XLAW ®

XLAW® è un trovato tecnologico e metodologico ideato e implementato per sperimentare, per la prima volta in Italia, l'applicazione della Polizia Predittiva per la Sicurezza Urbana, ovvero un approccio innovativo ai problemi di insicurezza delle comunità che rivoluziona il metodo tradizionale di Prevenzione dell'illegalità diffusa, perchè si basa sulla possibilità di poter Prevedere, con l'impiego d'Intelligenza Artificiale, scippi, rapine, furti, borseggi, truffe e altri delitti di tipo cosiddetto "predatorio" che normalmente avvengono nelle nostre bellissime città.

Il trovato nel suo insieme consiste in un protocollo tecnico e metodologico configurato per generare e impiegare strategicamente allarmi Predittivi georeferenziati di possibili crimini, elaborati secondo un esclusivo modello previsionale di Machine Learning.

L'innovazione consiste nel fatto che rispetto a tutti i sistemi tradizionali di controllo (videosorveglianza ecc.) o allarme (antintrusione, barriere elettroniche ecc.) i quali hanno il limite di poter essere considerati solo dopo che i crimini sono accaduti, il trovato permette di Prevenirli vigilando dove è scientificamente previsto che accadano e non dove si pensi possano accadere o peggio, dove già accaduti, il noto limite del metodo di prevenzione tradizionale.

La lunga e diffusa sperimentazione della Polizia Predittiva per la Sicurezza Urbana secondo il trovato, condotta per dare un valido contributo alla conoscenza e al progresso nel contrasto all'illegalità diffusa, può essere considerata nel suo insieme una ricerca scientifica i cui esiti sono stati valutati e validati indipendentemente dalle più importanti strutture di sicurezza e da due università grazie alla quale, si è potuto stabilire che l'Intelligenza Artificiale, ormai sempre più al fianco delle attività umane, se implementata e impiegata opportunamente anche per l'attività di Sicurezza Urbana, attesa l'alta attendibilità e precisione delle analisi e quindi delle informazioni strategiche che riesce a fornire, può elevare l'attività di prevenzione e controllo e renderla maggiormente dinamica, precisa ed efficace evitando anche lo spreco di risorse e di energie.

«Il suo lungo impiego ha spostato il costrutto strategico dell’azione di controllo da una visione riparatoria del danno ad una visione probabilistica del rischio, quindi da una logica di rincorsa dei problemi e degli effetti che essi generano tipica della permanente emergenza, ad una che lavora sugli schemi della prevenzione» (Prof. Giacomo Di Gennaro Dipartimento di Scienze Politiche Direttore del Master di II livello Criminologia e Diritto Penale Analisi Criminale e Politiche per la Sicurezza Urbana Università Federico II di Napoli)

Sperimentazione

2004/2019

Dipartimento di Pubblica Sicurezza Direzione Centrale Anticrimine Questure di Napoli, Salerno, Prato, Venezia, Parma e Modena.

Premi

2018

Finalista e vincitore del Premio Innovazione Digitale SMAU.

Validazioni

2019

Dipartimento di Pubblica Sicurezza Direzione Centrale Anticrimine.

2017/2019

Università Federico II Dipartimento di Scienze Politiche - Università Parthenope Dipartimento di Studi Aziendali ed Economici.

2022

Ministero dello Sviluppo Economico - Direzione generale per la tutela della prorpietà intellettuale - Ufficio Brevetti e Marchi.

Genesi, principi e risultati

Il progetto di ricerca, sviluppo e sperimentazione della Polizia Predittiva per la Sicurezza Urbana secondo il trovato, prende il via a valle di uno studio ventennale sui fenomeni di devianza urbana che ha permesso di distinguere con maggiore precisione l'illegalità diffusa nelle città e di comprendere che furti, rapine, scippi, borseggi, truffe e altri delitti, hanno caratteristiche di ciclicità e stanzialità e possono essere previsti qualora si riesca a definire un'appropriata logica di previsione e trasferirla a un modello di apprendimento automatico (Machine Learning) che sulla base di talune informazioni sui fenomeni delittuosi e sulle dinamiche sociali nei contesti in cui essi accadono, ha il compito di decodificare il disegno criminoso all'origine dei singoli delitti e di prevederne la riconfigurazione nel tempo e nello spazio, con il fine di creare la condizione ideale per riusicre a prevenirli più efficacemente rispetto al metodo tradizionale.

Frutto di anni di studio multidisciplinare, il modello si basa su di un evoluto metodo di analisi mai applicato prima per analizzare e affrontare il rischio criminale e che sorpassa tutti gli approcci sinora noti come quello del crime linking, del calcolo probabilistico e della elaborazione su carta topografica di zone di maggiore incidenza criminale (hot spot) i quali, presentano aree grigie e criticità di tipo etico e funzionale.

La sperimentazione del trovato da parte di più strutture di sicurezza condotta con il contributo di due università per la supervisione indipendente del lavoro, ha permesso di stabilire trasparentemente che basando le attività sulla selettività e sequenzialità dei controlli in virtù degli allarmi predittivi elaborati secondo il modello d'Intelligenza Artificiale, si ottiene un netto stravolgimento del metodo di lavoro normalmente basato sul pronto intervento pertanto, la prevenzione dei crimini ne esce arricchita grazie ad una migliore razionalizzazione delle risorse e delle energie che in questo modo si evita di sprecare.

Attraverso un articolato framework, il trovato è stato introdotto per la sperimentazione indipendente in divisioni operative di sicurezza di diverse città italiane e impiegato secondo un protocollo esclusivo per favorirne la più agevole e corretta applicazione. Con l'obiettivo di tentare di migliorare l'attività di Prevenzione dei crimini nelle aree urbane secondo il diverso paradigma, dato dalla possibilità di poter prevenire gli illeciti prevedendoli grazie all'Intelligenza Artificiale, sono stati predisposti i controlli sul territorio in maniera selettiva e sequenziale e pertanto con dinamica precisione e puntualità rispetto al reale grado di progressione del rischio nel tempo e nello spazio. Il supporto operativo dell'Intelligenza Artificiale, ha permesso agli operatori di acquisire, in simbiosi con la stessa, maggiore consapevolezza del rischio e capacità decisionale direttamente nello scenario operativo e di partecipare proattivamente a un' appropriata strategia di "risk assessment" che sorpassa il limite di dover lavorare solo sull'emergenza o sulla base di analisi e valutazioni empiriche e obsolescenti.

I risultati ottenuti non sono casuali perchè si situano in quel progressivo itinerario rinvenibile nella copiosa letteratura sulle dinamiche della deterrenza (Teoria dei Giochi). Molti studi dedicati a questo argomento infatti, dimostrano che per questi delitti la punizione del reo non dovrebbe essere il primo obiettivo da perseguire, perchè il tentativo di infliggere la pena è casuale, costoso e produce scarsi risultati. Ciò che dovrebbe essere maggiormente valorizzato nella quotidiana disputa con il reo, è invece la deterrenza perchè di fatto è una pena che limita pesantemente il disegno criminoso e maggiori quindi dovrebbero essere gli sforzi per arrivare a infliggerla con sistematicità. Infatti, se i potenziali autori di reato sono sufficientemente influenzabili, come si è riuscito a dimostrare, allora aumentare la probabilità di condizionamento, non solo può ridurre l'ammontare della pena effettivamente inflitta ma ribalta una situazione, dal suo equilibrio di alta violazione, al suo equilibrio di bassa violazione. I risultati, oltre al potenziale che offrono per ridurre la criminalità e la carcerazione, possono avere importanti implicazioni soprattutto per la corretta gestione del problema, quello dell'Insicurezza Urbana.

Per maggiori informazioni inviare una richiesta a: - info@xlaw.it -

1999

Avvio dello studio sui fenomeni di devianza urbana
2003

Ideazione del modello predittivo e sviluppo della tecnologia e del metodo abilitante
2004

Prima sperimentazione nella città di Napoli
2012

Ideazione del protocollo d'impiego della soluzione
2013

Validazione accademica ed avvio del framework per l’immissione in uffici operativi di sicurezza di undici città
2013/2019

Sperimentazione in uffici operativi di sicurezza di Napoli, Prato, Salerno, Venezia, Modena e Parma
2018

Premio innovazione SMAU 2018
2019

Validazione operativa della Direzione Centrale Anticrimine Dipartimento di Pubblica Sicurezza
2020

Presentazione alla AIWEEK prima manifestazione dedicata alle eccellenze che fanno uso di Intelligenza Artificiale
2022

Concessione Brevetto per Invenzione Industriale

Obiettivi raggiunti

Efficacia operativa

Diminuiti scippi, rapine, furti e borseggi in misura maggiore rispetto alla media nazionale. Dimostrata la maggiore efficacia del metodo previsionale rispetto al metodo tradizionale

Valorizzazione del capitale umano

Migliorate la motivazione, la partecipazione e la capacità di prendere decisioni strategiche per raggiungere gli obiettivi a breve e medio termine da parte degli operatori di controllo del territorio e la performance operativa dell’intera organizzazione

Risparmio sui costi di gestione della sicurezza e per la collettività

Razionalizzati gli interventi e ridotti i chilometri di percorrenza dalle pattuglie, il consumo di carburante e lo stress di uomini e mezzi. Risparmio per la collettività in base alla diminuzione dei delitti

Ulteriori implicazioni

Integrazione operativa con le altre forze dell’ordine - miglioramento della percezione di sicurezza e della fiducia nella istituzione da parte del cittadino – miglioramento della reputazione professionale da parte degli operatori - contenimento dei fattori di rischio e stress degli operatori – definizione su base scientifica della sicurezza reale e percepita - favorevole accettazione da parte dei media, del mondo accademico e giuridico

Bibliografia, Sitografia e Media

Bettoni R., Lombardo E., Piccoli D., Sicurezza Urbana: questione pubblica e privata? Urbanistica Informazioni n.286, INU Edizioni, ISSN 0392-5005, Anno XXXXVI, Luglio-Agosto (2019), p. 67

Di Gennaro G., Lombardo E., Marselli R., Spina M. (2018) Tolleranza zero o deterrenza selettiva - Secondo Rapporto Criminalità e Sicurezza a Napoli. FedoaPress, University Federico II, Naples.

Di Gennaro G., Lombardo E., Riccio G., Ruffolo U., Uricchio A.F. Intelligenza artificiale e politiche di sicurezza urbana: verso quali modelli?" Cacucci editore (2020) ISBN 9788866119685

Di Gennaro G., Lombardo E. Intelligenza artificiale e politiche di sicurezza urbana: verso quali modelli? ISBN 9788866119685

Lombardo E. " Intelligenza Artificiale e Human Intelligence per prevenire i crimini" - Società Italiana Intelligence (2020) Press ISBN-13 (15) 979-12-80111-03-6 - DOI (06) https://doi.org/10.36182/2020.11

CNR " L’Intelligenza Artificiale per lo Sviluppo Sostenibile" Progetti dal mondo XLAW Pag. 113 e 196

Fondazione Leonardo - Civiltà delle macchine Umanesimo digitale" Polizia predittiva e Smart City vecchie e nuove sfide per il diritto penale

Lombardo E. Sicurezza 4P - Lo studio alla base di XLAW per prevedere e prevenire i crimini predatori - Mazzanti Editore Venezia (2019)

Thomas R. Criminologia minorile. Un approccio sostenibile. Giuffrè (2020) ISBN 9788828819004

Sicurezza 4P Perchè la Polizia Predittiva per la Sicurezza Urbana in Italia ha funzionato

Claudia Morelli giornalista professionista esperta di Diritto e Diritti per ALTALEX (2019): Furti e rapine - a sventarli ci pensa l’intelligenza artificiale!

Michele Iasselli Avvocato, docente di logica ed informatica giuridica presso l’Università degli Studi di Napoli Federico II. Docente a contratto di informatica giuridica presso LUISS - dipartimento di giurisprudenza per ALTALEX (2018): XLAW la polizia predittiva è diventata realtà

Riccardo Coluccini per Motherboard Tech by Vice (2018): La Polzia predittiva in Italia è diventata realtà e non ce ne eravamo accorti

Candido Romano per Business Insider (2019): XLAW l'algoritmo che prevede scippi rapine furti e funziona da anni

Francesco Santin per Drcommodore (2018): XLAW il futuro italiano della polizia predittiva

Parmateneo università degli studi di Parma (2018): Predire il crimine non è più fantascienza. A Parma arriva XLAW

Reggio Sera: “Minority report” è realtà, arriva l’algoritmo che prevede i reati

Madi Ferrucci per TPI (2019: XLAW l’algoritmo che prevede i furti e le rapine in base a un modello matematico

Roberto Tomas già magistrato minorile-docente di criminologia del Master di criminologia presso la Sapienza-Università di Roma per Polizia Penitenziaria (2019: L'algoritmo XLAW che prevede dove e quando sarà commesso un reato o La criminalistica e l'algoritmo XLAW che prevede i reati

Ministero dell’Interno: In azione anche a Sassuolo il sistema preventivo – predittivo recentemente introdotto dalla questura di Modena, XLAW

Il Denaro: Poliziotto napoletano idea l’algoritmo che prevede i reati: sperimentazione a Modena

Dal sito Polizia di Stato Venezia: Venezia: i reati vengono previsti da un algoritmo

Dal sito Polizia di Stato Modena: XLAW le nuove strategie messe in campo dalla Polizia di Stato per il controllo del territorio

Dal sito Polizia di Stato Modena: Grazie al software XLAW, la Polizia di Stato mette a segno un altro risultato: arrestato in flagranza un topo d’appartamento