1.

INTELIGÊNCIA ARTIFICIAL E POLICIAMENTO PREDITIVO: O NOVO

TENENTE RABUGENTO

Se a luta contra a criminalidade parece, por vezes, frustrante, ao menos os

agentes encarregados da segurança pública têm um modelo a seguir para inspirá-los na difícil
função de perseguir delinquentes: há um detetive que logra atingir a inacreditável taxa de
100% de sucesso na tarefa de localizar infratores da lei, e as suas ações estão devidamente
documentadas, em vídeos de fácil acesso a todos os interessados. 1 Esse investigador é
conhecido como “Tenente Rabugento”.
Infelizmente, apesar de poder servir como inspiração para os agentes
encarregados do combate ao crime, os registros audiovisuais das diligências conduzidas pelo
Tenente Rabugento fornecem poucas pistas sobre o método por ele utilizado para lograr tão
incríveis resultados na localização e captura de delinquentes. As suas façanhas parecem
humanamente impossíveis de alcançar, muito embora pareçam caninamente possíveis. Dos
vídeos disponíveis, pode-se constatar que o notável policial usa um sobretudo característico
dos detetives de ficção, que se locomove em um calhambeque prestes a se desmanchar e que
sempre solta uma risada sarcástica ao encontrar aqueles que fogem da lei. Pode-se constatar,
também, que o Tenente Rabugento é um cão antropomórfico, motivo pelo qual os mais
céticos dizem que as histórias sobre as ações do referido investigador não passam de ficção, e
que ele, na verdade, é uma personagem de desenho animado criado pela empresa Hanna
Barbera. Ora, é evidente que os mais céticos estão com a razão: de fato, o simpático cão
detetive não tem existência real, sendo apenas o protagonista do desenho “Rabugento, o cão
detetive”. (HERVEN, 2020)
O criador do desenho animado “Rabugento, o cão detetive” parece não ter
tido a intenção de retratar modos consistentes de persecução de delinquentes na vida real.
Contudo, ainda que o Tenente Rabugento, sob a forma de cachorro ou de ser humano,
existisse no mundo real, a sua atuação poderia ser objeto de censura no tocante à eficiência:
muito embora o detetive alcançasse 100% de êxito na captura de infratores da lei, ele era
totalmente ineficiente para prever ou evitar a ocorrência de crimes. Nessa linha de crítica, é
muito melhor impedir o cometimento de crimes do que assegurar a punição de criminosos
depois do cometimento do delito. Seria necessária uma versão melhorada do Tenente
Rabugento, que antevisse as circunstâncias de tempo e de lugar em que um crime fatalmente

1
O desempenho do referido investigador no combate ao crime pode ser conferido, dentre outros, no seguinte
vídeo:

1
ocorrerá para obstar que ele aconteça – ou seja: um policial que chegasse ao local do crime
antes mesmo do criminoso.
Surpreendentemente ou não, há pessoas e instituições que afirmam ter
desenvolvido ferramentas capazes de prever a ocorrência de crimes no futuro, com o auxílio
da inteligência artificial. Uma dessas ferramentas é um algoritmo desenvolvido por Victor
Rotaru, Yi Huang, Timmy Li, James Evans e Ishanu Chattopadhyay, pesquisadores da
Universidade de Chicago, que, segundo eles, teria a capacidade de prever eventos delituosos
em grandes cidades com pelo menos uma semana de antecedência, com um nível de acerto de
90% (ROTARU et al., 2022). Caso essa conclusão condiga com o observado na realidade,
essa ferramenta abre um futuro promissor para o combate ao crime, podendo-se chamá-lo
aqui de “algoritmo adivinho”.
Tomando-se como verdadeira a afirmação de que o algoritmo desenvolvido
por Victor Rotaru e equipe atinge 90% de acerto na previsão de crimes em grandes cidades,
desperta-se a curiosidade acerca da maneira pela qual ele foi elaborado e sobre os elementos
que o compõem. De certa forma, essa curiosidade é saciada por seus inventores, ao revelarem
que o “algoritmo adivinho” trata-se de um “algoritmo de inferência de rede espaço-temporal”,
que, a partir de dados de ocorrências criminais da cidade de Chicago, depreende padrões de
eventos delituosos passados com base nos quais constrói uma rede de estimadores locais para
predizer infrações futuras. (ROTARU at al., 2022)
Usar padrões de eventos delituosos passados para prever eventos delituosos
futuros não é algo novo, como reconhecem os pesquisadores da Universidade de Chicago. A
inovação introduzida na elaboração do algoritmo por eles criado seria a ausência de imposição
de limites espaciais predefinidos, como bairros ou circunscrições policiais, uma vez que o
crime pode difundir-se pelo território urbano de forma irregular, ao se levar em conta que, nas
grandes metrópoles, as diferentes regiões são ligadas entre si por linhas de transporte, por
semelhanças sociodemográficas e pela identidade no período de ocupação histórica, dentre
outros fatores. (ROTARU et al., 2022). São esses fatores, não determinados exclusivamente
do ponto de vista da contiguidade territorial, que vêm a ser considerados pelo “algoritmo
adivinho” na tessitura da “rede de estimadores locais”. Assim, um evento delituoso ocorrido
no bairro “X” serve como indicador de um futuro evento delituoso a acontecer no bairro “Y”,
muito embora espacialmente distante do primeiro, dada a semelhança de perfil social ou
cultural entre as duas localidades e dada a facilidade de deslocamento entre elas.
Os pesquisadores da Universidade de Chicago não são os únicos a criar
ferramentas de inteligência artificial para prever a ocorrência de crimes. Hyeon-Woo Kang e

2
Hang-Bong Kang, pesquisadores da Universidade Católica da Coréia do Sul, desenvolveram
um modelo de redes neurais para prever a ocorrência de crimes em 60.348 pontos
selecionados da cidade de Chicago, atingindo um nível de acerto de 83,3%. Os elementos
utilizados na construção desse modelo de predição de crimes são estatísticas criminais, dados
concernentes ao perfil demográfico da população, dados relativos a fenômenos
metereológicos e imagens do Google Street View a fim de identificar pichações e grafites.
Para os pesquisadores sul-coreanos, o método por eles proposto funde eficientemente dados
de diversos domínios com informações sobre o contexto ambiental da ocorrência criminal,
construindo um modelo de predição com alto grau de precisão. (KANG; KANG, 2017)

In this paper, we proposed an accurate crime occurrence prediction method by

efficiently fusing multi-modal data from multiple domains with environmental
context information.
First, we collected various types of data from the City of Chicago Data Portal,
American FactFinder, Weather Underground, and Google Street View. Image data
were used to extract environmental context information. We then analyzed the
relationship between crime incidents and the collected data using a statistical
approach. We thereby generated a dataset that can be used more effectively in
crime prediction. Finally, to accurately predict crime occurrences, we employed a
DNN using feature-level fusion with different weights to efficiently proportion the
data in order to integrate spatial, temporal, and environmental context features.

 Hyeon-Woo Kang,
 Hang-Bong Kang

que não podem ser captados pelos modelos de difusão baseados meramente
na contiguidade espacial.

3
HERVEN, Adryz. Rabugento, o cão detetive. Bloggallerya, 31 ago. 2020. Disponível em:
https://bloggallerya.com/2020/08/31/rabugento-o-cao-detetive/. Acesso em: 29 mai. 2023.

LIMÓN, Raúl. Pfizer afirma que sua vacina contra o coronavírus tem eficácia de 90%. El
país, 09 nov. 2020. Disponível em: https://brasil.elpais.com/brasil/2020-11-09/pfizer-
afirma-que-sua-vacina-contra-o-coronavirus-tem-uma-eficacia-de-90.html. Acesso em:
18 nov. 2020.