O big data está transformando o policiamento. As tecnologias preditivas podem prever crimes ainda a serem cometidos. Os dados sobre a localização do crime estão moldando quando e onde a patrulha policial. E os sistemas de inteligência podem destacar os infratores responsáveis por um número desproporcional de crimes.

Os benefícios potenciais são imensos. Na Colômbia, o melhor uso dos dados ajudou a polícia a reduzir a taxa de homicídios do país em 82% em um quarto de século. Mas os problemas jurídicos, políticos e econômicos colocados ameaçam o equilíbrio de poder entre o cidadão e o Estado em todo o mundo.

Andrew Guthrie Ferguson The Rise of Big Data Policicing: Surveillance, Race, and the Future of Law Enforcement abre um espaço entre o otimismo acrítico de muitos defensores da aplicação da lei e o crítica incisiva a seus oponentes. A revolução dos dados, ele argumenta, está em andamento: a única maneira de maximizar seus benefícios e minimizar seus custos é por meio de um processo constante de prestação de contas ao público.

• Para saber mais sobre o assunto, consulte nosso feed de notícias prevenção da violência .

Apolitical falou com Guthrie sobre as promessas e armadilhas do policiamento de big data.

** Como o Big Data está mudando o policiamento? **

Os dados ajudam a polícia a decidir para onde ir, quem deve ser o alvo, quando patrulhar e como investigar os crimes. Está aumentando seus poderes de vigilância e ajudando-os a ver diferentes padrões de crime emergindo na sociedade. Mas também está mudando a forma como a polícia e os cidadãos se relacionam de maneiras que estamos apenas começando a reconhecer e avaliar.

** No livro, você argumenta que os dados não podem ser considerados como uma massa homogênea de informações. Você propõe a ideia de “dados negros” como uma categoria importante. O que isso significa?**

“Dados negros” é um termo que uso para descrever dados afetados por três questões inter-relacionadas.

O primeiro é a questão da transparência. Esses são sistemas de caixa preta - algoritmos secretos em muitos casos - que são difíceis de entender e, no entanto, estão mudando a maneira como somos policiados.

Em segundo lugar está a questão da raça. Nos EUA, os dados que usamos são codificados racialmente: os dados que chegam a esses sistemas vêm de policiais e em muitas cidades que estão muito contaminados por preconceitos raciais.

A razão final para chamá-lo de "preto" é porque causa distorção. Nossas leis e estruturas foram desenvolvidas na era dos pequenos dados e agora estamos diante de um futuro de big data. Ainda não desenvolvemos uma compreensão do que esses dados podem fazer à sociedade e podem distorcer nossa visão.

A ideia de dados negros tenta reunir questões inter-relacionadas de transparência, preconceito racial e distorção legal para nos dar uma pausa antes de abraçarmos essa tecnologia. Eu argumento que praticamente todos os dados de policiamento no momento são dados negros.

** Mas dados negros não são o único tipo de dados que você discute. Você propõe as ideias de "dados azuis" e "dados brilhantes" como alternativas mais promissoras. **

Como construímos esta imensa arquitetura para vigiar os cidadãos, também acidentalmente construímos uma arquitetura ainda melhor para vigiar os policiais e a conduta policial. Se você pensar em uma conduta policial moderna, eles estão dirigindo um carro conectado por GPS, podemos ver quais são suas táticas e para onde estão indo. Eles são observados em câmeras corporais, e podemos ver o que estão dizendo às pessoas. Isso é o que chamo de “dados azuis” - que podem e devem ser usados para forçar a responsabilização da polícia.

Ironicamente, há uma grande resistência contra os "dados azuis" de dentro da aplicação da lei: assim como os cidadãos não querem ser vigiados, a polícia também não quer ser vigiada. Criamos a tecnologia que poderia ser usada para tornar os policiais mais responsáveis, mas dificilmente a estamos usando por causa da resistência.

“Dados claros” referem-se à clareza que bons dados podem fornecer ao conceber a solução mais adequada para um determinado problema. Crucialmente, pode sugerir modos de resposta fora do policiamento. Se os dados mostrarem que o crime está se concentrando em uma determinada área, “dados brilhantes” podem sugerir que você conserte o bairro em vez de apenas colocar um carro da polícia lá. Se você sabe que um indivíduo está em risco, talvez envie uma assistente social em vez de um oficial.

** Como um foco nesses "dados brilhantes" poderia mudar o policiamento preditivo? **

Certa vez, brinquei que o problema do policiamento preditivo não é a parte preditiva - somos muito bons nisso agora - o problema é o policiamento. Não precisamos responder a todos os problemas com a polícia, e os dados devem nos ajudar a entender isso e levar isso em consideração na tomada de decisões.

** Outra preocupação que você levantou é quem fica com os dados. **

Uma das histórias não contadas da ascensão do policiamento de big data é que ele tem sido muito impulsionado por startups lançando mão de chefes de polícia locais. Esses funcionários muitas vezes não têm feito as perguntas difíceis de que precisam sobre quem é o proprietário dos dados e para que serão usados.

Em um mundo onde a polícia está coletando cada vez mais informações, esses dados podem ter um valor comercial imenso. Não pensamos em disposições contratuais adequadas sobre como mantemos os dados públicos na esfera pública e não os monetizamos.

Uma das mais novas fronteiras é o espaço da câmera do corpo da polícia. Nos Estados Unidos, a Axon (anteriormente conhecida como Tazer) acaba de comprar seus rivais e está chegando a um estado de quase monopólio. Eles têm uma quantidade imensa de dados de todas essas câmeras corporais de policiais em toda a América, o que equivale a dados públicos obtidos involuntariamente sobre cidades públicas.

Existem paralelos com toda a bagunça do Facebook e Cambridge Analytica. A indignação não era apenas que o Facebook tinha esses dados, mas que eles acabaram nas mãos de terceiros desconhecidos. Isso é exatamente o que está acontecendo no espaço do governo.

Não estou preocupado que as câmeras corporais estejam fornecendo informações para a polícia para ajudá-los a fazer seu trabalho, estou preocupado com esses dados não sendo controlados, permitindo que empresas privadas monetizem como quiserem, deixando o cidadão com pouco interesse em como seus os dados são usados e infringem as proteções de privacidade existentes.

** Qual é a solução? **

A ironia de toda essa nova tecnologia sofisticada é que seu futuro vai depender daquele advogado do governo, enterrado em uma burocracia em algum lugar, que é convidado a fazer contratos entre cidades e empresas de tecnologia. Esses contratos nunca foram sexy ou emocionantes. Mas eles são cruciais.

Se os governos municipais começarem a perceber que têm algo valioso, eles podem simplesmente parar de contratar entidades que parecem estar oferecendo algo de graça, quando na verdade eles podem manter nossos dados e monetizá-los mais tarde.

Mas o mais importante de tudo é o momento da responsabilidade pública. No ambiente político atual nos Estados Unidos, a única esperança está no governo local. Em Seattle, Oakland, Boston e Berkeley, vimos comunidades locais exigirem supervisão pública de novas tecnologias de policiamento. Esse momento público de responsabilidade fornece transparência que ainda aproveita os benefícios da tecnologia, mas usa de maneiras abertas e transparentes.

Você precisa conversar desde o início: como estamos usando essa tecnologia? Quando vamos usar? Existem certos lugares onde não queremos cobertura de vigilância? E quanto às clínicas médicas externas? Igrejas? Mesquitas? Instituições de caridade de liberdades civis? Como isso afetará as liberdades associativas ou a liberdade de protesto?

Isso pode ter um final feliz: só precisamos de alguma transparência para que as figuras públicas com responsabilidade pública possam fazer essas chamadas sobre o que consideram um equilíbrio justo entre privacidade e segurança, bem-estar público e segurança pública.

(Crédito da imagem: Flickr / Evgeniy Isaev)

Edward Siddons edward.siddons@apolitical.co