Introduzione

XLAW® è un trovato tecnologico e metodologico ideato ed implementato per sperimentare, per la prima volta in Italia, la Sicurezza Predittiva per la Sicurezza Urbana, ovvero un approccio innovativo ai problemi di sicurezza 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 ed altri delitti di tipo cosiddetto predatorio, che normalmente avvengono nelle nostre bellissime città.

Il trovato nel suo insieme consiste in un protocollo tecnico - metodologico, configurato per generare e disporre di allarmi Predittivi georeferenziati, elaborati mediante un esclusivo modello di Machine Learning.

L'innovazione consiste nel fatto che rispetto a tutti i sistemi tradizionali di allarme e controllo (antintrusione, barriere elettroniche, videosorveglianza, ecc.) che hanno il limite di poter essere considerati solo dopo che gli illeciti sono accaduti, il trovato permette di Prevenirli vigilando selettivamente e sequenzialmente secondo il principio di causa-effetto dove è scientificamente previsto che accada un illecito e non dove si pensi possa accadere o peggio, dove già accaduto.

La lunga e diffusa sperimentazione della sicurezza urbana predittiva secondo il trovato, condotta per dare un valido contributo alla conoscenza ed al progresso nella lotta contro la criminalità diffusa, è una ricerca scientifica i cui esiti, sono stati valutati e validati dalle più importanti strutture di sicurezza e da ben due università e che ha permesso di stabilire che l'Intelligenza Artificiale, ormai sempre più al fianco delle attività umane, se implementata ed impiegata opportunamente per l'attività di Sicurezza Urbana, attesa l'alta attendibilità e precisione di elaborati operativi che riesce a fornire, può supportare il controllore nel vigilare con maggiore dinamismo, precisione ed efficacia il territorio in base al reale grado di rischio e secondo principi matematici, metterlo nella condizione ideale per intercettare il disegno criminoso all'origine dei singoli delitti, interrompere la continuazione e rendere l'autore meno efficace e più vulnerabile nel tempo e nello spazio, evitando 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)

 

Parole chiave: crimini, reati, delitti, crimini predatori, polizia predittiva, predictive policing, sicurezza urbana, sicurezza integrata, big data, data mining, machine learning, intelligenza aumentata, intelligenza artificiale, predictive intelligence

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.

Riconoscimenti

2014
Best practice riconosciuta nell’ambito del progetto europeo BESECURE e S.E.L.P.E della fondazione Giancarlo Siani.

Genesi, evoluzione e risultati

Il progetto di ricerca, sviluppo e sperimentazione della Sicurezza Urbana predititva secondo il trovato, prende il via a valle di uno studio laico ventennale sui fenomeni di devianza urbana che ha permesso di distinguere con maggiore precisione l'illegalità diffusa nelle città e comprendere che furti, rapine, scippi, borseggi, truffe ed altri delitti, hanno caratteristiche di ciclicità e stanzialità e possono essere previsti, se si è in grado di definire un'appropriata logica di analisi e previsione e di trasferirla a modelli di apprendimento automatico Machine Learning, per elaborare alcune informazioni sulle dinamiche dei delitti e su quelle socio economiche dei contesti in cui accadono, al fine di tipitizzare i modelli criminali e decodificare il disegno criminoso all'origine di eventi delittuosi dinamici ed evolutivi ponendo le condizioni per poterli prevenire più efficacemente rispetto ai metodi tradizionali.

Frutto di anni di studio multidisciplinare, il modello si basa su principi euristici e su di un evoluto procedimento di aprendimento automatico mai applicato prima per analizzare ed affrontare il rischio criminale, valutato e validato indipendentemente da due atenei e da più strutture di sicurezza.

Il modello 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 e la valutazione indipendente del trovato da parte di più strutture di sicurezza e di due università, ha permesso di riscontrare trasparentemente che basando le attività sulla selettività e sequenzialità dei controlli in virtù delle elaborazioni secondo il modello, è possibile prevenire i crimini più efficacemente rispetto al metodo tradizionale.

Attraverso un articolato framework, il trovato è stato introdotto per la sperimentazione indipendente in alcune divisioni operative di sicurezza di undici città italiane ed impiegato secondo un protocollo denominato SICUREZZA 4P© o in breve S4P©. Con l'obiettivo di tentare di migliorare l'attività di Prevenzione dei crimini nelle aree urbane secondo un diverso paradigma e grazie alla possibilità di poter Prevenire gli illeciti Prevedendoli facendo uso d'Intelligenza Artificiale, sono stati predisposti i controlli sul territorio in maniera selettiva e sequenziale e pertanto con dinamica precisione e puntualità rispetto al grado di rischio, rivoluzionando il metodo tradionale. Il supporto operativo dell'Intelligenza Artificiale, ha permesso agli operatori di acquisire maggiore consapevolezza del rischio e capacità decisionale direttamente sul campo, senza attendere ordini che inevitabilmente possono giungere in ritardo e la leadership nella quotidiana disputa con il reo, limitando selettivamente e sequenzialmente il disegno criminoso nel tempo e nello spazio.

I risultati ottenuti con la sperimentazione, 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 ad infliggerla con sistematicità. Infatti, se i potenziali autori di reato sono sufficientemente influenzabili, come questa sperimentazione è riuscita 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.

  • 1999

    Inizio 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 SICUREZZA 4P

  • 2013

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

  • 2013/2019

    Sperimentazione ufficiale negli 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

Sperimentazione città coinvolte

Per la sperimentazione indipendente del trovato da parte di uffici operativi di sicurezza, è stato adottato il metodo randomizzato. Sono state scelte a caso sei città differenti per dimensioni e dinamiche socio - economiche, nelle quali si è deciso di sperimentare il trovato. Al termine dell'esperimento sono state svolte due tipi di verifiche. Per la prima sono stati confrontati i dati relativi a due periodi, quello prima della sperimentazione e quello dopo. Per la seconda sono stati confrontati i risultati ottenuti nelle sei città scelte, con quelli di città simili in cui non è stato sperimentato il trovato.

Napoli

  • Superficie 117,27 km²
  • Abitanti 972.130
  • Densità abitanti 8.148,22 per km²
  • Questura 1
  • Commissariati 19
  • PCrime 9 (Indice di Pressione criminale)

Prato

  • Superficie 97,35 km²
  • Abitanti 185.089
  • Densità abitanti 2.004 per km²
  • Questura 1
  • Commissariati 0
  • PCrime 9 (Indice di Pressione criminale)

Parma

  • Superficie 260,6 km²
  • Abitanti 197.499
  • Densità abitanti 757,86 per km²
  • Questura 1
  • Commissariati 0
  • PCrime 13 (Indice di Pressione criminale)

Salerno

  • Superficie 59,85 km²
  • Abitanti 134.850
  • Densità abitanti 2,215,89 per km²
  • Questura 1
  • Commissariati 2
  • PCrime 19 (Indice di Pressione criminale)

Venezia

  • Superficie 415,9 km²
  • Abitanti 259.809
  • Densità abitanti 624,69 per km²
  • Questura 1
  • Commissariati 3
  • PCrime 12 (Indice di Pressione criminale)

Modena

  • Superficie 183,19 km²
  • Abitanti 186.307
  • Densità abitanti 1.017,02 per km²
  • Questura 1
  • Commissariati 2
  • PCrime 15 (Indice di Pressione criminale)

Obiettivi raggiunti

Efficacia operativa

Diminuiti nelle città in cui si è sperimentato il trovato, scippi, rapine, furti e borseggi in misura maggiore rispetto alla media nazionale ed in città simili per dimensioni, numero di abitanti e dinamiche socio economiche. 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

Metodo di analisi per la verifica dei risultati

ANALISI QUANTITATIVA

Riduzione dei crimini consumati
È stato considerato il numero dei delitti consumati nelle città in cui è avvenuta la sperimentazione del trovato, nell’anno prima della sperimentazione e nell’anno della sperimentazione e messi a confronto i risultati con quelli di altre città simili.

Mancato spostamento del crimine
È stata elaborata e messa a confronto la georeferenziazione dei crimini nell’anno prima della sperimentazione e nell'anno in cui è avvenuta la sperimentazione.

Efficacia del metodo di prevenzione tradizionale e previsionale
È stato acquisito il dato sul numero dei crimini consumati quando è stato adottato il metodo tradizionale e previsionale ed elaborata la differenza.

Riduzione dei Km percorsi dalle pattuglie e dell’usura dei mezzi
È stato acquisito il dato sul numero dei chilometri di percorrenza delle pattuglie quando è stato adottato il metodo tradizionale e previsionale ed elaborata la differenza.

ANALISI QUALITATIVA

Attendibilità delle previsioni
Sono stati messi quotidianamente a confronto mediante un apposito tool di verifica i delitti consumati e le previsioni elaborate dalla tecologia onde verificare costantemente l'attendibilità e la precisione dell'elaborato.

Partecipazione degli operatori
E' stato acquisito il dato sul numero dei controlli di prevenzione svolti su iniziativa degli operatori quando è stato adottato il metodo tradizionale e previsionale ed elaborata la differenza. E' stato sottoposto un questionario agli operatori di valutazione della soluzione.

Sicurezza reale e sicurezza percepita
Al fine di verificare eventuali differenze tra sicurezza reale e percepita, è stato preso in esame l’indice PCrime (Pressione Criminale) parte integrante del trovato metodologico e tecnologico che misura la pressione del crimine sul territorio in esame in virtù del numero di delitti commessi in rapporto al numero dei cittadini residenti e non, al numero di abitazioni, esercizi commerciali, teatri, cinema ecc., alle dimensioni del territorio ed alle dinamiche socio-economiche del contesto.

Impatto sui media e sull’opinione pubblica
Sono stati estrapolati i dati di interesse relativi a servizi ed articoli offerti da stampa, TV e canali web.

Precisione elaborazioni previsionali

Attraverso un apposito tool di verifica è stato possibile valutare l’attendibilità delle previsioni offerte quotidianamente dalla tecnologia

Sperimentazione % Precisione previsioni
Napoli 84%
Salerno 87%
Prato 89%
Venezia 83%
Parma 82%
Modena 86%

Risultati

N.B. i risultati si basano sulla sperimentazione da parte di una sola organizzazione di sicurezza nelle sei città

Napoli

Risultati prevenzione - Diminuzione complessiva dei crimini: 22%
Scippi -3,9%
Rapine -23,9%
Borseggi -5%
Furti in abitazione e in esercizi commerciali -12,6%
Furti veicoli -1,6%
Indice di Pressione Criminale -66,7%
Risultati economici
Risparmio stimato per la cittadinanza in base ai risultati di prevenzione € 1.555.800
Risparmio chilometrico stimato 61%
Risparmio carburante stimato € 493.580

Salerno

Risultati prevenzione - Diminuzione complessiva dei crimini: 38%
Scippi -44,2%
Rapine -48,9%
Borseggi -19,5%
Furti in abitazione e in esercizi commerciali -21,2%
Furti veicoli -1,7%
Indice di Pressione Criminale -36,8%
Risultati economici
Risparmio stimato per la cittadinanza in base ai risultati di prevenzione € 801.400
Risparmio chilometrico stimato 47,8%
Risparmio carburante stimato € 160.300

Prato

Risultati prevenzione - Diminuzione complessiva dei crimini: 34%
Scippi -10%
Rapine -5%
Borseggi/anno -21%
Furti in abitazione e in esercizi commerciali -10%
Furti veicoli -28%
Indice di Pressione Criminale -55,6%
Risultati economici
Risparmio stimato per la cittadinanza in base ai risultati di prevenzione € 522.600
Risparmio chilometrico stimato 40,9%
Risparmio carburante stimato € 75.920

Venezia

Risultati prevenzione - Diminuzione complessiva dei crimini: 19%
Scippi -23,8%
Rapine -15,5%
Borseggi -1%
Furti in abitazione e in esercizi commerciali -22,8%
Furti veicoli -24,3%
Indice di Pressione Criminale -50%
Risultati economici
Risparmio stimato per la cittadinanza in base ai risultati di prevenzione € 134.800
Risparmio chilometrico stimato 37%
Risparmio carburante stimato € 54.020

Parma

Risultati prevenzione - Diminuzione complessiva dei crimini: 43%
Scippi -44,2%
Rapine -15,4%
Borseggi -5,4%
Furti in abitazione e in esercizi commerciali -25,8%
Furti veicoli -30,6%
Indice di Pressione Criminale -50%
Risultati economici
Risparmio stimato per la cittadinanza in base ai risultati di prevenzione € 303.800
Risparmio chilometrico stimato 40,9%
Risparmio carburante stimato € 75.920

Modena

Risultati prevenzione - Diminuzione complessiva dei crimini: 16%
Scippi -6,4%
Rapine -10,1%
Borseggi -6%
Furti in abitazione e in esercizi commerciali -14%
Furti veicoli -5,9%
Indice di Pressione Criminale -25%
Risultati economici
Risparmio stimato per la cittadinanza in base ai risultati di prevenzione € 36.300
Risparmio chilometrico stimato 40,9%
Risparmio carburante stimato € 68.620

Efficacia del metodo previsionale

Riduzione dei crimini con il metodo previsionale superiore alla media nazionale ed in città simili

È pensiero comune che la riduzione dei crimini predatori che si registra in Italia da qualche anno, possa essere legata a più fattori. Il metodo di sperimentazione randomizzato ha permesso di comparare la riduzione ottenuta nelle città dove è stato adottato il trovato, con quella di altre città che hanno le stesse caratteristiche ma dove non è stato sperimentato il trovato al fine di verificare se il risultato ottenuto potesse essere connesso all'andamento generale.

La verifica ha permesso di determinare che nelle città in cui è avvenuta la sperimentazione, la riduzione dei crimini è risultata nettamente superiore a quella della media generale ed in città simili in cui non è stato adottato il trovato.

Città % riduzione dei crimini
(Ottenuta nel periodo di sperimentazione)
N. crimini in meno
Parma
(Città sperimentata)
43% 1.600
Taranto
(Città non sperimentata)
19,5% 577
Salerno
(Città sperimentata)
38,8% 642
Ferrara
(Città non sperimentata)
4,2% 192
Venezia
(Città sperimentata)
19,1% 923
Catania
(Città non sperimentata)
1,8% 243

Efficacia del metodo previsionale

Differenza produttiva con metodo di prevenzione tradizionale e previsionale

In Italia il controllo del territorio viene condiviso tra due organizzazioni di sicurezza pubblica secondo un piano coordinato. Nelle città sperimentate la produttività di quella che ha adottato il trovato, è risultata nettamente superiore ovvero, i crimini sono stati consumati in maggior numero nelle aree di competenza di quella che ha adottato il metodo di prevenzione tradizionale.

Nel corso della sperimentazione si sono svolti alcuni test che hanno previsto la sospensione dell'uso del trovato verificando che nel corso della sospensione i crimini sono aumentati per poi tornare a diminuire nel momento in cui si è ripreso ad impiegare.

Una delle criticità attribuita al metodo previsionale ed al centro di dibattito accademico, è l’eventuale possibilità di spostamento del crimine che in criminologia viene definito «displacement» ovvero uno dei rischi che la criminologia attribuisce in caso di interventi di prevenzione che agiscono sullo spazio o sul contesto della realizzazione del reato, è che il fenomeno si sposti.

La verifica è stata svolta utilizzando dei diagrammi. Partendo da un punto dove si concentrava il fenomeno prima del trattamento si è sovrapposto un diagramma che unisce vari punti dove si sarebbe potuto spostare dopo il trattamento in base alla morfologia ed alle caratteristiche del territorio.

In virtù dei maggiori controlli svolti sulla base degli allarmi generati dalla intelligenza artificiale, nel punto dove il fenomeno era più concentrato (riserva di caccia) gli unici luoghi dove si sarebbe potuto spostare, sono quelli indicati dai cerchi numerati.

Dopo un anno di sperimentazione il fenomeno si è ridotto ma non vi è stato alcuno spostamento in nessuno dei punti alternativi. Il metodo di verifica è stato adottato per tutte le città dove è avvenuta la sperimentazione e per tutti i tipi di reati predatori, il risultato è stato sempre lo stesso: il fenomeno si è ridotto ma non si è mai spostato.

Napoli prima del trattamento.
Napoli dopo quattro anni di trattamento.

Partecipazione

Leadership ed abilità nel prendere autonomamente decisioni strategiche nel breve medio termine da parte degli operatori di controllo del territorio

Nelle sedi operative dove è avvenuta la sperimentazione, rispetto al periodo precedente in cui veniva adottato il metodo di prevenzione tradizionale, sono aumentati i controlli svolti su iniziativa degli operatori impegnati in attività di controllo del territorio, stimolati quotidianamente dalle elaborazioni previsionali.

E' stato sottoposto agli operatori un questionario di valutazione della soluzione. Il 100% degli operatori intervistati ha ritenuto utile e motivante l'impiego della soluzione, efficaci le elaborazioni operative fornite dalla stessa per la quaotidiana attività di controllo del territorio, determinante il suo impiego per i risultati che sono stati raggiunti, efficace nell'arricchire le abilità professionali, semplice e poco oneroso il protocollo per il suo impiego perfettamente compatibile con quello preesistente.

Impatto

Media e opinione pubblica

L’impiego del trovato grazie ad una coraggiosa scelta di apertura e trasparenza , è stato favorevolmente accolto dal mondo giuridico ed accademico ed ha suscitato notevole interesse da parte dei media i quali hanno pubblicato numerosi articoli di stampa e lanciato numerosi servizi televisivi in cui è stato sempre posto l’accento sull' innovazione adottata, incidendo positivamente sulla reputazione del brand e sul sentimento di fiducia da parte dell’opinione pubblica verso di esso.

  • 261 articoli di stampa locale
  • 134 articoli di stampa nazionale
  • 82 articoli di stampa internazionale
  • 2.324 Link a servizi WEB
  • 27 articoli di stampa specializzata
  • 12.439.000 spettatori servizi TV 13% share
  • 12 servizi TV locale
  • 15 servizi TV nazionale
  • 12 servizi TV internazionale

Conclusioni

XLAW® nasce come progetto laico di ricerca che nel corso degli anni ha abbracciato più campi della scienza. Con approccio multidisciplinare ogni fase del progetto è stata condotta con il contributo di molti soggetti del mondo della sicurezza pubblica e privata, del mondo accademico, criminologi, sociologi, urbanisti, pedagogisti, giuristi, informatici, economisti, medici ed anche della cittadinanza soprattutto quella attiva.

Sin dall'inizio il progetto è stato aperto a chiunque volesse contribuire o verificare non solo gli aspetti etici e tecnologici ma anche i risultati della ricerca, dello studio e della sperimentazione del trovato svolta in più contesti dove non vi fosse l'influenza di chi lo ha ideato e implementato. Grazie a queste coraggiose scelte etiche, il trovato è oggi l'unica soluzione al mondo di questo tipo che trasparentemente è stata posta al libero giudizio ed ha ricevuto il consenso indipendente non solo degli addetti ai lavori ma anche del mondo accademico, giuridico e dell'opinione pubblica. Al contrario di molti altri, spesso oggetto di critiche per mancanza di trasparenza, il trovato è una White Box e sia l'utente che chi eventualmente tiene a svolgere una serena valutazione, sa benissimo cosa ha in mano, su cosa si fonda il suo sviluppo, quali siano i principi ed i fini del suo impiego, il suo funzionamento e quali informazioni vengono raccolte e valorizzate.

Pur se nell'ambito del progetto si è riusciti a realizzare una soluzione tecnologica innovativa, è importante sottolineare che non è corretto definire il trovato un'innovazione informatica ma l'esito di una lunga attività di ricerca i cui risultati sono un contributo originale per tutto il mondo scientifico e per chi intende o ancora trova difficoltà ad approcciare progetti simili perchè ha permesso di far luce su tutte quelle aree grigie che ancora suscitano diffidenza verso nuovi metodi di prevenzione per migliorare la Sicurezza Urbana. Primo su tutti che il metodo di prevenzione basato su elaborazioni predittive fornite da soluzioni d'Intelligenza Artificiale, è risultato più efficace rispetto al metodo tradizionale che si basa invece sull’acquisizione di meri elaborati statistici degli eventi passati o sulla valutazione di istanze formulate dalla collettività per fornire risposte a breve e medio termine che inevitabilmente possono giungere in ritardo e che produce scarsi risultati e spreco di risorse. La ricerca svolta, che viene messa a disposizione di chiunque volesse approfondire e ci si augura anche d'implementare, ha stabilito infatti che la polizia predittiva può essere considerata realtà e non più fantascienza o suggestione.

La lunga e diffusa sperimentazione del trovato infatti, ha confermato il presupposto condiviso tra i ricercatori coinvolti, secondo i quali è possibile arrivare a prevedere certe tipologie di crimini urbani che hanno la caratteristica di ripetersi nel tempo e nello spazio, se si è in grado di definire ed implementare, un appropriato metodo di Previsione e di trasferirlo in modelli di apprendimento automaitco e che maggiore è la possibilità di ridurre i delitti sulla base dell'alta attendibilità e precisione delle elaborazioni che essi possono fornire. Dimostrato e provato che se si è in grado di prevedere e prevenire il crimine, esso non si sposta in altre aree del territorio, ne consegue che scippi, rapine, furti e borseggi accadono in luoghi difficilmente fungibili che se presidiati con scientifica puntualità e precisione, si può arrivare a rendere maggiormente sicuri disorientando il criminale che inevitabilmente diviene meno efficace e più vulnerabile nel tempo e nello spazio.

Non è un caso che il progetto nel suo insieme, oltre ai risultati tangibili, ha sancito clamorosi stravolgimenti di note teorie sulla criminologia urbana, suscitando l'attenzione del mondo scientifico internazionale.

Il framework per l’introduzione del trovato all’interno di un’organizzazione complessa, è stato un importante successo raggiunto considerando che la tecnologia non deve essere mai fine a se stessa e che non è semplice introdurre innovazione, laddove i metodi di lavoro non sono preparati a questo. E' stato quindi studiato, sviluppato ed adottato un metodo esclusivo con l'aiuto di psicologi e tecnici per mettere a punto uno strumento che fosse pienamente fruibile, efficace e che non stravolgesse i precedenti protocolli, a bassissimo costo d'impianto e di gestione onde poter incidere quanto più possibile sulle sole performance dell'organizzazione e dei singoli operatori i quali, grazie alla rivoluzione paradigmatica degli obiettivi operativi e non del metodo di lavoro preesistente, sono risultati sin dalle prime ore di adozione del trovato pienamente proattivi ed abili nel prendere decisioni strategiche nella quotidiana disputa con il reo.

La conclusione è che il trovato non deve essere considerata un’ulteriore risorsa tecnologica in aggiunta a quelle già esistenti ma prima di tutto un metodo innovativo che permette di rivoluzionare il paradigma della sicurezza per ridurre i crimini, i costi, i rischi e lo stress di uomini e mezzi ed i danni di tipo morale ed economico della collettività.

I risultati, la validazione da parte del Dipartimento di Pubblica Sicurezza e delle Università Federico II e Parthenope di Napoli, i premi, i riconoscimenti ottenuti, l’alto gradimento dell’opinione pubblica e dei media ed il fatto che sulla base delle sua lunga sperimentazione il trovato ha raggiunto il massimo livello di maturità atteso che attualmente nulla di simile ha raggiunto tali livelli, determinano che l'Intelligenza Artificiale già impiegata da tempo in altri settori, è efficace e pronta per lavorare quotidianamente anche a supporto delle attività volte a rendere più sicure le nostre bellissime città.

   Conclusioni accademiche

Anche se in questo momento storico l’Italia è preoccupata dall’affermarsi di altre emergenze (effetti del cambiamento climatico, crisi aziendali, riduzione della produttività), il tema della sicurezza urbana nel Paese resta nell’agenda istituzionale sempre ai primi posti, anche se una progettazione più costante delle politiche di sicurezza urbana stenta a realizzarsi e la soluzione degli interventi si prestano a facili strumentalizzazioni, sia da destra che da sinistra.

Tuttavia, non si può disconoscere che la sicurezza rappresenti un bene fondamentale della persona, un diritto universale riconosciuto della persona (art. 3 Dichiarazione Universale dei Diritti Umani) e in quanto tale è considerato dalla nostra Carta tra “i diritti inviolabili dell’uomo” (art. 2 Costituzione italiana), per cui come tale è esigibile perché senza di essa non può essere esercitata la libertà e senza questa alcuna attività umana è perseguibile e si esprime in tutta la sua grandezza. Pertanto, la sicurezza dovrebbe essere gestita in continuità, oltre lo schieramento di partito.

Sicurezza, giustizia e libertà sono valori interconnessi: senza sicurezza non c’è libertà e non si può neanche garantire giustizia. La sicurezza è tuttavia una condizione sia oggettiva (garantita da un insieme di tutele e dispositivi), sia soggettiva, in quanto inerisce lo stato d’animo della persona, la sua condizione psicologica, tant’è che questa dimensione è studiata mediante la percezione dell’insicurezza. Quando lo Stato non riesce a garantire la sicurezza formazioni autonome si propongono nella storia come alternative per offrire tutele, protezione, garanzie. La mafia si origina storicamente proprio come soggetto sociale che offre protezione in assenza dello Stato. Viene venduta al punto che già il Franchetti nel 1876 nella famosa “Inchiesta” identifica i mafiosi come esperti nell’uso della violenza per tutelare diritti di proprietà debolmente o nient’affatto salvaguardati dallo Stato.

Il venir meno della sicurezza alimenta la paura e paradossalmente la modernità avanzata essendo gravida di nuovi rischi instilla un maggior senso di generale insicurezza perché rende più precarie molte condizioni di vita e vulnerabili quelle che un tempo erano abituali certezze. Tuttavia, essendoci un rapporto molto stretto tra sicurezza e disuguaglianza, chi abita i gradini più bassi della scala sociale è oggettivamente più vulnerabile in quanto meno tutelato e di conseguenza la percezione di insicurezza è funzione dello status più debole. Quanti sono collocati, invece, nei gradini superiori godono di maggiori garanzie, si dotano di maggiori autotutele e per essi il senso di insicurezza si nutre maggiormente di elementi soggettivi o di quegli aspetti della vita contemporanea che in quanto connessi ai rischi globali (inquinamento, terrorismo, grandi flussi migratori, crisi economiche) istillano angosce, paure, inquietudini.

Una delle specificità nostrane è che, a differenza di altri contesti come gli Stati Uniti, l’Inghilterra o la stessa Francia, i programmi di sicurezza urbana non sono mai stati attraversati da sperimentazioni strategiche di modelli centrati sulla prevenzione degli eventi e attenzione alle vittime in uno spazio urbano delimitato. Cosa che all’estero è avvenuta in modo più frequente sotto l’egida di programmi attuati da dipartimenti attivi di polizia in collaborazione con le università, i sindaci o gli uffici governativi. Il periodo newyorkese della “tolleranza zero” (dal 1990 al 2001) attuata specie da Rudolph Giuliani (1994-2001) sarebbe errato tradurlo e identificarlo in chiave esclusivamente politica. Ciò impedirebbe di cogliere alcuni spunti e intuizioni analitiche che, a partire dagli studi dello psicologo sociale P. Zimbardo alla fine degli anni ’60 sull’ “indifferenza collettiva” e dalle successive teorie delle “finestre rotte” (Broken Windows Theory, Kelling e Wilson, 1982), del “contagio sociale” (Cook e Goss, 1996) e delle ipotesi connesse ai programmi Moving to Opportunity (MtO) (Harcourt - Ludwig 2006), hanno permesso di cogliere alcuni effetti sociali connessi al e/o indotti dal degrado e disordine urbano.

Le critiche mosse ai programmi Safe and Clean Neighborhoods e più ancora alle strategie di tolleranza zero hanno invece dato vita a un lungo periodo di sperimentazione coincidente con i programmi foot-patrol, community policing, problem-oriented policing, che sebbene di scarsa efficacia o non dando i risultati sperati (Jang et alii, 2008) sono stati sovrapposti da altri modelli applicati (“pulling levers” policing, third-party policing, hot spots policing, compstat ed evidence-based policing) per prevenire il crimine o per contrastarlo. Specialmente dopo l’11 settembre 2001 quando rispondere alla domanda di sicurezza dei cittadini è diventato un imperativo assoluto. Piuttosto che arretrare, le non poche criticità emerse negli ultimi anni rispetto alle differenti sperimentazioni hanno consolidato negli Usa la ricerca di nuove vie, testando i risultati dell’applicazione di nuove strategie e arricchendo i modelli di correlazione fra fattori in modo da fornire risposte più attendibili (Taylor, 2001; Nixon 2005; Braga et alii, 2014). Gli addetti ai lavori e gli studiosi del campo si dibattono da un lato, esplicitando l’idea che una buona deterrenza si costruisce perseguendo sia le infrazioni minori che i crimini violenti, anche se andrebbe contestualizzato l’approccio al tipo di criminalità presente in una determinata area. Paura, disordine, sviluppo del crimine sono comunque connessi sia alle piccole infrazioni sia ai crimini violenti i cui effetti collaterali finiscono per disincentivare l’interesse e la partecipazione alla difesa della comunità. Dall’altro, quanti ritengono che criminalizzare le incivilities e ogni forma di soft crime sia un errore, uno spreco di risorse e un inefficace modo di contrastare il senso di insicurezza della comunità, ancorché incassare risultati inadeguati sul fronte della criminalità (Braga et alii, 2015). Anche aumentare il numero di agenti in strada o rendere le pene più dure e lunghe non sortisce effetti deterrenti efficaci nei confronti di quanti scelgono le vie del crimine (Paternoster, 2010).

Lo studio alla base di questo progetto da conto di come il tema della sicurezza urbana, sebbene necessiti di interventi integrati di carattere sociale, economico, di riqualificazione degli spazi pubblici, del design ambientale e di incentivazione alla partecipazione dei cittadini alla cura e difesa della cosa pubblica, si fondi innanzitutto nell’applicazione di strategie di controllo del territorio da parte delle forze dell’ordine più organizzate. Riformulate sulla base di precedenti analisi criminologiche capaci di simulare situazioni future.

L'Università Federico II di Napoli ha accettato di collaborare al progetto perchè da anni si è sviluppato un confronto serrato sull’uso dei modelli operativi e predittivi di security ed il modello XLAW®, pone seri interrogativi alla teoria del contagio (che pure annovera illustri pensatori: G. Le Bon; S. Freud; N. Smelser) e alla psicologia del comportamento collettivo i cui risultati sono stati estesi, poi, alla teoria matematica della diffusione delle malattie utilizzata dagli epidemiologi per prevedere il corso delle infezioni all’interno di una popolazione (N.T.J. Bayley, 1957).

I risultati che il modello produce, si situano esattamente in quel progressivo itinerario che ha spostato l’attenzione dai processi irrazionali a quelli razionali e intenzionali studiati nell’ambito delle teorie della trasmissione delle credenze e delle informazioni all’interno dei mercati azionari (A. Lynch 1998, 2000; R. J. Shiller 2000) e che prepotentemente stanno rivoluzionando la new criminology incrociando, tra l’altro, i risultati che derivano dalle ricerche del design ambientale e da quelle di vittimizzazione.

Bisogna prendere sul serio XLAW®, frutto di un lavoro di gruppo e una sinergia istituzionale che ha incrociato saperi, esperienze e abilità differenti i cui risultati incrinano uno dei presupposti che vanno per alcuni per la maggiore: costruire la sicurezza militarizzando il territorio. Niente di più falso. L’attività di sicurezza urbana predittiva offre risultati più efficaci atteso che si combinino ricerca, tecnologia e riflessività criminologica.

Infatti, XLAW® raccoglie le informazioni in base ad un costrutto selettivo ipotetico teorico che pur ispirandosi ai modelli rational (integra la teoria delle opportunità di P.M. Mayhew, R. Clarke et alii, 1976; la teoria della rational choice di D.B. Cornish e R.V. Clarke, 1986; la teoria degli spazi geometrici criminali di P.J. Brantingham e P.L. Brantingham, 1991; la teoria delle attività di routine Di M. Felson e L. Cohen, 1979; il crime mapping, le risultanze di vittimizzazione), va oltre sia perché confuta, come anticipato, alcuni aspetti dei modelli di reazione-diffusione dei crimini predatori connessi alla formazione degli hot spot e quindi all’effetto displacement, sia perché mostra il carattere temporale - non lo esclude – relativamente alla ricostruzione della “riserva di caccia”. Il che mette le forze dell’ordine nella condizione di anticipare le mosse (prevenzione) disarticolando le condizioni che originano l’evento. Una selezione valutativa, quindi, dei fattori criminogeni che con alta probabilità determinano i casi, costruendo un modello di risk assessment basato sulla logica dell’uso dei “big data”.

La prevenzione situazionale ne esce arricchita perché la selezione delle informazioni che il modello XLAW® tende ad incorporare non si preoccupa di ridurre le opportunità, ma assume che è la riserva di caccia (dotata di caratteristiche proprie) che va modificata e osservata, attesa appunto la sua infungibilità (o ricostruzione delle analoghe proprietà).

È trasferibile ad altri contesti?

È trasferibile ad altri reati (displacement other crime)?

Le presupposizioni circa la serialità, specializzazione, modus operandi e tipologia di vittima definita ci dicono che è possibile. E' la sfida che andrebbe accolta. Certo la modalità operativa e la tenacia – non comuni - di chi ha ideato e promosso il progetto mostra quanto sia importante e opportuno l’aggiornamento e la specializzazione dei corpi della polizia locale, ancorché delle forze dell’ordine, stabilizzando in percorsi di confronto con il mondo accademico, gli esperti e quanti sperimentano nuovi modelli di analisi criminale o nuove strategie di controllo territoriale.

XLAW® sposta 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.

Bisogna considerare una tale proposta operativa. Sono offerti risultati che restituiscono efficacia operativa, valorizzazione del capitale umano, nuove conoscenze, risparmi sui costi di gestione, ipotesi integrative di azione con altre forze dell’ordine. E non è poco!

- 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 -

Crediti

Per la sperimentazione
  • Dipartimento di Pubblica Sicurezza
    Direzione Centrale Anticrimine
  • Questura di Napoli
  • Questura di Salerno
  • Questura di Prato
  • Questura di Venezia
  • Questura di Parma
  • Questura di Modena
Per la valutazione e la validazione
  • Università Federico II
    Dipartimento di Scienze Politiche
  • Università Parthenope
    Dipartimento di Studi Aziendali ed Economici

Bibliografia - Sitografia - Media

Andrejevic, M. (2017). To Pre-Empt A Thief. International Journal of Communication, 8, pp.879–896.

Beau Kilmer, Mark Kleiman (2009) The dinamic of deterrence

Bernasco W., Rosenkrantz Lindegaard 2018 - Lessons Learned from Crime Caught on Camera NCBI - NIH

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

De Hert, P., e Lammerant, H. (2016). Predictive profiling and its legal limits: Effectiveness gone forever? In B. Van der Sloot, D. Broeders, e E. Schrijvers. (Eds.), Exploring the boundaries of big data pp. 145–176. Amsterdam: University Press Amsterdam;

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

Edwards, L., e Urquhart, L. (2016). Privacy in public spaces: What expectations of privacy do we have in social media intelligence? International Journal of Law and Information Technology, 24,3 pp.279–310;

Haberman, C. P., e Ratcliffe, J. H. (2012). The predictive policing challenges of near repeat armed street robberies. Policing: A Journal of Policy and Practice, 6,2 pp.151–166;

Innes, M., Fielding, N., e Cope, N. (2005). ’The appliance of science?’: The theory and practice of crime intelligence analysis. The British Journal of Criminology, 45, pp. 39–57;

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

Lombardo E. "Teoria delle riserve di caccia"

Norton, A. A. (2013). Predictive policing: The future of law enforcement in the trinidad and tobago police service (TTPS). International Journal of Computer Applications, 62,4 pp.32–36;

Pearsall, B. (2010). Predictive policing: The future of law enforcement. National Institute of Justice Journal, 266,1, pp.16–19;

Santos, R. B. (2014). The effectiveness of crime analysis for crime reduction: Cure or diagnosis? Journal of Contemporary Criminal Justice, 30,2, pp.147–168;

Schlehahn, E., Aichroth, P., Mann, S., Schreiner, R., Lang, U., Shepherd, I. D., e Wong, B. W. (2015). Benefits and pitfalls of predictive policing. In Intelligence and Security Informatics Conference (EISIC) pp. 145–148. IEEE. Manchester, UK;

Tayebi, M. A., e Glässer, U. (2016). Social network analysis in predictive policing: Concepts, models and methods. Cham, Switzerland: Springer International Publishing;

Townsley, M. (2017). Crime mapping and spatial analysis. In B. Leclerc e E. Savona (Eds.), Crime prevention in the 21st century pp. 101–112. Cham, Switzerland: Springer International Publishing;

Vlahos, J. (2012). The department of pre-crime. Scientific American, 306,1, pp. 62–67;

Williams, M. L., Burnap, P., e Sloan, L. (2016). Crime sensing with big data: The affordances and limitations of using open source communications to estimate crime patterns. British Journal of Criminology, 57, pp. 320–340;

Bennett Moses, L., e Chan, J. (2016). Algorithmic prediction in policing: Assumptions, evaluation, and accountability. Policing and Society;

Brannon, M. M. (2017). Datafied and divided: Techno‐dimensions of inequality in American cities. City e Community, 16,1, pp.20–24;

Camacho-Collados, M., e Liberatore, F. (2015). A decision support system for predictive police patrolling. Decision Support Systems, 75, pp.25–37;

Chan, J., e Bennett Moses, L. (2016). Is big data challenging criminology? Theoretical Criminology, 20,1 pp.21–39;

Costanzo, P., D’Onofrio, F., e Friedl, J. (2015). Big data and the Italian legal framework Opportunities for police forces. In B. Akhgar, G. Saathoff, H. R. Arabnia, R. Hill, A. Staniforth, e P. S. Bayerl (Eds.), Application of big data for national security pp.238–249. Oxford, UK: Butterworth-Heinemann;

Daniele Vazquez Pizzi (2013) La fine della città postmoderna editore Mimesis;

Dario, L. M., Morrow, W. J., Wooditch, A., e Vickovic, S. G. (2015). The point break effect: An examination of surf, crime, and transitory opportunities. Criminal Justice Studies, 28,3 pp.257–279;

Datta, A., Sen, S., e Zick, Y. (2016). Algorithmic transparency via quantitative input influence: Theory and experiments, with learning systems. In (2016) IEEE symposium on security and privacy pp. 598–617. IEEE;

Downs, J. A. (2016). Mapping sex offender activity spaces relative to crime using time-geographic methods. Annals of GIS, 22,1 pp.141–150.;

Daldanise G., Esposito G., Ragozzino S. (2015) Besecure Project Best Practice Enhancers For Security in Urbans Environments -  Security Issues in Metropolitan Cities: the Experience of Naples o Besecure Project Best Practice Enhancers For Security in Urbans Environments - Security Issues in Metropolitan Cities: the Experience of Naples

Hunt, P., Saunders, J., e Hollywood, J. S. (2014). Evaluation of the shreveport predictive policing experiment. Santa Monica, CA: Rand Corporation;

Inayatullah, S. (2013). The futures of policing: Going beyond the thin blue line. Futures, 49 pp.1–8.;

Kitchin, R. (2014). Big data, new epistemologies and paradigm shifts. Big Data e Society, 1,1 pp. 1–12;

Kump, P., Alonso, D. H., Yang, Y., Candella, J., Lewin, J., e Wernick, M. N. (2016). Measurement of repeat effects in Chicago’s criminal social network. Applied Computing and Informatics, 12,2 pp. 154–160;

Levine, E. S., Tisch, J., Tasso, A., e Joy, M. (2017). The New York City police department’s domain awareness system. Interfaces, 47,1 pp.70–84;

Liberati, A., Altman, D. G., Tetzlaff, J., Mulrow, C., Gøtzsche, P. C., e Ioannidis, J. P. A. (2009). The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: Explanation and elaboration. PLoS Medicine, 6,7 pp. 1–28;

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

Mohler, G. O., Short, M. B., Malinowski, S., Johnson, M., Tita, G. E., Bertozzi, A. L., e Brantingham, P. J. (2015). Randomized controlled field trials of predictive policing. Journal of the American Statistical Association, 110,512, pp.1399–1411;

McCue, C. (2014). Data mining and predictive analysis: Intelligence gathering and crime analysis. Oxford, UK: Butterworth-Heinemann;

National Institute of Justice (NIJ). On Predictive policing. https://nij.ojp.gov/search/results?keys=predictive%20policing

Perry, W. L. (2013). Predictive policing: The role of crime forecasting in law enforcement operations. Santa Monica, CA: Rand Corporation;

Ratcliffe, J. H. (2004). The hotspot matrix: A framework for the spatio‐temporal targeting of crime reduction. Police Practice and Research, 5,1, pp. 5–23;

Saunders, J., Hunt, P., e Hollywood, J. S. (2016). Predictions put into practice: A quasi-experimental evaluation of Chicago’s predictive policing pilot. Journal of Experimental Criminology, 12,3 pp. 347–371;

Van Brakel, R., e De Hert, P. (2011). Policing, surveillance and law in a pre-crime society: Understanding the consequences of technology based strategies. In E. De Pauw, P. Ponsaers, W. Bruggeman, P. Deelman, e K. Van der Vijver (Eds.), Technology-led policing pp. 65–94. Antwerp, Belgium: Maklu;

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 giurisprudenzaper 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

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, X LAW,

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

Dal sito Polizia di Stato Parma: XLAW è il nuovo modo di fare controllo del territorio da parte dell’UPGSP della Questura di Parma

Dal sito Polizia di Stato Venezia: Venezia-Mestre. Arrestati per furto due cittadini romeni. Il sistema XLAW strumento vincente

Il Tirreno: Prato reati in calo del 39% con XLAW

Premio SMAU: Casi di successo XLAW l'algoritmo poliziotto che prevede i crimini

Corriere della sera: Attenti al ladro l'annuncio lo fa il software XLAW che aiuta la Polizia ad arrestare i criminali

Roma: Napoli poliziotto digitale anticipa i ladri e le loro mosse una denuncia

Modena Today: Algoritmo XLAW della Polizia per prevenire i crimini a Modena

Ansa: XLAW APP Questura anticipa un furto

Il resto del carlino: Polizia, un altro arresto grazie al software XLAW

Tvqui Modena: Polizia di Stato arrestato malvivente grazie al nuovo software XLAW

Il denaro: XLAW sbarca a Venezia software made in Napoli per prevenire i reati urbani

Parma daly: Operazione antidroga della Polizia col sistema predittivo XLAW

Venezia Today: Prevenire i reati grazie a XLAW, sistema che ottimizza il lavoro della polizia

Il Gazzettino Venezia: XLAW funziona, il software che "prevede" i furti coglie un ladro sul fatto

Repubblica: Parma in Questura arriva il software che prevede i crimini

Focus Polizia Penitenziaria: L'algoritmo XLAW che prevede dove e quando sarà commesso un reato

Gazzetta di Parma: Polizia impegnata nei controlli con il sistema XLAW che predice i reati

Pisa Today: Pisa qualità della vita usiamo XLAW

Il Riformista: I ladri li possiamo anitcipare con la tecnologia

Securindex: XLAW il sistema predittivo contro i reati predatori

Fanpage: A Napoli la Polizia prevede i crimini con XLAW

Il Mattino: Napoli sistema elettronico XLAW prevede un furto arrestato l'autore

Il Giornale: Venezia ecco software che predice i reati

Business Insider: Un algoritmo che prevede i crimini e funziona da anni

Rai la Vita in Diretta: Lotta al crimine ecco la tecnologia che batte i ladri

Motherboard: Polizia predittiva XLAW l'algoritmo per prevedere i crimini

Ansa: XLAW app della questura anticipa furto

Sul Panaro: XLAW ora i ladri li cattura l'algoritmo

Mediterranei news: Giornata mondiale del Turismo e Festival dell’Ospitalità XLAW per la sicurezza dei turisti

105.net: Inventato algoritmo per prevedere furti e rapine prima che si verifichino

Stylo24: XLAW l'algoritmo che prevede i crimini

Internapoli: Prevenire il primo convegno sulla Predictive Policing a Napoli

SIAP FOCUS: Innovazione strategica e tecnologia per la prevenzione dei reati

La Verdad: El oráculo del delito: Así se puede predecir dónde se va a producir un delito

DECA Human Resurces: Furti e rapine a sventarli ci pensa l'intelligenza artificiale

El Pais: El policía que aprendió a programar para predecir crímenes

Repubblica: XLAW l'algoritmo che batte i ladri

Globo: Polícia usa algoritmo que prevê crimes para prender ladrão na Itália

ELCIERRE Digitla: Un inspector napolitano creò un algoritmo con capacidad para precir los movimientos de los ladrones antes de que actùen

Spain's News: The policeman who learned to program to predict crimes

Televisiva News: El ladrón que fue atrapado en Italia gracias a un nuevo algoritmo para predecir delitos inventado en Nápoles

MEDIASET MATRIX: XLAW a MATRIX

RAI: Primi riscontri a Napoli dopo la sperimentazione di XLAW

IL SERRAGLIO: XLAW a Napoli per strategie innovative contro il crimine

RAI regionale: A Napoli la tecnologia innovativa contro i crimini

RAI regionale: XLAW a Napoli prosegue la sperimentazione

TV PRATO: XLAW a Prato i primi risultati della sperimentazione

RAI TG1: Anche a Venezia XLAW non fallisce

TG VENEZIA: XLAW nella città lagunare

A3 NEWS Venezia: Venezia primo arresto grazie a XLAW

RAI Mimanda RAI 3: XLAW e la Polizia di Stato a Mi Manda Rai 3

RAI Uno in famiglia: XLAW e la Polizia di Stato a Rai Uno In Famiglia

SMAU report premio innovazione digitale: Premiazione SMAU 2018

RAI Italia Si: XLAW sul podio di Italia Si Rai Uno

Gazzetta di Modena: La Questura di Modena presenta XLAW

Polizia di Stato Parma: Parma presentazione XLAW

RAI Tg3 Emilia: A Parma e Modena si sperimenta XLAW

Tg Parma: Il sistema predittivo XLAW sventa furti in appartamento

Gazzetta di Parma: Controlli straordinari in città. Denunciato un 19enne sorpreso a rubare a Mediaworld

Metropolitano: Più sicuri con XLAW i furti si possono prevenire

Il Riformista: I ladri? Li possiamo anticipare con la tecnologia

Bologna 2000: In azione anche a Sassuolo il sistema preventivo – predittivo XLAW

Patto sicurezza urbana Roma Capitale art.5: XLAW nel Patto per la Sicurezza Urbana di Roma Capitale

Il Riformista: Napoli, è allarme sicurezza: per vigilare usare la tecnologia

Assemblea Camera dei Deputati seduta n.90 del 26.11.2018 Intervento dell'On. Alessio Butti: Molto interessante, l'algoritmo antifurti, denominato XLAW

Ristretti dal Il Fatto Quotidiano: "XLAW": un algoritmo può davvero prevedere (e impedire) un reato?

Civile On Line: Un altro arresto della Polizia di Stato grazie al nuovo software XLAW

Storie Polizia Penitenziaria: Quando per il bene del paese opera l'appartenente al corpo con uniforme e mostrine e non un civile che nulla sa dell'operatività di un corpo di Polizia, le cose funzionano

Press Reader: Via Bissuola ore 12:00 prevista rapina dall'algoritmo che guida le volanti

Modena Today: Prevedere il crimine e anticiparlo, la sfida dell'intelligenza artificiale della Polizia

Bologna2000: Un altro arresto a Modena grazie al software XLAW

TvQui: A Modena arriva XLAW per predire i reati

Dire: A Parma arriva un ‘cervellone’ per predire i reati

Privacy e Sicurezza: XLAW, l’I.A. che contrasta il crimine

Business Insider: Percezione o realtà? I danni della paura e i dati reali per contrastarla

Napoli Today: La polizia napoletana prevede i furti: due denunce grazie all'app XLAW

El Confidencial: El ordenador 'atrapaladrones': este es el algoritmo que predijo un robo en Italia

Dagospia: L'algoritmo che predice i reati come minority report si chiama XLAW

Telecapri News: Napoli l'app XLAW della questura blocca uomo con attrezzi da scasso denunciato dagli agenti

Parmateneo: Predire il crimine non è più fantascienza. A Parma arriva XLAW

La Nuona Procedura Civile: Automanting Society Report 2020: Italia avanti con Polizia e Giustizia Predittiva

Polizia di Stato: Attività di controllo straordinario del territorio della Polizia di Stato per il contrasto allo spaccio di sostanze stupefacenti e ai reati predatori in generale

Polizia di Stato: Controlli straordinari del territorio della Polizia di Stato 3 denunciati ed un daspo urbano

LUMSA News: Crimine zero, la sfida del poliziotto che prevede il futuro

Il Riformista: XLAW funziona, ora investire per salvare Napoli dalla criminalità

Prefettura di Napoli: Devianza grave minorile XLAW allo studio della Prefettura

La Repubblica Parma: Parma, in questura arriva il software che prevede i reati

Salvi Juribus: I sistemi di Intelligenza Artificiale in uso alle Forze dell'Ordine in Italia

Gazzetta dell'Emilia: Arrestato grazie al programma di previsione dei reati XLAW

Sassuolo 2000: Un altro arresto a Modena grazie al software XLAW

Modena Today: Polizia modenese adotta XLAW, software che prevede reati predatori

Press Reader - Gente: La nuova tecno-arma della Polizia

Parmareport: Operazione antidroga vincente anche grazie al sistema XLAW