Minority Report (Azınlık Raporu) filmi gerçek mi oluyor?
Suç tahmin edilebilir mi?
Yapay Zeka teknolojileri sokaktaki suçun önlenmesinde yardımcı olabilir mi?
Hangi sokakta ne zaman hangi suçun işleneceğini yapay zeka nasıl bilebilir?
Bunu yaparken insanların özel hayatın saygılı olmak, kitleleri gizlice gözlemeden suçla mücadele etmek, etik değerlere sadık kalmak mümkün mü?
Öngörücü polislik nedir?
Tüm bu soruların cevaplarını Bilgi Üniversitesi öğretim üyesi Dr. Tuğrul Cabir Hakyemez’le konuştuk.
Hakyemez bu konuda hazırladığı doktora teziyle TÜBA Teknofest ödüllerinde birinciliğe layık görüldü.
Suç tahmin edilebilir mi?
Yapay Zeka teknolojileri sokaktaki suçun önlenmesinde yardımcı olabilir mi?
Hangi sokakta ne zaman hangi suçun işleneceğini yapay zeka nasıl bilebilir?
Bunu yaparken insanların özel hayatın saygılı olmak, kitleleri gizlice gözlemeden suçla mücadele etmek, etik değerlere sadık kalmak mümkün mü?
Öngörücü polislik nedir?
Tüm bu soruların cevaplarını Bilgi Üniversitesi öğretim üyesi Dr. Tuğrul Cabir Hakyemez’le konuştuk.
Hakyemez bu konuda hazırladığı doktora teziyle TÜBA Teknofest ödüllerinde birinciliğe layık görüldü.
Category
🗞
HaberlerDöküm
00:00Efendim merhabalar ben Eray Özer, Yeni Haller'in TM4 YouTube kanalı için hazırlanan programına hoş geldiniz.
00:13Programda biraz böyle bilimden konuşalım, gezegeni anlama çabası içinde olalım, yeni teknolojilerden bahsedelim.
00:23Yeni teknolojilerin dışında iklim krizinden, küresel ısınmadan birazcık bahsedelim istiyorum.
00:31Bugün bir konukla beraberim. Konuğum şu sıralarda çokça konuştuğumuz bir konuyla ilgili olarak bize aslında ilginç detaylar anlatacak.
00:41Ne o çokça konuştuğumuz mesele? Malum sokaktaki şiddet olayları çok fazla gündemde şu sıralar.
00:46Acaba önlenebilir mi? Acaba suç daha hayata geçirilmeden engellenebilir mi?
00:53Yapay zeka, mesela teknoloji bize bu konuda yardımcı olabilir mi? Bunları konuşacağız.
00:58Evet şu anda Tuğrul Cabir Hakkemez'le beraberim. Hoş geldin Tuğrul.
01:04Hoş bulduk.
01:05Şimdi hemen şeyle başlayalım. Sen yakın zamanda bir ödül aldın aslında.
01:09Evet.
01:10Tam da bahsedeceğimiz konuyla ilgili hazırladığın tezde ödül aldın.
01:14TÜBAT Teknofest Doktora Bilim Ödülü'ne girdi.
01:17Evet.
01:18Ve Sosyal ve Beşeriyi Bilimler'de dalında birincilik aldı bu doktora tezin.
01:23Hemen ben diyorum ki oradan girelim.
01:25Senin doktora tezin aslında neyi anlatıyordu bize?
01:29Evet bu doktora tezimi 2022 yılında bu arada bitirmişim Şubat'ta.
01:33İki buçuk sene sonra aslında böyle bir ödül almak yani onur verici oldu benim için diyebiliriz.
01:38Türkiye Ünlü Akademisi tarafından böyle bir ödüle layık görülmek.
01:41Tezimizde aslında bizim çözmek istediğimiz toplumsal problem vardı.
01:45Hocamla beraber Boğaziçi Üniversitesi'nden.
01:48Ertan Badri ismini anmış olayım kendisinin tez danışmanı ustalara saygı olarak.
01:53Biz dedik ki acaba suç tahmin edilebilir mi?
01:57Çünkü biz hocamın uzmanlık alanında yapay zeka, bunun altında makine öğrenmesi, veri analitiği tarzında çalışıyorduk.
02:04Sonra dedik ki biraz araştırmalarımızı yaptıktan sonra bunun yapılıyor olduğunu gördük.
02:10O zamanlar belli bazı yazımlar vardı birazdan herhalde bahsedeceğimlerden detaylı olarak da.
02:15Yapabilir miyiz dedik sonra dedik yaparız.
02:18Ondan sonra çünkü daha önce Türkiye'de yapılmamış bir çalışma.
02:22Tabi ki Türkiye'de daha önce yapılmış suç tahmin çalışmaları var.
02:25Lakin burada dinamik olarak suçu bir sonraki gün ya da bir sonraki sekiz saate tahmin eden bir öngörücü polislik sisteminden bahsetmek mümkün değildi.
02:36Daha sonra biz aslında bu fikrimizi Emniyet Genel Müdürleri'de paylaştık.
02:41Ama çeşitli bürokratik prosedürler gereği bir mutabakata varamadık.
02:47Bu şeyle ilgili oluyor herhalde değil mi?
02:49Veriyi kullanma kısmıyla ilgili mutabakat kısmı.
02:52Evet biz aslında konuştuk kendileriyle.
02:54Yani biz gittik hocamla beraber sağ olsunlar bizi çok güzel ağırladılar.
02:57Biz fikrimizi anlattık kendilerine.
03:00Tasarımızı bir sunum şeklinde anlattık.
03:04Lakin dediler ki biz suçu maalesef suç verisini paylaşamıyoruz.
03:10Suç verisinden kastım da aslında yeri ve zamanının yani GPS koordinatlı ve zamanlı olan suç verisini biz sizinle paylaşamıyoruz.
03:17Dolayısıyla biz de dedik ki o zaman ne yapalım ne yapalım vaz mı geçelim?
03:23Ama dedik ki biz bu işi yapmak istiyoruz yani.
03:25Daha sonra fark ettik ki Amerika'daki tüm büyük şehirler Chicago, Los Angeles, New York bu suç verilerini koordinatlı olarak paylaşıyorlar açık.
03:33Hem de yani başvurmadan direkt açık.
03:35Tabii tabii kamyon açık şekilde gidip indiriyorsunuz.
03:37Mesela Chicago bizim üzerine çalıştığımız Chicago Veri Seti 2001 yılından beri gerçekleşmiş neredeyse tüm suçları bir platform üzerinden paylaşıyorlar.
03:46Bir portal üzerinden ve biz tüm veri indirdiğimizde şu anda mesela 2020 yılında 7 milyon veri vardı orada.
03:52Biz daha sonra dedik ki Chicago üzerinde çalışalım.
03:55Tamam bu şekilde aslında hikaye Chicago üzerinden başlamış olduk.
04:01Dedik ki ne yapalım peki sonraki aşamada?
04:04Biz normalde bu bilgisayar bilimlerinde ve işte suç tahmin çalışmalarında o zamanki mevcut olanlarda şöyle bir tabir vardır.
04:14Kör veri madenciliği.
04:16Kör veri madenciliği nedir?
04:17Bu adamlar işte belli başlı algoritmalar var.
04:20Bu algoritmaları belli verilerle besliyorlar.
04:23Ama bu verileri tamamen rastgele yani aslında uygun olan işte hangisi varsa bunu atalım modele.
04:29Ve daha sonra da işte bir model çalışıp tahmin yapalım.
04:32Burada herhangi bir teoriden bahsetmek çok güç.
04:35Biz dedik ki biz önce suçu anlayalım.
04:37Biz daha sonra bir sene sadece ben suç teorileri okudum.
04:41Yani yaklaşık 3-4 tane suçla alakalı teori üzerinde kitaplar okudum.
04:45Bunu neden yaptık?
04:47Çünkü şunun farkındaydık ki biz eğer öngörücü politik sistemimizi doğru verilerle beslersek tahmin doğruluğunu arttırabiliriz.
04:57Ve aslında bizim bir diğer önemli katkımız da sosyal bilimlerden aslında biz tabiri caizse açıklayıcı değişken kotardık ve modelimizi dahil ettik.
05:11Hemen şeye gireceğim.
05:13Şimdi sistemi şöyle birazcık daha izleyenler için açalım istiyorum.
05:18Şimdi bir yapay zeka var, bir algoritmamız var.
05:22Suçun nerede işlendiğine dair, ne zamanına dair bir koordinatımız ve zaman bilgimiz var.
05:28Doğru mu?
05:29Ve bunun diyelim ki belli bir bölge içerisinde dağılımını görüyoruz.
05:34Daha sonra bunun yıllar içerisindeki bu veri setini yapay zeka işleyerek diyor ki doğru tahmin yani yanıldığım bir yer varsa düzelt beni lütfen.
05:44Yapay zeka bir noktada diyor ki şu saatlerde şuralarda otomobil hırsızlığı oluyor diyebilir mesela.
05:54Bize rakamlar o veri seti bunu gösteriyor.
05:58Dolayısıyla güvenlik güçleri de yani öngörücü politik de buna tekabül ediyor.
06:04Ama bu bölgelerde işte bu zamanlarda şu aralıklarda günün şu zamanlarında şu suç işlenme ihtimali daha fazla diyerek
06:12o konunun uzmanı yani ne bileyim narkotik olabilir işte asayiş olabilir ekipleri o bölgelere yönlendiriyor.
06:21Dolayısıyla siz aslında suçun hangi zamanda hangi tür suçun nerede işlendiğine dair bir ön fikriniz oluyor ve o fikirle yapay zeka sayesinde bu fikri ediniyorsunuz.
06:31Güvenlik güçlerinin kolluk güçlerinin dağılımını organize ediyorsunuz.
06:35Kesinlikle öyle.
06:36Değil mi? Sistemin çalışma mantığı bu.
06:37Evet evet. Yani iki tane önemli katkısı var.
06:41Öngörücü politik ile aslında ben direkt tez aşama ve sürecime ve şey direkt bodozlama daldım ama biraz böyle galiba şeyi unuttum tanımlamayı.
06:49Aslında çok basit bir tanımı var.
06:51Suçun nerede ne zaman kim tarafından kime karşı işleneceğini önceden tahmin eden analitik modeller.
06:59Analitikten kastım veri kullanılıyor tabi ki burada.
07:01Yani daha çok nicel modeller kullanılıyor.
07:04Aslında bu hikayeyi çok hızlıca anlatmak gerekirse yani 89 yılında Sherman diye bir adam var ve bu adam diyor ki Minnesota'da bir polis memuru.
07:14Ya diyor ki bu suçlar bir yerde yoğunlaşıyor mu acaba?
07:17Bunu acaba istatistiki olarak biz bunu gösterebilir miyiz?
07:20Ve şunu görüyorlar.
07:2285-86 yılında Minnesota'da gerçekleşmiş hırsızlık suçlarının %50'si aslında sadece tüm adreslerin %3'ü gibi küçük bir kısımdan geldiğini gözlemliyorlar.
07:33Yani diyorlar ki burada o zaman suç aslında belli noktalarda yoğunlaşıyor.
07:37Suç şehir boyunca eşit olarak dağılmıyor.
07:40Buna da diyorlar ki sıcak nokta.
07:42Aslında şu anda bile çoğu polisin yaptığı yani polis yani popüler olan pratik şu.
07:48Daha önce suç gerçekleşen yerlere biz diyorlar ki güvenlik cihazımızı gönderelim.
07:54Çünkü suçlar genelde burada gerçekleşiyor.
07:56Buna da işte sıcak nokta polisliği deniyor.
07:58Aslında bu Predictive Policing'de tahmini daha çok mevcut suç sıcak noktalar üzerinden yapıyorlar.
08:09Ve buna göre işte aslında tüm devriyeleri planlıyorlar.
08:12Ama sonra fark ediliyor ki bu sıcak noktalar aslında her zaman olduğu yerde olmayabiliyor.
08:17Yani bir kayma gerçekleşiyor.
08:19Mesela işte başka bir yere yayılabiliyor.
08:22Dolayısıyla siz mevcut sıcak noktaya da müdahale ediyorsunuz.
08:26Ama belki üç sokak ötesinde bir sonraki suç gerçekleşecek.
08:28Ama sizin mevcut sıcak suç sıcak nokta analiziniz buna izin vermiyor.
08:33Diyor ki o zaman...
08:35Daraltıyoruz yani.
08:36Evet.
08:37Yani şeyi evet yani bu şeyi aslında...
08:39Daha spesifik hale getiriyoruz o bilgiyi.
08:41Evet yani spesifik hale getirip daha şey yapıyor aslında.
08:44Biraz daha suçun civarında da gerçekleşebileceğini hesaba katan aslında bir yöntemler bütünü.
08:52Öngörücü Polislik.
08:53Şuradan yola çıkıyorum yine.
08:54Bir sonraki maşama çünkü şöyle gerçekleşiyor.
08:56Prospective Hotspotting diye bir yöntem geliştiriyorlar.
09:002004 yılında Johnson diye bir adam var ve arkadaşları.
09:03Diyor ki...
09:04Ve bunda şöyle bir teoriden yola çıkarak gerçekleşiyor.
09:07Onun için teori önemli aslında suç araştırmalarında.
09:09Diyor ki repeat suça bir kere maruz kalan kişiler ya da mekanların bir daha suça maruz kalma ihtimali değil.
09:17Hiç suça maruz kalmamış kişiler veya mekanlara göre %50 daha fazla.
09:21Aslına bakarsanız.
09:22Bu tekrarlama.
09:23Repeat pattern.
09:24Ama aynı zamanda niye repeat deniyor?
09:26Diyor ki suça bir suçun gerçekleşmesi o ve civardaki bölgelerdeki suç işlenme riskini belli bir süre boyunca arttırıyor.
09:37Aslında bu çok böyle amiyane bir tabir vardır ya.
09:40Hırsızlık.
09:41Mesela hırsız dadanması.
09:43Bizim mahalleye dadandık.
09:45Kesinlikle öyle.
09:46Çünkü bu buradan gerçekleşiyor.
09:47Çünkü o mahallede muhtemelen hırsızlar için cazip olan bir şey var.
09:51Hırsızlar yani çünkü muhtemelen daha kolay ve işte güvenlik önlemleri daha zayıf.
09:56Dolayısıyla dadanmalı.
09:57Diyor ki o zaman biz diyor buraya suçun gerçekleştiği noktanın etrafında yayılan
10:02kernel dense estimation diye bir yöntem geliştirelim ve buraları mesela bir risk yüzeyi olarak temsil edelim.
10:08Risk yüzeyi şu.
10:09Bir coğrafi bölgemiz var.
10:11Bu coğrafi bölgede ufak alt birimler var.
10:14İşte mesela atıyorum bunu isterseniz grid dediğimiz mazgallara dönüştürebilirsiniz o coğrafyayı.
10:20Ya da işte sokak kısımları olarak belirtebilirsiniz.
10:24Bu coğrafi birimlerinde belirlenmesi de ayrı bir çok uzun bir tartışma gerektiren bir bahis.
10:29Şimdi buraya çok girmeyeceğim.
10:30Ama burada da her bir alt coğrafi birimi aslında suç riskiyle temsil ediliyor.
10:36Şimdi ben şuradan şuna gelmek istiyorum çünkü.
10:38Predictive Policing bir alt dalı var ki bu bizim aslında yaptığımız çalışmayı gösteren bir teknik.
10:43Predictive Crime Hotspot Mapping.
10:46Yani tahminci suç sıcak nokta haritalama aslında.
10:50Bu şunu gösteriyor.
10:51Bir haritamız var.
10:52Mesela Beyoğlu haritamız var.
10:54Beyoğlu haritasında işte diyelim ki sokaklar var.
10:57Sokak kısımları iki tane işte kesişimin arasındaki yer alan kısım diyelim.
11:02Burada her sokağın bir risk değeri var.
11:04Bu risk değeri mesela atıyorum İstiklal Caddesi diyelim.
11:07İşte risk değeri 1.
11:08İşte atıyorum yan cadde 05.
11:10İşte ondan sonra diğer cadde 02 vs. vs.
11:13Bizim yaptığımız çalışma şunu aslında söylüyor.
11:15Bir sonraki gün acaba bu risk görünümü nasıl olacak?
11:19Atıyorum bir sonraki gün İstiklal Caddesi 2.
11:22İşte yandaki sokak 05.
11:24Diğer cadde 01 vs. vs.
11:26Daha sonra her bir alt coğrafi biriminde kendi risk değeri olduğu için...
11:31Sonra diyoruz ki biz bunu sıralıyoruz.
11:33En yüksekten aşağı doğru.
11:35Ondan sonra diyoruz ki biz işte diyorum toplamda...
11:41Ama bunu bir yerden çekesmek lazım.
11:43Şimdi şu bahsede gelmek, şuradan da bahsetmekte fayda var.
11:49Mesela şunu çok bir güvenlik açısından bir anlamı yok.
11:52Bugün Beyoğlu'nda bir suç gerçekleşecek.
11:55Yani bunun bir anlamı yok.
11:56Bunun spesifik olması gerekiyor aslında.
11:58Ama mesela atıyorum bugün TM4 ofisinde bir suç gerçekleşecek.
12:02Bu da çok zor çünkü elimizde yeterince veri yok.
12:04Ve modeli bunlarla besleyemeyiz ve yeterince düzenlik gözlemleyemiyoruz.
12:08Örüntü çıkaramayız dolayısıyla.
12:10İşte optimal işte burada mekansal coğrafi birimleri elde etmemiz gerekiyor.
12:14Burada da bizim genellikle suçta tartışılan ve görüşülen şey...
12:18İşte sokak kısımlarını alalım.
12:20Biz de zaten sokak kısımlarını belirlemiş olduk.
12:22Ve sonra dedik ki sokak kısımlarını şu şekilde seçebiliriz.
12:30Tüm sokak kısımlarını seçmektense toplam uzunlukları,
12:34tüm sokak kısımlarının yüzde yirmisini geçmeyecek şekilde hepsini seçelim.
12:39Ve daha sonra bunları sıralayıp diyelim ki İstiklal Caddesi,
12:42ondan sonra Kazancı Yokuşu,
12:44ondan sonra diyelim ki işte şurada birkaç sokak...
12:48Tarlabaşı.
12:49Tarlabaşı diyelim vesaire.
12:50Ya da İmamandan Sokak diyelim.
12:52Buralar diyelim tepede yer alıyor.
12:54Diyoruz ki yarın buralara dikkat edin.
12:56Çünkü yarın buralarda hırsızlık suçu işlenmesi olasılığı çok yüksek.
13:00Burada da bunu biz polise verdikten sonra,
13:03polisler de ertesi günde aslında devreye planlarken
13:07bu noktaları göz önüne alarak kendi devrelerini planlayabiliyorlar.
13:11Bizim aslında en büyük katkımız bu.
13:13Diyebiliyorum.
13:14Ben bakınca bu konudaki bir literatüre,
13:17bu predictive policing, öngörücü polislik meselesine aslında birkaç yöntem var.
13:22Bir kısmı, insan hakları örgütlerinden falan da eleştiri alan bir kısmı da var.
13:27Orada çünkü işte surat tanıma sistemleri.
13:30Öyle olunca işte surat tanımadan kameralar seni tespit ediyor.
13:34Burada işte bir takım suçlular geziyor diyor.
13:36Dolayısıyla insan bedelini ödemiştir o suçun ama bir daha yani artık
13:41masumiyet karenesi gereği suçlu olmayan bir insan üzerinden bir tahminde bulunuyorsun filan.
13:46Bunlar tartışmalara girmiş.
13:48Ama sizin bahsettiğiniz şey, yani sizin sisteminiz,
13:51senin bahsettiğin şey daha şey, aslında bir tür tahmin,
13:56bir algoritmanın çalışması kişilere bağlı değil.
13:59Aynen öyle.
14:00Yani işte Ayşe, Ahmet, Mehmet neyse onlar önemli değil orada.
14:04Orada kişileştirmiyorsunuz.
14:06Diyorsunuz ki istatistiki olarak gelen verilerin işte aralığı, sıklığı,
14:12şu su, bu su, mevsimi belki bilmediğimiz yüzlerce parametreye bağlı olarak
14:17yarın şuraya dikkat et.
14:19Evet.
14:20En özeti bu.
14:21En basit tabiriyle bu.
14:23Aslında bu yani öngörücü polislik tabii etik anlamda pek çok problemi doğuruyor.
14:30Burası kesin.
14:31Bunun da belli başlı sebepleri var.
14:33Çok böyle çok kısa bir, biraz flash forwardlı, çok hızlı bir şekilde bunu açıklayabilirim.
14:38İlk çalışmalar bin, işte yirminci yüzyılın başlarında İtalyan ekolüyle başlıyor.
14:43Cesare Lombrosa diye bir adam var.
14:45Suçu nerede arayalım?
14:46Aslında ilk soru bu.
14:47Bireyde arıyor adam Cesare Lombrosa ve diyor ki doğuştan suçlular vardır diyor
14:52ve bu suçların belli başlı anatomik özellikleri vardır.
14:54Gidiyor işte atıyorum hapishanede ve işte orada da adamların kafası,
14:58şeyinin falan çapını falan ölçüyor ve diyor ki evet diyor bu adamlar diyor,
15:02suçların diyor kafa tası çapı daha küçüktür falan diyor.
15:05Öjin yani.
15:06Evet evet.
15:07Resmen o.
15:08Tabii tabii.
15:09Öjin.
15:10Bayağı bayağı aynı, aynı yıllara zaten tekabül ediyor.
15:11Sonra diyorlar ki ya bu böyle değil.
15:12Olmaz yani bu totoloji yani.
15:14Ve ayrıca seçtiğin araştırman da kusurlu çünkü seçtiğin araştırman da bir taraftan gidiyorsun,
15:19askere seçiyorsun ki askere girmek için belli başlı fiziksel özellikler olman lazım.
15:23Diğer taraftan gidiyorsun hapishanedeki adamları seçiyorsun.
15:25Zaten kendi şeyinin, daha sonra bu çürütüldükten sonra yani bu yerden yere vurulduktan sonra
15:30Chicago okulu geliyor.
15:31Chicago okulu diyor ki aslında bu biraz daha Chicago okulu şeyden besleniyor bu arada.
15:35Fransız ekolünden besleniyor.
15:36Emile Durkheim vardı biliyorsun, ünlü sosyolog.
15:38Emile Durkheim der ki işte suç toplumun parçasıdır ve toplumsal bir üründür.
15:42Toplumsal bağlamda düşünmek gerekir.
15:43Chicago'da diyor ki tamam böyle düşünelim.
15:45İlk çalışma 1925 yılında Burgess diye bir adam var.
15:48Şehri işte konsantrik zonlara ayırıyor.
15:50Konsantrik zonu dediğinde şu.
15:51Merkez var ve beş tane de yüzük şeklinde aslında şehrin yapılanması var.
15:57Bu merkezin hemen dışındaki diyor ki bu merkezin hemen dışındaki ilk halka burası
16:04genellikle diyor işte dezavantajlı ve gelir durumu düşük ve etnik heterojenin yüksek
16:10olduğu yerlerdir diyor.
16:11Bu şekilde karakteriz ediyor.
16:12Ve sonra diyor ki burada aslında suç, gözlemlenen suç yüksek olmasının belli başlı sebepler
16:17olabilir diyor.
16:18Bu bölgelerin, bu ikinci halkın 100 yıl önceki işte bu Chicago'da karakteriz edilen
16:22şehir sisteminin ikinci halkasında genellikle bugün aslında düşündüğümüz gettolar var.
16:27Yani gettolarda işte dediğim gibi hızlı bir nasıl söyleyeyim size.
16:33Mesela geliyor insanlar bir sene kalıyor gidiyor bir sene kalıyor.
16:37Böyle olunca da insan ve birincisi bu.
16:40İkincisi işte etnik olarak çok fazla heterojen bir yapıdan bahsediyoruz.
16:45Böyle olunca da diyorlar ki sosyal olarak burada insanlar arasında bir bağ oluşmadığını
16:50böyle bir iddiada bulunuyorlar.
16:52Bu da diyorlar ki sosyal disorganizasyona neden oluyor.
16:55Neden?
16:56Çünkü sosyal disorganizasyon olmanın sebebi şu.
16:58Eğer bir topluluk içerisinde.
17:00Komşunu tanıyacaksın diyorlar.
17:02Aynen öyle.
17:03Fertler arasında çok fazla bir bağlılık olmazsa mesela diyelim ben gece balkona çıktım
17:07ve bir sigara içiyorum ve siz de benim komşusunuz.
17:10Bir tane adam hırsız giriyor oraya.
17:12Mesela benim direkt hop hop demem lazım ya da işte polis aramam lazım.
17:16Buna işte resmi olmayan kontrol mekanizması deniyor.
17:20Ve bunun da aslında suçu önlemede büyük bir katkısı olduğu varsayılıyor aslında.
17:28Bu yoksa eğer bir yerde.
17:30İnsan da umursamıyorsa suç işlenmesini.
17:32Dolayısıyla burada suçun fazla olacağı düşünülüyor.
17:34Şimdi tekrar devam ediyoruz şeyimize.
17:37Bu günümüzde özellikle sizin de bana göndermiş olduğunuz iki tane makale vardı burada.
17:43Acilen yasaklanmalıdır.
17:45Öngörücü polislik denmesinin sebebi şu.
17:47Evet bu yapay zeka modellerini ya da diğer modeller aslında çok fazla etik kaygılar yoktur.
17:54Yani atıyorum eğer mesela bir bölgede yaşayan siyahi nüfus eğer benim tahmin doğruluğunu arttırıyorsa
18:02o modeli onu kullanır net yani.
18:04Ya da işte atıyorum bir bölgede yaşayan işte atıyorum gelir seviyesi o modelin doğruluğunu arttırıyorsa
18:09suç doğruluğunu onu kullanır.
18:11Onu kullanmak doğru mudur? Değildir zaten.
18:13Bu noktada etik tartışmalar patlıyor.
18:14İşte bunu da şuna dayandırıyoruz.
18:15Ama kontrolü sonuçta nihayetinde de bir yandan da ipin ucu sizde.
18:19Yani bu işi üretenler çalıştıranlar olarak yani.
18:21Aynen öyle.
18:22Şimdi şöyle bir sıkıntı var.
18:24Bunun tabii toplulukları ve mahalleleri marjinalize etme riski var.
18:29Ki şöyle aslında bir şeyden bahsedebiliriz.
18:31Burada bunu çok bir şey üzerine anlatacağım size.
18:34Özellikle PredPol denemelerinde Amerika'da işte New York'ta bazı mahallelerde siyah yoğun yaşayan mahallelerde
18:39ya da işte gelir seviyesi düşük olan mahallelerde artık taci seviyesine varan polis araçları.
18:44Mesela günde üç kere polis aracı dolaşıyor.
18:46Çünkü orayı sürekli yüksek risk bölgesi olarak görülüyor.
18:49Şimdi bunun belli başlı problemleri var.
18:51Overpolicing diyorlar.
18:52Yani çok fazla polis olması orada insanları kurban gitme korkusunu,
18:57fear of victimization diye bir tabir var da işte bunu Türkçe çevirmeye çalışıyorum.
19:01Kurban gitme riskini, korkusunu arttırıyor.
19:03Kurban gitme riskinin arttırmasının ne demek biliyor musunuz?
19:06Kişiler birbirine asla güvenmiyor.
19:08Demek ki burada sürekli bir şey var, sürekli diken üstünde.
19:10Dolayısıyla da her an eli silahına gidiyor.
19:13Evet aynen öyle ve dolayısıyla bu da aslında sosyal olarak insanların birbirine bağlanmasını,
19:17güven inşa etmesini zorlaştırıyor.
19:19İkincisi ve daha kötüsü şu.
19:21Suçta şöyle bir teori vardır, etiketleme teorisi.
19:26Mesela ben sizi sürekli suçlu olarak görüyorsam siz bir süre sonra gerçekten de suçlu olduğunuza inanmaya başlarsınız.
19:30Bu mahallelerdeki durum da bu.
19:32Mesela ben sürekli o mahalleye polis gönderirsem, aslında o mahallede o kadar huzurlu bir mahalleyken
19:35belki de diyecek ki ya burası da gerçekten böyle bir mahalle deyip,
19:38kendisine aslında o şekilde, öz imajını o şekilde belirip ona göre davranabilir.
19:45Ve burada aslında kendi gerçeklerinden bir kehanet gibi.
19:47Ve burada suç gerçekleşebilir.
19:49Çözüm ne peki?
19:51Aynen öyle.
19:53Çözüm şu, biz mesela tezimizde buna dikkat ettik.
19:56Ve dedik ki biz bu toplumsal, demografik değişkenleri almayacağız.
20:01Ne yapalım?
20:02Onun yerine daha böyle aktivite temeli ya da farklı değişkenler alabiliriz.
20:05Mesela şu, bizim aldığımız değişkenler şunlardı ki bizim katkımız birincisi şu.
20:10Mesela park olayları, parkta geldiğimiz etkinlikler.
20:13Park etkinliklerini aldık.
20:14Ve bunu gerçekten de modelimize dahil ettik.
20:17Ve bunu iyi bir dergide yayınladık bu arada.
20:19Yani şeyi var.
20:21Şunu fark ettik.
20:23Suç tahmin doğruluğunu gerçekten %2, %3 oranında arttırıyor.
20:26Özellikle hırsızlıkta.
20:28Gasp da aynı şekilde işlemiyor çünkü bunun farklı sebepleri var.
20:31Ve gerçekten de şuna da bak.
20:32Acaba parkta gerçekleşen olayların yakalanmasını sağlıyor mu?
20:35Gerçekten de mesela %50 oranında arttırdı.
20:38Parktaki gerçekleşen suçların doğru tahmin edilmesini.
20:41Aslında burada yaptığımız şey şuydu.
20:43Parkta sonuçta suç...
20:47Bu bize şunu gösterir mi? Çok özür dilerim.
20:49Tabii estağfurullah.
20:51Aslında şeyi, bu tahmin meselesi, suç tahmin meselesini var.
20:57Mesela parkta bir dinamiği yakalamış belli ki sistem.
21:02Yani dolayısıyla aslında kapalı.
21:04Yani var olan sistemleri de daha kapalı hale getirebilirse.
21:07Kapalıyla kastettiğim şey, kendi içindeki o dinamiğini.
21:11Yani her yere uyarlamazsa, öznerliğini doğursa.
21:14O zaman daha çok tahminde başarılı oluyor diyebilir miyiz?
21:17Tabii, tabii. Böyle çabalar var.
21:19İşte zaten bu özellikle demografi frilinin alternatif olarak sunulan değişken setleri...
21:25...bu özellikle suç fırsat teorilerinden derlenmiş teoriler.
21:29Mesela suç fırsatı nedir?
21:31Şu şekilde genellikle formalize edilir.
21:35Çekici bir suçlu, motive olmuş bir... Pardon, çekici bir hedef...
21:41...motive olmuş bir suçluyla etrafta bu işe dur diyebilecek bir...
21:48Aslında koruyucu yokken karşılaşırsa o suç gerçekleşir diyor aslında.
21:52Mesela biz bu araya geldik, etrafta polis yok ya da dışarıdan müdahale edecek kimse yok.
21:57Mesela gaspa uğrayabilirim yani.
22:01Daha sonra burada diyorlar ki, peki bu her zaman böyle olmayabilir.
22:05Suçlar ne yapıyor?
22:07Bir aslında risk ve ödül burada hesaplaması yapıyor ve buna göre karar veriyor.
22:12Ondan sonraki üçüncü teori de şunu söylüyor işte.
22:16Bu suç örüntü teorisi diyor ki, peki bu şehirlerde nerede gerçekleşiyor?
22:20Bunu aslında kentsel bir bağlama oturtmamız lazım.
22:23Daha sonra kentsel bağlamda diyorlar ki, bazı mekanlar suçu üretiyor ya da suçu çekiyor.
22:29Suçu üretenler nereler biliyor musun?
22:31Çok basit aslında metrobüs durakları.
22:33Ondan sonra tren istasyonları.
22:36Ya da otobüs durakları.
22:38Ya da kalabalık çeken yerlerde genellikle suç riski artıyor.
22:42Özellikle hırsızlık suçu riski artıyor.
22:44Çünkü orada bir karambol var ve insanlar onun için cepçilik, ondan sonra yan kesicilik var gibi.
22:48Aslında bu teori olarak da bir düzey oturuyor, zemine oturuyor.
22:52Diğeri de şu suç çekenler var.
22:54Mesela bazı yerler doğası gereği daha çok suçluların aslında daha rahat hareket edebilecek ortam sağlıyor.
23:02Mesela atıyorum ışıklandırılmamış parklar.
23:04Ondan sonra atıyorum işte barlar, publar diyebiliriz mesela.
23:08İşte orada çünkü şöyle bir şey var.
23:10Ya da işte atıyorum tenhada kalmış ATM'ler vesaire.
23:15Burada bunlardan aslında belli başlı kentsel bağlama oturtuyoruz burada suç fırsatlarını.
23:22Daha sonra zaten buradan elde ettiğimiz içgörülerle modelimizi besliyoruz.
23:28Ki bizim diğer bir çalışmamız da bunu söylüyor.
23:31Biz dedik ki kentsel yapılar var.
23:33Kentsel yapılardan kastım işte dükkanlar, publar var, otobüs durakları var, benzin istasyonları var.
23:39Ki bunun etrafındaki riski, zamana göre değişen bir şeyi dinamik olarak modelleyebilir miyiz belli mesafelerde?
23:45Çünkü araştırmalar mesafe arttıkça riskin azaldığını gösteriyor işte.
23:50En güçlü tam merkezde sonra az olarak gidiyor.
23:53Sonra dedik ki bunları da mesela modele dahil etsek nasıl bir gelişme sağlarız?
23:56Gerçekten de hem gaspta hem hırsızlıkta yüzde beş, yüzde on seviyesinde tahmin oranında artış yakaladık.
24:04Direkt etki ediyor.
24:05Yani buradaki değişken meselesi gibi geliyor.
24:08Şeyi yine toparlayacak sonuçlara dair bir şey soracağım da dünya genelinde de.
24:14Ama oraya gelmeden önce hani Tom Cruise'un filmi vardı ya meşhur.
24:17Azınlık raporu.
24:18Azınlık raporu.
24:19Bu mesela ben tezgahım varken çok da şey yapıyorum.
24:21Tabii tabii.
24:22Ama orada şey vardı.
24:23Neydi?
24:24İşte yok benim sosyal medya hesabıma da orada bir kehanet tabii kısmı da vardı.
24:27İşin fantastik kısmı da vardı ama hani bugüne uyarlamasından bahsedersek.
24:31Benim işte ne yapacak?
24:32Sosyal medya mesajlarıma bakacak.
24:34Bilmem ne yapacak?
24:35Ha bunda bir suçlu profili var diyecek.
24:36Kaldı ki hiç bilmediğimiz dinamiklerle çok acayip tahminler de yapılıyordur bunu.
24:40Ta o Cambridge olayından filan bile biliyoruz işte Facebook'un başına gelenler hikayesi.
24:46Yani bilmem ne marka arabası olup işte yeni boşanmış olup bilmem ne olanlar demokratlar oy veriyor gibi
24:52hiç bilmediğimiz varyantlar, değişkenler buluyorlar.
24:55Eyvallah.
24:56Ama buradaki yani sizin bahsettiğiniz ben niye bunun altını çiziyorum?
25:00Burada başka bir şey var.
25:01Burada şehre dair bir datayı, şehrin kendi zaten kamusal alanında gerçekleşen ve dolayısıyla
25:08insanın mahremine dahil olmayan bir datayı işleyerek yani o mahrem kısmına girmeden
25:14acaba suçun dağılımını daha net bulabilir miyiz?
25:17Bu mantıkla çalışan özellikle uygulamalar özelinde bir, siz nasıl sonuçlar buldunuz?
25:23İki, dünyada bu iş nereye gidiyor?
25:25Üçü de sorayım.
25:26Gelecekte nasıl bir projeksiyon?
25:28Hani bu konuyla ilgilenen ve birebir bu konuyla ilgili bir tezi olan birisi olarak
25:32hakikaten buradan bir yere varılır mı?
25:34Yapay zekâ bu meselede bir çözüm sağlar mı?
25:37Yoksa bu böyle denenir yani şu anki geldiği yer itibariyle çok da bilmiyoruz henüz.
25:42Meçhul ışık verecek mi vermeyecek mi?
25:44Bakacağız gibi bir durumda mıyız?
25:46Ya ben aslında bugün mevcut ortama baktığımız zaman emekleme dönemini geçmiş gibi görüyorum.
25:52Mesela işte dünyada uygulamaları işte ben doktoratizm yaparken işte bir iki şirket var.
25:56Mesela birisi PredPol'du.
25:58PredPol bu arada ismini değiştirip Geolitica olmuş.
26:00Daha sonra HunchLab vardı işte bundan 5-6 sene önceden bahsediyorum ben.
26:03Daha sonra bu iki şirkette şu anda Amerika'da başka bir şirket Sound Thinking diye bir şirket var.
26:08Yani o şirket tarafından alınmış, satın alınmış yani.
26:10Hatta Geolitica galiba satın alma sürecinde.
26:12Bir kısım böyle var.
26:14Bunun dışında RTMDX diye bir sistem var.
26:18Research University Üniversitesi'ndeki aslında araştırmacılar tarafından geliştirilmiş bir sistem.
26:22Bu Risk Terrain Modeling diye geçiyor.
26:24Ama bu daha farklı bir sistem.
26:26Genellikle şunu söylüyor.
26:28Suçun daha çok gerçekleştiği yerlerin tespit edilmesi ve bununla ilgili önlemler alınması şeklinde ilerliyor.
26:34Yoksa böyle anlık olarak işte saatlik ya da günlük olarak tahmin edilmesi şeklinde gitmiyor.
26:38Daha fazla işte 3 ayda bir aslında güncellenen bir kentsel risk dağılımı şeklinde ilerliyorlar.
26:44En son şey buydu.
26:46Üçüncüsü de ben Dubai'de bu arada dün okudum acaba benim yeni gelişmeler var mı diye.
26:50Dubai'de %25 azaltılanı aslında suç oranının %25 azaltıldığını iddia ediyorlar.
26:55Benzer şekilde Japonya'da zaten ben bu olimpiyatlarda konulması gündemdeydi.
27:012020 Tokyo olimpiyatlarında.
27:03CrimeNabi diye bir tane öngörücü polisik uygulaması var.
27:08Ve bunu mesela Brezilya'da denemişler, test etmişler.
27:11Böyle bir şehirde bakır tel kaçakçılığını, bakır kablo kaçakçılığını %68 azalttıklarını iddia ediyorlar mesela.
27:20İlk mesela bir aylık deneme sürecinde.
27:22Aynı şekilde İngiltere'de çok kullanılıyor.
27:24Kent özellikle polisi bunu kullanıyor.
27:26New York'da kullanılıyor.
27:28İşte Palo Alto'da işte bu şey kısmı.
27:31Sound Thinking Palo Alto'da şu anda çalışıyor.
27:35Ama Sound Thinking mesela şimdi şöyle de geçebiliriz.
27:38Geleceği konusunda bir şeyler söyleyebiliriz aslında.
27:40Sound Thinking şunu yapıyor.
27:42Birincisi bir iki tane farklı yazılım, alt yazılımları var.
27:49Bunlardan bir tanesi ShotSpotter dedikleri şu.
27:52Şehrin belli başlı yerlerine aslında dinleyici yerleştirmişler.
27:56Ve diyor ki bu dinleyiciler vasıtasıyla da mesela bir ateş medildi.
28:01Hemen ateşin yerini ve zamanını anında tespit edip yapay zekayla işte merkeze iletiyorlar.
28:07Merkeze bir kere daha dinliyorlar.
28:08Geçerliyorlar.
28:09Ve oraya hemen polise diyorlar ki burada bir suç.
28:11Bu bambaşka bir şey.
28:12Evet.
28:13Mesela evet.
28:14Diyorlar ki burada bir ateşli silah hadisesi var.
28:17Bununla yapmalarının sebebi şu.
28:18Adamlar diyor ki neredeyse yüzde 80'i, silah ateşlenme yüzde 80'i polise hiç raporlanmıyor bile.
28:26Biz de diyor ki biz bunu arttırıyoruz.
28:28Mesela bununla beraber biz raporlanmayan mesela işte silah atışı, ateş edilme vakalarını
28:34yüzde 12'e kadar indirdik diyor adamlar mesela.
28:36Yani aslında nasıl kullandığına bağlı olarak işe yarayabiliyor.
28:39Evet.
28:40Tabii tabii.
28:41Geleceğe dair projeksiyonun sizin yaptığınız çalışımdan da görebiliyor.
28:44Geleceğe dair projeksiyonun ben bu modellerin genellikle tüm yapay zeka modellerinde olduğu gibi
28:50doğru ve isabetli verilerle beslendikçe ve bu işleme kabileriniz arttıkça
28:55isabetinin daha doğru şekilde tahmin edilebileceğini öngörüyorum.
28:58Ama bunun için dediğim gibi daha etik yöntemler, etik daha doğrusu değişkenlerle
29:05çalışması gerektiğini düşünüyorum bu sistemde.
29:06Ki sound thinking'e baktığım zaman da adamlar diyor ki biz objektif aslında değişkenler
29:13vasıtasıyla bir suç tahmin etmeye çalışıyoruz.
29:15Mesela demografiler almıyoruz.
29:16Onun yerine işte mesela bizim gibi işte park olaylarını almışlar.
29:20Dolayısıyla genellikle bu alana yeni girecek veya çalışacak olan kişilere şunu öneririm.
29:26Demografiler uzak durun.
29:28Hem çok iyi bir sonuçlar vermiyorlar ki Pretbol'un başına gelen buydu bence.
29:33Onun yerine daha çok aktivite temelli.
29:35Yani işte atıyorum kalabalık ölçü.
29:37Çünkü kalabalık nerede fazlalaşıyorsa ve kalabalık nerede yoğunlaşıyorsa orada
29:40suç olma ihtimali daha yüksek.
29:41Ya da kalabalığın yoğunlaştığı yerlerin birkaç sokak ötesinde suç olma ihtimali
29:45daha çok yükseliyor ki trend de bu yönde.
29:47Türkiye datasıyla da çalışmak belki de emniyetle de çalışmak isterseniz herhalde.
29:52Ben tabii muhakkak isterim.
29:53Zaten bizim en baştaki hayalimiz ve şeyimiz buydu.
29:55Hatta şu anda bile belki böyle bir fırsat çıkarsa bunu değerlemek çok isterim.
29:58Yani özellikle polisimize en azından bu konuda yardımcı olabilecek bir sistemin gelişmesine görev almak çok isterim.
30:06Ama kullanılır mı kullanılmaz mı bunu zaman gösterecek.
30:09Ama faydalı olabileceğini gerçekten de düşünüyorum.
30:12En azından bir hırsızlık suçu ya da bir gaspı bile engellemiş olsanız bence büyük katkı.
30:19Çok teşekkür ediyorum.
30:21İyi ki geldin hakikaten Tuğrul.
30:24Tuğrul Cabir Hakkemez bizimle beraberdi.
30:27Tam da bu konuştuğumuz konularla ilgili olan doktora teziyle TÜBA Teknofest'te doktora bilim ödüllerinde birincilik kazandı.
30:36Özellikle sosyal ve beşeri bilimler alanında.
30:39Bir sonraki bölümde görüşmek üzere.
30:41Kalın sağlıcakla.