लक्ष केंद्रित करतील; आधुनिक पोलिसिंगमध्ये आधीच व्याप्त असलेल्या समस्या, अडथळे आणि पक्षपातीपणाच्या काही मूलभूत ज्ञानापासून सुरुवात करणारे तंत्र-संशय अधिक गंभीर असतील.

कायदे अभ्यासक अँड्र्यू गुथरी फर्ग्युसन यांनी भविष्यसूचक पोलिसिंगचा तपशीलवार अभ्यास केला आहे. फर्ग्युसन अल्गोरिदमवर जास्त विश्वास ठेवण्यापासून आणि माहिती कमी करण्याच्या पद्धतीला बळी पडण्यापासून सावध करतो. "भविष्यसूचक अल्गोरिदम हे जादूचे बॉक्स नाहीत जे भविष्यातील गुन्हेगारी दर्शवतात, परंतु त्याऐवजी सध्याच्या पर्यावरणीय भेद्यतेवर आधारित भविष्यातील घटनांचे संभाव्य मॉडेल आहेत," तो नमूद करतो.

पण ते का काम करतात? फर्ग्युसन नमूद करतात की भविष्यात गुन्हेगारी होतील कारण भूतकाळातील गुन्हा नाही तर कारण "पहिल्या गुन्ह्याला प्रोत्साहन देणारी पर्यावरणीय असुरक्षा अजूनही लक्षात आलेली नाही". जेव्हा पोलिसांनी, दुसऱ्या नियोजित कार चोरीबद्दल त्यांचा उदास अंदाज वाचून, एखाद्या व्यक्तीला अंदाजित झोनमध्ये स्क्रू ड्रायव्हर घेऊन जाताना पाहिले, तेव्हा हे थांबण्यासाठी वाजवी शंका निर्माण करू शकते. परंतु, फर्ग्युसनने नमूद केल्याप्रमाणे, जर पोलिसांनी आदल्या दिवशी आधीच्या गुन्ह्यांसाठी जबाबदार असलेल्या टोळीला अटक केली, परंतु मॉडेल अद्याप ही माहिती प्रतिबिंबित करत नसेल, तर अंदाज अप्रासंगिक असावा आणि पोलिसांना व्यक्तीला थांबवण्यासाठी इतर काही वाजवी आधाराची आवश्यकता असेल. जर त्यांनी थांबवले, तर ते न्यायालयात म्हणू शकत नाहीत, "मॉडेलने आम्हाला सांगितले." तथापि, त्यांनी थांबवलेल्या व्यक्तीला हे कदाचित स्पष्ट नसेल, ज्याला सॉफ्टवेअर आणि त्याच्या अल्गोरिदमची माहिती नाही.

त्यानंतर कमी नोंदवलेल्या गुन्ह्यांची समस्या आहे. बहुतेक हत्यांची नोंद केली जाते, परंतु अनेक बलात्कार आणि घर तोडल्या जात नाहीत. असे अहवाल नसतानाही, स्थानिक पोलिस अजूनही त्यांच्या शेजारी काहीतरी विचित्र घडत आहे हे जाणून घेण्याचे मार्ग विकसित करतात. दुसरीकडे, भविष्यसूचक पोलिसिंग, अशा अंतर्ज्ञानी ज्ञानाची जागा आकडेवारीच्या सर्वसमावेशक सामर्थ्यावर भोळ्या विश्वासाने घेऊ शकते. जर फक्त नोंदवलेल्या गुन्ह्यांचा डेटा भविष्यातील गुन्ह्यांचा अंदाज लावण्यासाठी आणि पोलिसांच्या कामाचे मार्गदर्शन करण्यासाठी वापरला गेला तर, काही प्रकारचे गुन्हे अभ्यासले जाऊ शकत नाहीत - आणि त्यामुळे त्याचा पाठपुरावा केला जाऊ शकत नाही.

मग अल्गोरिदमचे काय करावे? आजकाल सांगणे ही दुर्मिळ गोष्ट आहे पण या संदर्भात आर्थिक क्षेत्राकडून बरेच काही शिकण्यासारखे आहे. उदाहरणार्थ, ऑगस्ट 2012 मध्ये अल्गोरिदमिक ट्रेडिंगमुळे उद्भवलेल्या काही आपत्तींनंतर, हाँगकाँग आणि ऑस्ट्रेलियामधील वित्तीय अधिकाऱ्यांनी अल्गोरिदमिक व्यापारासाठी वापरल्या जाणाऱ्या संगणक प्रणालीच्या डिझाइन, विकास आणि सुधारणांचे नियमित स्वतंत्र ऑडिट स्थापित करण्यासाठी प्रस्ताव तयार केला. अशाप्रकारे, ज्याप्रमाणे वित्तीय लेखा परीक्षक कंपनीच्या ताळेबंदाला साक्षांकित करू शकतात, त्याचप्रमाणे अल्गोरिदमिक ऑडिटर्स त्याचे अल्गोरिदम व्यवस्थित आहेत की नाही हे सत्यापित करू शकतात.

अल्गोरिदम पुढे आमच्या दैनंदिन जीवनात समाविष्ट केल्यामुळे - Google च्या ऑटोकंप्लीट ते प्रीडपॉलपर्यंत - पात्र आणि आदर्शपणे सार्वजनिक-उत्साही तृतीय पक्षांद्वारे त्यांची नियमित तपासणी करणे शहाणपणाचे वाटते. ऑडिटिंग सोल्यूशनचा एक फायदा असा आहे की ऑडिट केलेल्या कंपन्यांना त्यांच्या अल्गोरिदमची पारदर्शकता वाढवण्यासाठी - अर्थातच सॉफ्टवेअर कंपन्यांनी - मुख्य आक्षेप घेतला आहे, जे ऑडिट केलेल्या कंपन्यांना सार्वजनिकरित्या त्यांचे व्यापार रहस्य उघड करण्याची आवश्यकता नाही.

सिलिकॉन व्हॅलीमध्ये पोलिसांना शक्तिशाली मित्रही सापडत आहेत. फेसबुक सारख्या कंपन्यांनी त्यांचे कोणते वापरकर्ते त्यांच्या सेवा वापरून गुन्हे करू शकतात याचा अंदाज लावण्यासाठी अल्गोरिदम आणि ऐतिहासिक डेटा वापरण्यास सुरुवात केली आहे. हे कसे कार्य करते ते येथे आहे: Facebook ची स्वतःची भविष्यसूचक प्रणाली काही विशिष्ट वर्तणूक संकेतांचा अभ्यास करून काही वापरकर्त्यांना संशयास्पद म्हणून ध्वजांकित करू शकते: वापरकर्ता फक्त 18 वर्षाखालील इतरांना संदेश लिहितो; वापरकर्त्याचे बहुतेक संपर्क महिला आहेत; वापरकर्ता "sex" किंवा "date" सारखे कीवर्ड टाइप करत आहे. त्यानंतर कर्मचारी प्रत्येक प्रकरणाची तपासणी करू शकतात आणि आवश्यकतेनुसार वापरकर्त्यांना पोलिसांकडे तक्रार करू शकतात. Facebook ची स्वतःच्या ब्रँडबद्दलची चिंता येथे सरळ आहे: प्लॅटफॉर्म गुन्हेगारांना आश्रय देत आहे असा कोणीही विचार करू नये.

2011 मध्ये Facebook ने PhotoDNA वापरण्यास सुरुवात केली, ही मायक्रोसॉफ्ट सेवा आहे जी त्याला प्रत्येक अपलोड केलेले चित्र स्कॅन करण्यास अनुमती देते आणि त्याची तुलना चाइल्ड-पोर्न इमेजेससह करते. FBI चे राष्ट्रीय गुन्हे माहिती केंद्र. तेव्हापासून त्याचे विश्लेषण चित्रांच्या पलीकडेही विस्तारले आहे. 2012 च्या मध्यात रॉयटर्सने फेसबुक कसे सांगितले, त्याच्या भविष्यसूचक अल्गोरिदमसह सशस्त्र, एका मध्यमवयीन पुरुषाला 13 वर्षांच्या मुलीशी लैंगिक संबंधांबद्दल गप्पा मारत पकडले आणि परवा तिला भेटण्याची व्यवस्था केली. पोलिसांनी तरुणीशी संपर्क साधला, तिचा संगणक ताब्यात घेतला आणि त्या माणसाला पकडले.

Facebook येथे अल्गोरिदमिक पाळत ठेवण्याच्या अत्याधुनिक टोकावर आहे: जसे पोलिस विभाग पूर्वीच्या गुन्ह्यांची आकडेवारी काढतात, त्याचप्रमाणे Facebook वास्तविक लैंगिक अत्याचारांपूर्वीच्या वास्तविक चॅटचे संग्रहण काढते. कुतूहलाने, Facebook त्याच्या अल्गोरिदमचा वापर मानवांपेक्षा कमी अनाहूत असल्याचा दावा करून समर्थन करते. "आम्ही कधीही असे वातावरण तयार करू इच्छित नाही जिथे आमच्याकडे कर्मचारी खाजगी संप्रेषणे पाहत आहेत, त्यामुळे आम्ही तंत्रज्ञान वापरणे खरोखर महत्वाचे आहे ज्याचा दर खूप कमी आहे," फेसबुकच्या सुरक्षा प्रमुखांनी रॉयटर्सला सांगितले.

मुलांचे शिकार करणाऱ्या लैंगिक भक्षकांना पकडण्यासाठी अशा पद्धतींच्या वापरावर प्रश्नचिन्ह निर्माण करणे कठीण आहे (फेसबुकला येथे फारसा पर्याय नाही हे सांगायला नको, कारण सध्याच्या यूएस बाल-संरक्षण कायद्यांनुसार किशोरवयीन मुलांनी भक्षकांबद्दल सतर्क राहण्यासाठी ऑनलाइन प्लॅटफॉर्म वापरणे आवश्यक आहे). पण फेसबुकला इतर गुन्ह्यांचा अंदाज द्यायला हवा का? शेवटी, ते इतर अनेक प्रकारच्या पोलिसांच्या कामात सहजपणे गुंतले जाऊ शकते: संभाव्य ड्रग विक्रेते शोधणे, संभाव्य कॉपीराइट उल्लंघन करणाऱ्यांची ओळख पटवणे (फेसबुक त्याच्या वापरकर्त्यांना अनेक फाइल-सामायिकरण साइटवर लिंक शेअर करण्यापासून प्रतिबंधित करते), आणि विशेषत: यूके मधील 2011 च्या दंगली, समस्या निर्माण करणाऱ्यांच्या पुढच्या पिढीचा अंदाज. आणि असा डेटा जसजसा उपलब्ध होत जातो, तसतसा तो वापरण्याचा मोह जवळजवळ टाळता येत नाही.

तो प्रलोभन जून 2012 मध्ये कोलोरॅडो चित्रपटगृहात झालेल्या भडकपणानंतर पूर्ण प्रदर्शित झाला होता, जेव्हा एका वेगळ्या बंदुकधारीने 12 लोकांची हत्या केली होती. मध्ये दिसलेली एक मथळा वॉल स्ट्रीट जर्नल शूटिंगनंतर लगेचच हे सर्व सांगते: "डेटा मायनिंग ही हत्या थांबवू शकते का?" या प्रश्नाचे होकारार्थी उत्तर मिळायला वेळ लागणार नाही.

बऱ्याच बाबतीत, इंटरनेट कंपन्या पोलिसांपेक्षा गुन्ह्याचा अंदाज लावण्यासाठी खूप चांगल्या स्थितीत आहेत. जेथे नंतरच्या लोकांना एखाद्याच्या खाजगी डेटाचे मूल्यांकन करण्यासाठी वॉरंटची आवश्यकता असते, तेव्हा Facebook च्या पसंती त्यांच्या वापरकर्त्यांचा डेटा त्यांना पाहिजे तेव्हा शोधू शकतात. पोलिसांच्या दृष्टीकोनातून, हे सर्व घाणेरडे काम Facebook ने करणे खरे तर फायद्याचे ठरू शकते, कारण Facebook च्या स्वतःच्या तपासांना न्यायालयीन यंत्रणेतून जावे लागत नाही.

याला व्यवसायात रूपांतरित करण्यासाठी Facebook ला कदाचित आर्थिकदृष्ट्या खूप सुरक्षित वाटत असले तरी - ते एक चांगला नागरिक म्हणून आपली भूमिका बजावेल - लहान कंपन्या कदाचित लवकर पैसे कमवण्याचा मोह टाळू शकत नाहीत. 2011 मध्ये टॉमटॉम, डच उपग्रह-नॅव्हिगेशन कंपनी ज्याने आपल्या सर्वशक्तिमान तंत्रज्ञानाचा काही भाग Apple ला परवाना दिला आहे, जेव्हा ती ग्राहकांकडून गोळा केलेला GPS ड्रायव्हिंग डेटा पोलिसांना विकत असल्याचे समोर आले तेव्हा ती एक गोपनीयता घोटाळ्याच्या मध्यभागी सापडली. प्रायव्हसी ॲडव्होकेट ख्रिस सोघोयानने त्याचप्रमाणे विविध इंटरनेट आणि मोबाईल कंपन्यांनी कायद्याची अंमलबजावणी करणाऱ्या एजन्सीसाठी स्थापन केलेल्या वापरण्यास सुलभ "पे-अँड-वायरटॅप" इंटरफेसचे दस्तऐवजीकरण केले आहे.

सार्वजनिकरित्या उपलब्ध माहिती देखील पकडण्यासाठी आहे. अशा प्रकारे, खाजगी कंपन्यांच्या मदतीने, अशांततेच्या चिन्हांसाठी पोलिस आधीच सोशल-नेटवर्किंग साइट्सचा अभ्यास करत आहेत. Accenture च्या अलीकडील माहितीपत्रकाचे शीर्षक कायद्याची अंमलबजावणी करणाऱ्या एजन्सींना "अधिक चांगले पोलिसिंग परिणाम चालविण्यासाठी सोशल मीडियाच्या सामर्थ्याचा वापर करण्यास" आग्रह करते. अनेक कंपन्या मदत करण्यास उत्सुक आहेत. ECM युनिव्हर्स, व्हर्जिनिया, यूएस मधील स्टार्ट-अप, कायद्याच्या अंमलबजावणीसाठी रॅपिड कंटेंट ॲनालिसिस नावाची प्रणाली, ज्याचे वर्णन "ट्विटर, फेसबुक, Google गट आणि इतर अनेकांवर रिअल-टाइम मॉनिटरिंग प्रदान करणारे सोशल मीडिया पाळत ठेवणारे उपाय म्हणून केले जाते. समुदाय जेथे वापरकर्ते स्वतःला मुक्तपणे व्यक्त करतात."

"उपाय," ECM ब्रोशर नोट करते, "निरीक्षण विषयांना धमकी देणारी भाषा आणि चेतावणी चिन्हे तपासणाऱ्यांना सतर्क करण्यासाठी मजकूर विश्लेषणे वापरतात." कोणत्या प्रकारचे चेतावणी चिन्हे आहेत? मध्ये एक अलीकडील लेख वॉशिंग्टन पोस्ट ईसीएम युनिव्हर्सने फोर्ट लुप्टन, कोलोरॅडो येथील अधिकाऱ्यांना "लोकांना मारणे" आणि "शाळा जाळणे" यांसारख्या घातक गोष्टी ट्विट करणाऱ्या माणसाची ओळख पटवण्यास मदत केली आहे. हे पुरेसे सरळ दिसते पण ते फक्त "लोकांचे नुकसान" किंवा "पोलिस चोखणे" असते तर?

ECM युनिव्हर्स सारख्या कंपन्या वास्तविक गुन्हेगारांद्वारे पाठवलेल्या ट्वीट्स आणि Facebook अपडेट्सचे विस्तृत संग्रहण जमा करत असल्याने, ते गुन्हेगारी कृत्यांच्या अगोदर कोणत्या प्रकारच्या गैर-धमकी शाब्दिक संकेतांचा अंदाज लावू शकतात. अशाप्रकारे, तुम्हाला तुमचे दही आवडत नाही असे ट्विट केल्याने पोलिस तुमच्या दारात येऊ शकतात, विशेषत: ज्याने तीन वर्षांपूर्वी असेच ट्विट केले असेल अशा एखाद्याने नंतरच्या दिवशी तोंडावर गोळी मारली असेल.

तथापि, फेसबुकच्या विपरीत, सोशल मीडिया प्लॅटफॉर्मवर वापरकर्ते काय करतात याचे संपूर्ण चित्र पोलिस किंवा बाहेरील कंपन्या दोन्ही पाहत नाहीत: खाजगी संप्रेषण आणि "मूक" क्रिया - लिंक क्लिक करणे आणि पृष्ठे उघडणे - त्यांना अदृश्य आहेत. पण फेसबुक, ट्विटर, गुगल आणि तत्सम कंपन्यांना हे सर्व नक्कीच माहीत आहे – त्यामुळे त्यांची अंदाज वर्तवण्याची शक्ती पोलिसांपेक्षा खूप मोठी आहे. ते वापरकर्त्यांना विशिष्ट कृत्ये करण्याची किती शक्यता आहे यावर आधारित रँक देखील देऊ शकतात.

अशा प्रणालीचा गैरवापर कसा केला जाऊ शकतो याचे एक समर्पक उदाहरण यातून मिळते सिलिकॉन जंगल, स्पष्टपणे Google डेटा-मायनिंग अभियंत्याने लिहिलेल्या आणि प्रिन्स्टन युनिव्हर्सिटी प्रेसने प्रकाशित केलेल्या काल्पनिक कथा – सामान्यतः फिक्शन प्रकाशक नसतात – 2010 मध्ये. ही कादंबरी Ubatoo च्या डेटा-मायनिंग ऑपरेशनमध्ये सेट केली गेली आहे – एक धक्कादायक शोध इंजिन Google शी साम्य – जिथे एक समर इंटर्न टेररिस्ट-ओ-मीटर विकसित करतो, एक प्रकारचा सार्वत्रिक स्कोअर टेररिस्ट ॲप्टीट्यूड जो कंपनी तिच्या सर्व वापरकर्त्यांना देऊ शकते. त्यांच्या स्कोअरवर नाखूष असलेल्यांना अर्थातच त्यांना दुरुस्त करण्याची संधी मिळेल - स्वतःबद्दल आणखी तपशील सबमिट करून. ही एक विलक्षण कल्पना वाटू शकते परंतु – कदाचित Google च्या दुसऱ्या संकेतानुसार – Ubatoo ची कॉर्पोरेट संस्कृती नाविन्यपूर्णतेने इतकी वेडलेली आहे की तिच्या इंटर्नला विनामूल्य फिरण्याची परवानगी आहे, त्यामुळे प्रकल्प पुढे जातो.

टेररिस्ट-ओ-मीटर तयार करण्यासाठी, इंटर्न "मनोरंजक" पुस्तकांची यादी घेते जी विध्वंसक क्रियाकलापांमध्ये संभाव्य स्वारस्य दर्शवते आणि Ubatoo च्या ऑनलाइन दुकानांपैकी एकातून खरेदी केलेल्या ग्राहकांची नावे शोधते. मग तो त्या ग्राहकांच्या वारंवार येणाऱ्या वेबसाइट्स शोधतो आणि आणखी लोकांना शोधण्यासाठी URL चा वापर करतो – आणि तो 5,000 च्या जादुई संख्येपर्यंत पोहोचेपर्यंत. इंटर्नला लवकरच अल-कायदा सारख्या दहशतवादी गटाने स्वतःचा पाठलाग केलेला आढळतो ज्यांना त्या 5,000 नावांची भरती मोहिमेला चालना मिळावी अशी इच्छा आहे, तसेच विविध संरक्षण आणि गुप्तचर संस्था ज्या त्या 5,000 लोकांना ग्वांटानामोमध्ये पाठवण्याची प्रतीक्षा करू शकत नाहीत.

Facebook मध्ये काही प्रकारचे Paedophile-o-Meter आहे की नाही हे आम्हाला माहीत नाही. परंतु, वापरकर्त्याचे आधीच केलेले विस्तृत विश्लेषण पाहता, ते तयार करणे कदाचित फार कठीण जाणार नाही – आणि केवळ पेडोफाइल्स स्कोअर करण्यासाठी नाही. ड्रग-ओ-मीटरचे काय? किंवा – जोसेफ मॅकार्थीला हे आवडेल – कम्युनिस्ट-ओ-मीटर? पुरेसा डेटा आणि योग्य अल्गोरिदम दिल्यास, आपल्या सर्वांना संशयास्पद वाटेल. मग, आम्ही कोणताही गुन्हा करण्यापूर्वी - फेसबुक आम्हाला पोलिसांकडे वळवते तेव्हा काय होते? आपण काफ्का कादंबरीतील पात्रांप्रमाणे आपला गुन्हा नेमका काय आहे हे समजून घेण्यासाठी धडपड करू आणि आपली नावे साफ करण्यात आपले उर्वरित आयुष्य घालवू? आमची प्रतिष्ठा पुनर्संचयित करण्यासाठी फेसबुक कदाचित आम्हाला फी भरण्याचा मार्ग देखील देईल का? त्याचे अल्गोरिदम चुकीचे असल्यास काय?

भविष्यसूचक पोलिसिंगचे वचन खरे असू शकते, परंतु त्याचे धोके देखील आहेत. समाधानवादी आवेग रोखणे आवश्यक आहे. पोलिसांनी त्यांचे अल्गोरिदम बाह्य छाननीच्या अधीन करणे आणि त्यांच्या पक्षपातीपणाचे निराकरण करणे आवश्यक आहे. सोशल नेटवर्किंग साइट्सना ते प्रत्यक्षात किती अंदाजे स्व-पोलिसिंग करतील आणि ते त्यांच्या वापरकर्त्यांची प्रोफाइलिंग आणि हा डेटा पोलिसांसोबत सामायिक करण्यात किती पुढे जातील यासाठी स्पष्ट मानके स्थापित करणे आवश्यक आहे. गुन्ह्याचा अंदाज लावण्यात फेसबुक पोलिसांपेक्षा अधिक प्रभावी ठरू शकते, परंतु लोकशाहीत पोलिस काय करू शकतात आणि काय करू शकत नाहीत हे स्पष्ट करणारे समान नियम आणि नियमांचे पालन केल्याशिवाय या पोलिसिंग कार्ये करण्याची परवानगी दिली जाऊ शकत नाही. केवळ कार्यक्षमतेच्या नावाखाली आम्ही कायदेशीर प्रक्रियांना बगल देऊ शकत नाही आणि लोकशाही नियमांचे उल्लंघन करू शकत नाही.

टू सेव्ह एव्हरीथिंग, येथे क्लिक करा: टेक्नॉलॉजी, सोल्युशनिझम, अँड द अर्र्ज टू फिक्स प्रॉब्लेम्स दॅट एव्हगेनी मोरोझोव्ह, ॲलन लेन द्वारे प्रकाशित, मधून संपादित केलेला अर्क आहे. 

---