Ennakoivan kontrolloinnin (predictive policing) -hengessä kehitetty analytiikka sensoroi ympäristöä ja analysoi tuloksia mahdollisten rikosten estämiseksi. Esimerkkinä tästä on IBM:n kehittämä analytiikka, jota on käytetty ainakin Yhdysvalloissa (esimerkiksi Las Vegas, Los Angeles, Memphis, New York, Richmond (Virginia), Rochester) ja Vancouverissa. Teknologian arvioidaan toimineen ainakin Richmondissa:
IBM can point to some successes: Richmond, Virginia, which in 2005 was ranked the fifth most dangerous city in the United States dropped to the 99th spot after it began using IBM’s data mining technology to reduce crime.
(Nicola Leske, Charleston Police to use data mining to fight crime)
ShotSpotter on fyysistä tilaa monitoroiva järjestelmä, jonka muodostavat kaupunkitilaan asennetut äänimaisemaa sensoroivat mikrofonit. Ethan Wattersin mukaan simerkiksi laukausten kaltaiset äänet herättävät järjestelmän ja välittävät poliisille tiedon äänen sijainnista. Redwood City pilotoi järjestelmää vuonna 1995. Järjestelmän ovat sen jälkeen hankkineet muun muassa Chicago ja Washington DC.
Järjestelmän eduiksi mainitaan sen helpottavan poliiseja löytämään nopeammin tapahtumapaikan. Uhri saa nopeammin ensiapua ja todennäköisyys syyllisen pidätykselle kasvaa. Joissain poliisin ja rikollisen välillä tapahtuneissa ampumavälikohtauksissa on järjestelmän avulla voitu määrittää, kumpi on aloittanut laukaustenvaihdon.
Morozov toteaa ennakoivan kontrolloinnin tarkoittavan myös yksityisyyden menettämistä. ShotSpotterin kaltaisesta mikrofonijärjestelmästä ei ole Morozovin mukaan pitkä matka älypuhelimissa toimiviin sovelluksiin, jotka tekisivät vastaavaa sensorointia. Laskentateknologian kehittyminen ja hintojen putoaminen voi johtaa tehokkaampaan tiedonlouhintaan pohjautuvaan ennakointiin:
It’s the epitome of solutionism; there is hardly a better example of how technology and big data can be put to work to solve the problem of crime by simply eliminating crime altogether. (182)
Morozov tekee rohkeita tulkintoja ja ennusteita kontrollointiteknologian seurauksista. Poliisin edustaja Tom Gahry kommentoi Los Angelesissa käytössä olevan ennakoivan kontrollointijärjestelmän ja sikäläisen poliisin roolia näin:
You’re there to prevent crime. You’re not necessarily there to arrest somebody.
(Can LAPD Anticipate Crime With ’Predictive Policing’?)
Morozov visioi kehitystä, jonka myötä rikollisten tuottamien twiittien ja Facebook-statusten analysoinnin pohjalta voidaan tehdä ennusteita palvelujen käyttäjistä. Lähdemateriaalina voivat olla rikollisia tekoja edeltäneet ei-uhkaavat verbaaliset vihjeet. Lopputilanne tiedonlouhinnassa voi olla Morozovin mukaan tämä:
Thus, even tweeting that you don’t like your yogurt might bring police to your door, especially if someone who tweeted the same thing three years before ended up shooting someone in the face later in the day. (188)
Big data -tiedonlouhinta ja sopivat algoritmit voivat Morozovin mukaan johtaa siihen, että moni meistä osoittautuu loppujen lopuksi enempi vähempi epäilyttäviksi. Morozov kysyy: mikäli esimerkiksi Facebook ilmiantaisi algoritmien perusteella potentiaalisesti rikollisen viranomaisille, voimmeko joutua tilanteeseen, jossa olemme kuin Kafkan romaanin henkilö, joka yrittää ymmärtää, mistä rikoksesta on syytetty?
[schema type=”review” url=”http://clickherethebook.com/” rev_name=”To Save Everything, Click Here” author=”Jevgeni Morozov” ]