Door capaciteitsgebrek wordt veel misdaad niet opgepikt. De inbreker of fietsendief van weleer houdt zich tegenwoordig veelal bezig met cybercriminaliteit of internetoplichting, waarvan de aangiftebereidheid veel lager is.Maar hulp is nabij.

De politie voert - na testen in ondermeer Enschede, Groningen en Den Haag - een datasysteem om een verhoogd risico op criminaliteit te voorspellen nu landelijk in. Het Criminaliteits Anticipatie Systeem (CAS) analyseert en voorspelt plaatsen en tijdstippen met hoger risico van ‘high impact’ misdaden als zakkenrollen, straatroof, geweld, diefstal en (auto)inbraak; in fijnmazige gebieden van 125 bij 125 meter en binnen tijdslots van maximaal vier uur. Dat gebeurt aan de hand van tweewekelijkse misdaadstatistiek, gemengd met een trend van twee jaar. Als de 168 politie-eenheden er eind dit jaar alle mee werken, dan is Nederland het eerste land waar ‘predictive policing’ in de gehele natie wordt toegepast...

...Vermindering van misdaad zal iedereen toejuichen en is het doel van de inmiddels niet minder dan 700 ‘intelligenceprofessionals’ tellende Community of Intelligence van de politie. Hoe meer we ons laten kennen, des te veiliger wordt het leven. Fair deal? Rutger Rienks, afdelingshoofd business intelligence en kwaliteit bij de landelijke politie, besteedt uitgebreid aandacht aan ethische vraagstukken. Een deel van de volgende zes vraagtekens bij het voorspelen van criminaliteit vanuit data is gebaseerd op het boek:

1) Groeiende afhankelijkheid van machines als black boxes die besluiten nemen zonder dat mensen nog weten hoe die besluiten zijn genomen noch er invloed op kunnen uitoefenen of kunnen corrigeren.

2) Het risico op het stigmatiseren van personen en groepen maar ook van wijken. Frank Bovenkerk wees al op het risico op het ‘contraire effect: hele bevolkingsgroepen tegen je in het harnas jagen.

3) En welke betrouwbaarheidsmarges moet je hanteren: 50, 75 of 95 procent? Dan nog: de vooroordelen bij de data, vermenigvuldigd met de onderbuikgevoelens van de speurders leiden tot bijvoorbeeld ‘etnisch profileren’. Waar ligt de grens bij het hanteren van indicatoren qua leeftijd, geslacht, vervoermiddel etc. bij preventief fouilleren en met verkeerscontroles?

4) De ‘valse positieven’; onterecht aanwijzen van mensen als verdachten. Met wie de speurders vervolgens geen enkele voorzichtigheid of twijfel meer hebben en tonen. Het exemplarisch geval met de klem gereden ‘dame met een poedel’ die niet de verwachte zware drugscrimineel was.

5) Big data als ultieme middel om het rendementsdenken te optimaliseren. Oftewel: de middelen worden geoptimaliseerd om tekortkomingen in de opsporing elders te compenseren.

6) Boeven spelen in op Het Model en het handelen van de politie op grond van Het Model en kiezen voor andere plekken en vormen van misdaad met minder pakkans.

...Het vereist nogal wat wijsheid en onbevangenheid om het debat over het voorspellen van (crimineel) gedrag, te voeren: wijsheid vooral van degenen die louter voordelen zien en onbevangenheid en relativering van de privacyvoorvechters.

Privacyverdedigers kunnen zich afvragen of er soms ook hogere doelen zijn dan privacy. Als je ernstig ziek bent, slachtoffer, bedreigd of anderszins in acute nood, dan is het redden van het vege lijf soms net wat belangrijker dan tijdelijk verlies van privacy. Bovendien gebruikte de veldwachter altijd al de onderbuik.

De wijsheid van de dataspecialisten kan beginnen met de vraag: hoeveel gelukkiger zal de mensheid worden van de verzameling en inzet van al die data? Hoe perfect willen we de samenleving inrichten ten koste van individuele grilligheid die haar juist zo kleurrijk maakt? Dat is een technologisch gezien domme vraag, maar zelfs bij de geneugten van smartphonegebruik worden momenteel vraagtekens gezet. ‘Minder, minder…’ kan ook, of wat datagebruik betreft: niet alles wat kan, hoeft ook.

De grote vraag: kun je met een aantal beperkende voorwaarden en met privacy by design dikke data nuttig inzetten zonder een Grote Broer te creëren die de individuele vrijheid uiteindelijk onomkeerbaar zal aantasten?

Alles bij de bron; NetKwesties


 

Om adverteerders te tonen dat hun reclame al dan niet werkt, gaat Google nu ook offline betalingen met kredietkaarten analyseren en aan gebruikersprofielen linken. 

Dat vertelde de techgigant op Google's jaarlijkse marketingconventie in San Francisco. Het bedrijf, dat het grootste deel van zijn fortuin haalt uit reclame-inkomsten, kondigt daar enkele nieuwe tools aan voor marketeers. De opvallendste is waarschijnlijk het programma dat toelaat om offline gegevens van een kredietkaart te linken aan de advertenties die de eigenaar online te zien kreeg. Op die manier zou een adverteerder kunnen te weten komen of die duurbetaalde advertenties ook echt effect hebben.

Met de tool zet Google een stap dichter bij de heilige graal voor marketeers: het meten van de 'return on investment' van advertenties. Nu reclame steeds meer 'targeted' en persoonlijk wordt, ligt dat anders. De apps op je smarthone weten wat je bekijkt en wanneer, en meestal loopt diezelfde account over verschillende toestellen zoals je laptop en tablet.

Ondertussen weet Google ook min of meer wat je in de fysieke wereld uitspookt. Het bedrijf heeft toegang tot de locatiegegevens van je smartphone, maar ook (in de VS) tot de betalingen die je met een kredietkaart of betaalapps uitvoert. Voeg dat alles samen en Google heeft een goed beeld van jouw profiel. Daaruit kan het nagaan hoeveel advertenties overeen komen met een aankoop in de winkel. Het is bijvoorbeeld ook iets waar Facebook al een tijdje aan werkt.

De gegevens die adverteerders zien, zullen geen namen vermelden. Wat ze krijgen is bijvoorbeeld dat gebruiker 08a862b091c379fe9767615d10863 tien advertenties voor dure koffie zag en vervolgens 5,21 dollar (het bedrag van een dure koffie) besteedde in een winkel. Geanonimiseerd dus, al betekent dat nog niet dat iemand je identiteit niet kan achterhalen mits enig zoekwerk.

Het programma draait voorlopig enkel in de Verenigde Staten, waar Google toegang heeft tot een beangstigende 70 procent van alle transacties met krediet- en betaalkaarten. Die transacties worden vervolgens gelinkt aan de online browsergeschiedenis van de eigenaar.

Alles bij de bron; DutchIT


Google presenteerde afgelopen week een even futuristische als angstaanjagende nieuwe technologie, genaamd Google Lens. Via de camera van je telefoon kan Google Lens objecten in de echte wereld identificeren en interpreteren. Het analyseert alles wat het waarneemt, begrijpt de context en komt er zo achter waar je bent en wat je wilt.

Google Lens kan bijvoorbeeld direct je gebruikersnaam en wachtwoord van een wifi-router lezen en je telefoon er automatisch mee verbinden. Ook kan het allerlei restaurants voorstellen door te bepalen waar je bent en waar je heen zou willen. Je hoeft alleen maar je camera in de juiste richting te laten wijzen. Verder zal Google Lens extreem handig zijn voor het snel bewerken van foto’s en ze direct doorsturen naar de juiste mensen, aangezien Lens zal herkennen wie er op de foto’s staan.

Zo transformeert Google in stilte je camera tot een zoekmachine. Hoewel het een natuurlijke stap vooruit is, is de hoeveelheid data die smartphone-gebruikers aan het bedrijf aanleveren verbijsterend. Het lijkt erop dat Lens de meer sociaal acceptabele versie van Google Glass moet worden. Deze mislukte, omdat mensen buiten de techwereld het een huiveringwekkend idee vonden. Googles visie op de toekomst klinkt geweldig, maar al dat gebruiksgemak komt tegen een hoge prijs.

Alles bij de bron; WelingelichteKringen


 

Nederland is op weg het eerste land ter wereld te worden waar de politie overal inbraak en roof voorspelt met ‘big data’. 

Het is géén „glazen bol”, volgens de Nationale Politie. Toch probeert een nieuw computersysteem de plaats en het tijdstip van zakkenrollerij, straatroof, geweld, diefstal en bedrijfsinbraken te voorspellen. Maandag presenteerde de politie resultaten van proefprojecten in onder meer Hoorn, Enschede, Groningen en Den Haag. De politie wil dit ‘Criminaliteits Anticipatie Systeem’ (CAS) nog dit jaar invoeren in heel Nederland. Lukt dat, dan is Nederland het eerste land ter wereld waar predictive policing in alle regio’s wordt toegepast. In andere landen, zoals het Verenigd Koninkrijk of de Verenigde Staten, gebeurt het alleen lokaal.

CAS gebruikt data, héél veel data. Hoe meer gegevens het systeem heeft, hoe slimmer het voorspelt. Algoritmen bepalen waar en wanneer de politie een verhoogde kans op criminaliteit kan verwachten. De politie speelt daarop in. Het systeem wordt nu ingevoerd naar alle 168 basisteams van de politie. Op dit moment krijgen tientallen politieteams al elk weekend een set kaarten met voorspellingen over de volgende week. Op basis van deze kaarten met voorspellingen worden van sommige politieteams al de roosters opgesteld. Het algoritme vertelt niet waaróm een bepaald delict kan worden verwacht; het laat conclusies trekken over aan lokale agenten.

CAS verschilt nog flink van het beeld uit Minority Report: het systeem wijst geen individuen aan omdat ze mogelijk een delict willen plegen, maar houdt het bij wijken waar het risico op criminaliteit hoger is. Ook worden geen gegevens over etniciteit met het systeem gedeeld. Toch is niet uit te sluiten, zegt Melchers, dat bijvoorbeeld wijkagenten met hun kennis op basis van de kaarten met voorspellingen conclusies trekken wie bepaald crimineel gedrag zou kunnen gaan vertonen.

CAS lijkt in de huidige vorm niet zo ingericht dat het allerlei privacyalarmbellen doet afgaan, zegt Nico van Eijk, hoogleraar informatierecht. „Over het algemeen is de norm: data-analyse tot op postcodeniveau is relatief acceptabel, maar analyseren op persoonlijk niveau is een ander verhaal.”

Toch wijst Van Eijk op het gevaar dat een systeem, wanneer het effectief blijkt, wordt uitgebouwd en geleidelijk morele grenzen overschrijdt. Wordt CAS bijvoorbeeld in de toekomst gekoppeld aan andere politiesystemen, zoals slimme camera’s waarmee verdacht gedrag wordt vastgesteld? Inlichtingendiensten in Nederland hebben te maken met een toezichthouder, maar er is geen onafhankelijke partij die het gebruik van CAS controleert.

Alles bij de bron; pdfNRC


 

Het politiekorps van de Engelse stad Durham wil voortaan op artificiële intelligentie beroep doen om te bepalen of verdachten van een misdrijf best aangehouden blijven of daarentegen op borgtocht opnieuw in vrijheid kunnen worden gesteld. Daarbij zal het korps gebruik maken van de Harm Assessment Risk Tool (Hart), een programma dat door wetenschappers aan de Cambridge University werd ontwikkeld.

Hart berekent aan de hand van het geslacht, de postcode en het strafregister van de verdachte of er sprake is van een laag, middelmatig of hoog risico op recidivisme. De app werd vier jaar geleden door computer-wetenschappers in Cambridge voor de eerste keer gebruikt. Aan de conclusies van het algoritme werden toen echter geen beleidsbeslissingen gekoppeld. Verdachten werden aan de hand van de parameters in verschillende risico-categorieën ondergebracht, waarna gedurende twee jaar eventuele gevallen van recidivisme werden geregistreerd. Bij een hoog risico op een herval kon een accuraatheid van 88 procent procent worden gemeld, maar bij een laag risico liep dat zelfs op tot 98 procent.

Critici zien diverse gevaren. In eerste plaats wordt opgemerkt dat in werkelijkheid de keuze aan het algoritme zal worden overgelaten, aangezien weinig officieren zin zullen hebben om een alternatieve beslissing tegenover de hogere hiërarchie te verdedigen. Bovendien wordt aangegeven dat nog nauwelijks naar de argumenten van de raadsmannen van verdachten zal worden geluisterd. Tenslotte wordt gewaarschuwd voor schadeclaims van personen die door het algoritme onterecht in de cel worden gehouden.

Alles bij de bron; Express [Thnx-2-Luc]


 

We kijken al lang niet meer op als Siri, de IPhone-assistente onze verzoeken met tal van suggesties beantwoordt of wanneer Bol.com denkt dat we ook wel geïnteresseerd kunnen zijn in een paar modieuze teenslippers net nadat we een design lamp aankochten. Ons rechtvaardigheidsgevoel krijgt zelfs een opkikkertje als we lezen dat controlediensten Financiën data-analyse toepassen om fiscale fraude te detecteren.

De verbazing is dan ook beperkt nu we vernemen dat de VDAB-toepassingen binnenkort heel wat voorspellende informatie zullen aanleveren. De VDAB heeft als publieke bemiddelingsdienst de afgelopen decennia een hele transformatie doorgemaakt;  “VDAB wordt de Amazon van de arbeidsmarkt” dixit Fons Leroy.

VDAB beschikt niet alleen over honderdduizenden digitale dossiers van werkzoekenden maar ze ontvangen jaarlijks ook tienduizenden nieuwe vacatures. VDAB zorgt voor een automatisch vacatureaanbod door in enkele milliseconden honderdduizenden werkzoekenden te matchen met de tienduizenden vacatures. Daarnaast beheert de overheid in tal van andere levensdomeinen databanken die de burgers en diensten toelaten dezelfde informatie niet altijd opnieuw te moeten opgeven.  Door het koppelen van deze databanken kan de VDAB ook andere parameters uit de loopbanen kruisen met hun bemiddelingsgegevens.

En nog meer tot de verbeelding spreekt de registratie van het clickgedrag van diezelfde mensen wanneer ze gebruik maken van de tools die VDAB beschikbaar stelt. Deze gigantische berg aan dossier- en arbeidsmarktinformatie vormen samen met de matchings-, navigatie- en historische gegevens, de Big Data van de VDAB. Via een statistische benadering kunnen er aanbevelingen worden geformuleerd die de klant moet vooruithelpen in zijn zoektocht. Ze doen dit door data te verzamelen in grote datasets, deze te analyseren en vervolgens patronen en verbanden voor te stellen die een voorspellende uitspraak doen over het gedrag van de klant/gebruiker.

Het opgraven van deze informatieschat heet Datamining, het proces om via deze algoritmes voorspellende modellen te creëren die door een voortdurende stroom aan nieuwe data gevoed en aangepast worden, omschrijft men als Machine Learning. Volgens professor Max Welling, hoogleraar Machine Learning aan de Universiteit van Amsterdam is het naïef om blind te blijven voor de gevaren van de dataficatie, zoals privacy schendingen, misbruik van gegevens, het trekken van verkeerde conclusies, of de ontmenselijking van de dienstverlening...

...De digitalisering is een realiteit en het opgraven en exploiteren van dit nieuwe goud zal nog exponentieel toenemen. De overheid moet gebruik maken van de merites van deze technologieën om wins voor haar burgers te realiseren. Maar ze moet ook maatstaven ontwikkelen zodat deze platformen betrouwbaar zijn in analyse, rechtvaardig in hun output en transparant in hun opzet. Pas dan zal de nieuwe technologie bij de overheid een breed maatschappelijk draagvlak verdienen.

Alles bij de bron; deWereldMorgen


 

Zonder privacy geen vrijheid, betoogde hoogleraar Bart Jacobs laatst. Dat is zichtbaar onjuist, en dat geldt dus ook voor zijn pleidooi voor de volgens journalist Peter Olsthoorn draconische maatregelen.

.... De Tweede Kamer, media en publiek moeten alert zijn op datamisbruik en op besluiten die door computers genomen worden, zonder verdere controle. Zo kreeg de Tweede Kamer contouren voor een 'Kaderwet gegevensuitwisseling', maar niemand sloeg er acht op. Evenmin op het overzicht datakoppelingen van overheden: 57 pagina's ontoegankelijke tabellen.

...Er is nog geen begin van een antwoord op de grote vragen over data-inzet en anonimiteit. 'Big data' bieden inzicht in ziekten als ALS en Parkinson, ook in armoede, fraude, schooluitval en in polarisatie, radicalisering en racisme/antisemitisme. Maar tegen welke privacyprijs? Daar moet zeker open debat over komen, met het hele parlement en met ons. En we moeten eerst zelf zuiniger worden met data.

Zo heb ik geen mobiel internet - de privacyalarmisten wel - dus loop ik 'onbespied' rond in de openbare ruimte. Ik lees onderweg Trouw of een boek en kijk om me heen. Begin bij jezelf...

Alles bij de bron; Trouw


 

Datamining is het gericht zoeken naar statistische verbanden in heel grote gegevensverzamelingen met als doel profielen op te stellen. "Je gaat op zoek naar gelijkenissen tussen individuen, waardoor je subgroepen kan identificeren binnen de grote set van gegevens", zegt Sarah Steenhaut, professor Digitale Marketing aan de UGent in "De wereld vandaag". 

In de marketing is het een techniek die al redelijk lang bestaat, maar door de explosie van de data vandaag krijgt datamining een heel nieuwe dimensie. Door de sociale media is het aantal digitale sporen dat we nalaten explosief toegenomen. "Het gaat om hoe we ons voelen, welke merken we leuk vinden, met wie we verbonden zijn, en zo voort. Zonder dat we het beseffen laten we heel veel informatie over onszelf na". Op dezelfde basis als in de marketing wordt datamining nu op andere terreinen toegepast. "Het gaat over het identificeren van gelijkaardige patronen en profielen, en die gebruiken om de  boodschap naar bepaalde subgroepen meer persoonlijk te maken ", zegt Steenhaut.

In de Verenigde Staten wordt al langer gebruikt gemaakt van datamining om campagne te voeren, "Daar werd in eerste instantie aan het verzamelen van informatie gedaan, maar nadien ging men nog een stap verder door de profielen zo te verfijnen en die subgroepen dan zeer gerichte berichten te sturen, via mailing of via sociale media", stelt Steenhaut. 

"De bedrijven die de data verzamelen, hebben daardoor alle macht in handen en dan komen natuurlijk de discussie en de ethische vraagstukken over datatoegankelijkheid, privacy en transparantie naar boven. Vanuit de overheid moeten we dit thema zeer goed opvolgen en moet er gezocht worden om telkens opnieuw ervoor te zorgen dat de eindconsument weet dat hij een zekere bescherming krijgt", besluit Steenhaut.

Alles bij de bron; deRedactie


 

Abonneer je nu op onze wekelijkse nieuwsbrief!
captcha