کاربرد هوش مصنوعی در پیش بینی و پیشگیری از جرائم شهری؛ رویکردهای نوین برای سازمان های امنیتی

با پیچیده تر شدن الگوهای جرم خیزی در کلان شهرها و افزایش تراکم جمعیت، روش های سنتی پاسخ دهی به جرم (Reactive Policing) دیگر کارایی لازم را برای تضمین امنیت پایدار ندارند. ظهور هوش مصنوعی (AI) و تحلیل کلان داده ها (Big Data)، پارادایم جدیدی به نام «پلیس پیش بینانه» (Predictive Policing) و «پیشگیری وضعی هوشمند» را ایجاد کرده است. هدف از این پژوهش، بررسی کاربرد فناوری های هوش مصنوعی در پیش بینی کانون های جرم، بهینه سازی گشت زنی و پیشگیری از جرائم شهری با تمرکز بر نقش سازمان های امنیتی و حراست شهری است. این مطالعه با رویکردی توصیفی-تحلیلی و با استفاده از روش ترکیبی (کیفی و کمی) انجام شده است. در بخش کیفی، با انجام مصاحبه های عمیق با ۲۰ نفر از خبرگان امنیتی، فرماندهان انتظامی و متخصصان داده کاوی، ابعاد فنی و مدیریتی این فناوری شناسایی شد. در بخش کمی، با استفاده از داده های واقعی جرم در یک منطقه نمونه شهری طی ۵ سال گذشته (۱۳۹۹-۱۴۰۳)، الگوریتم های یادگیری ماشین از جمله «درخت تصمیم» (Decision Tree) و «شبکه های عصبی مصنوعی» (ANN) برای پیش بینی وقوع جرم آموزش داده شدند. یافته های پژوهش نشان می دهد که به کارگیری مدل های هوش مصنوعی می تواند دقت پیش بینی کانون های جرم را تا ۸۵ درصد افزایش دهد و زمان واکنش نیروهای امنیتی را تا ۴۰ درصد کاهش دهد. همچنین، تحلیل ها نشان داد که ترکیب داده های مکانی (GIS)، زمانی و اجتماعی در یک پلتفرم یکپارچه، توانایی پیشگیری از جرائم خرد و سازمان یافته را به طور چشمگیری ارتقا می بخشد. با این حال، چالش هایی نظیر «خطای الگوریتمی»، «حریم خصوصی شهروندان»، «سوگیری داده ها» و «نیاز به زیرساخت سخت افزاری» شناسایی شدند. این مقاله با ارائه یک چارچوب مفهومی برای استقرار سیستم های پیش بینانه در ساختارهای امنیتی ایران، راهکارهایی عملیاتی برای همکاران واحد حراست و نیروهای انتظامی ارائه می دهد تا ضمن ارتقای امنیت، از تداوم چرخه جرم جلوگیری کنند. نتایج حاکی از آن است که هوش مصنوعی نه جایگزین هوش انسانی، بلکه ابزاری تقویت کننده برای تصمیم گیری های استراتژیک و تاکتیکی در حوزه امنیت شهری است.