لنفترض الآن أن صانع الخرائط قد تم تسليمه قائمة بالجرائم السابقة ومكان حدوثها، وطلب منه تظليل المكان الذي من المحتمل أن تحدث فيه الجرائم التالية. ثم تقوم الشرطة بدوريات في المناطق المظللة.

يتم تسجيل المزيد من الجرائم هناك ببساطة لأن المزيد من الضباط هناك لرؤيتها. يبدو أن المناطق الواقعة خارج التظليل تحتوي على نسبة أقل من الجرائم، لأن عددًا أقل من الأشخاص ينظرون إليها. عندما يتم رسم الخريطة التالية، يتم تظليل نفس المناطق بشكل أكثر قتامة.

لذا فإن أرقام الجرائم ليست قائمة كاملة بالجرائم. إنها جزئيًا سجل للأماكن التي اختارت الشرطة البحث فيها.

المشكلة قديمة قدم الشرطة، لكن الذكاء الاصطناعي ربما يعمل على تسريعها.

قضت سارة براين، عالمة الاجتماع في جامعة تكساس في أوستن، وقتًا داخل قسم شرطة لوس أنجلوس في دراسة كيفية استخدام البيانات الضخمة. وفي ورقتها البحثية، التي نشرت في مجلة American Sociological Review، وجدت أن القوة تستخدم البيانات بشكل متزايد للتنبؤ بالجريمة، بدلاً من الرد عليها فقط.

ووجدت أيضًا أن البيانات التي تم إدخالها في هذه الأنظمة كانت منحرفة. كان من المرجح رؤية وتسجيل الجرائم في الأماكن العامة، وكان تركيز الشرطة بشكل غير متناسب على الأحياء السوداء. وكتبت أنه بمجرد دخول ذلك إلى النظام، "تبدو التنبؤات محايدة".

[__HTML_TAG_12__]]تقوم النماذج، كما تقول، بإنشاء "حلقة ردود فعل لا تتنبأ فيها بأحداث مثل الجريمة أو الاتصال بالشرطة فحسب، بل تساهم أيضًا في حدوثها في المستقبل."

لكن هذا الرأي اعترضت عليه الدكتورة. ديميتريوس كولياس، أستاذ مشارك في الذكاء الاصطناعي متعدد الوسائط في جامعة كوين ماري في لندن (QMUL). ويقول إن التكنولوجيا انتقلت لتأخذ انحياز البيانات التاريخية في الاعتبار.

قال لبي بي سي نيوز: "إن تشبيه الخريطة القديمة مفيد في شرح كيفية توريث الانحياز التاريخي، لكن له حدوده".

[__HTML_TAG_18__]]"أنظمة الذكاء الاصطناعي الحديثة لا تقوم ببساطة بالاسترجاع أو النسخ وأمثلة التدريب الخاصة بهم، يمكنهم دمج المعلومات المكتسبة بطرق جديدة وإنشاء مخرجات وحلول لم تكن موجودة بشكل واضح في تلك الأمثلة. وقال: "نحن بحاجة إلى التأكد من أن سلوكهم يظل آمنًا وموثوقًا وتحت سيطرة بشرية ذات معنى".