Nuevas tendencias en la aplicación de algoritmos al combate del crimen : análisis del estado del arte e instanciación de un algoritmo de deep learning para la predicción espacio temporal del crimen en Montevideo

Abstract

El combate del delito es uno de los problemas mas generalizados, de mayor impacto y a su vez mas complejos que enfrentan las sociedades modernas en todo el mundo. Como tal ha sido abordado manera multidisciplinaria, con aportes desde instituciones públicas, la academia y el sector privado. Por su parte, la ingeniería ha estado también al servicio de la seguridad creando herramientas para facilitar el trabajo de las fuerzas de la ley. En particular en los últimos años se han propuesto una gran variedad de innovaciones desde la ingeniería y la matemática aplicada al combate del crimen. Partiendo de una mirada integradora, se decidió iniciar el presente trabajo con una revisión bibliográfica de las principales innovaciones que se han propuesto en las últimas dos décadas para el combate del crimen en el mundo. Para la segunda parte del trabajo se opto por la aplicación de un modelo de Deep Learning para la predicción espacio temporal del crimen. Esta selección se realizó tomando en cuenta tanto la actualidad del tema en sí, como la realidad del Ministerio del Interior, buscando siempre la factibilidad de aplicación. Se analizaron alternativas y dificultades del modelado de la ocurrencia del crimen a través de redes neuronales por modelos predictivos, adaptando un algoritmo novedoso desarrollado originalmente para la predicción del clima. El trabajo finaliza con la discusión de los resultados, diagramando como puede mejorarse la capacidad predictiva del sistema, as como las dificultades que puede presentar su implementación. Destacamos por último, que este trabajo aporta un nuevo enfoque, el de la inteligencia artificial, a las investigaciones iniciadas recientemente en nuestro país en la predicción del crimen, a la vez que un insumo de valor para la puesta en practica de un sistema de este tipo en nuestra policía.