芝加哥大学科学家

，可提前一周预测未来的犯罪，准确率达到了 90%，预测范围约为 1000 英尺。它通过学习暴力和财产犯罪方面公共数据的模式进行预测。该工具使用了芝加哥市两类报告事件进行测试和验证：暴力犯罪（凶杀、袭击和殴打）和财产犯罪（入室盗窃、盗窃和机动车盗窃）。之所以使用这两类数据是因为在历来对执法部门缺乏信任和合作的城市地区，这两类案件是最有可能报警的。与毒品犯罪、交通拦截检查和其他的轻罪不同，这两类犯罪也不太容易出现执法偏见。 新模型通过检查离散案件的时间和空间坐标划分犯罪，检测模式以预测未来的犯罪。它将城市划分为大约 1000 英尺宽的“空间片”，然后预测区域内的犯罪情况。以前的模型更多地依赖传统邻里或者政治边界，这会受到偏见的影响。该模型在美国其他七个城市的数据上也表现得同样出色：亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山。主要作者 Ishanu Chattopadhyay 谨慎地指出，工具的准确性并不意味着它应该被用于指导执法政策； Chattopadhyay 表示，例如警察部门不应该使用它来主动在社区聚集以防止犯罪。相反它应该被添加到城市政策和治安策略的工具箱中应对犯罪。他表示：“我们创建了城市环境的数字孪生。如果向它提供过去发生过的数据，它会告诉你未来会发生什么。”Chattopadhyay 补充表示：“这并不神奇；也存在局限性，但我们对其进行了验证，效果非常好。”“现在你可以将它作为一个模拟工具，看看如果城市内一个地区的犯罪率上升是什么情况，或者另一个地区加强执法会发生什么。如果你应用所有这些不同的变量，你就会看到系统的回应是如何演变的。”

发表在《Nature Human Behavior》期刊上。