Kriminalstatistikken har i svært lang tid vært et nyttig verktøy for grunnleggende beskrivelse av kriminalitetsbildet, noe som igjen kan danne grunnlag for blant annet taktiske analyser og prioriteringer. Det kjente bildet vi har fra filmer der politietterforskeren plasserer knappenåler på et kart for å holde oversikt over hvor viktige hendelser skjer har selvsagt vært digitalt lenge, og rutinemessige kartbilder lages etter behov. Selvsagt holder registrene også oversikt over alle personer som har vært innblandet i saker, med potensial til å lage oversikter over dem som forekommer hyppigst. Å systematisere kunnskap om lovbrudd og personer for operative formål, er ikke noe nytt. Det som er nytt er datamengdene, datakraften og analyseteknikker som bringer dette til et helt annet nivå enn tidligere.

Fergusons The Rise of Big Data Policing er en grundig gjennomgang av hvordan bruk av stordata i politiarbeid har utviklet seg over de senere årene. Fokuset er på metoder for å forutsi fremtidig kriminalitet og sette i verk tiltak i forkant, såkalt «predictive policing», eller som det norske teknologirådet kaller det: «forutseende politi». Noen av Orwells scenarier med «Big Brother» har rykket vesentlig nærmere enn de fleste av oss er klar over. Særlig når temaet er kriminalitetskontroll der politi og etterretning står sentralt, er det lett å bli revet med i orwellske tankeretninger. Denne utviklingen har nok kommet aller lengst i USA, men det er helt klart slik utvikling også noen steder i Europa. I Norge har nok relativt lite blitt implementert per i dag, men det vil trolig skje – på hvilken måte, er vel ennå nokså åpent. Nettopp derfor er Fergusons gjennomgang av utviklingen i USA svært relevant også for norske forhold.

Når vi snakket om «big data» – eller stordata – i denne sammenhengen, handler det dels om selve dataene, men vel så mye om hvordan de brukes. Og hovedanvendelsen er prediktive metoder, altså hvordan man bruker store mengder historiske data i et forsøk på å forutse fremtiden. I denne sammenhengen brukes prediktive algoritmer til å forsøke å forutse både så vel hvor kriminalitet vil skje som hvem som kommer til å være involvert. Dermed kan man sette inn tiltak akkurat der, men også overfor enkeltpersoner.

Noen av kapitlene kan gi noen og hver bakoversveis. Fra det sosialdemokratiske Norge fremstår kapittelet om «Chicago heat list» som fra en annen planet: en algoritme predikerer hvem som står i fare for å bli skutt på gata basert på tidligere lovbrudd, etterretningsdata, bosted, gjengmedlemskap osv. Så blir hver enkelt person på listen oppsøkt personlig med en skriftlig advarsel og oppfordring til å endre livet sitt, dette fordi politiet har grunn til å tro at vedkommende ellers vil bli offer i en skuddveksling. Det ligger i kortene at dette heller ikke gjelder helt lovlydige personer i utgangspunktet, så hvis de ikke legger om livsstilen, lover politiet en ekstraservice som øker sannsynligheten for å få vedkommende bak lås og slå. Altså: man gjør prediksjoner på individnivå og i forkant, og det kan få konkrete konsekvenser for dem det gjelder. Slike systemer har vært implementert i Chicago en stund, men også andre byer som New York og New Orleans har implementert varianter av slike prediktive systemer.

Denne boken har ikke en dystopisk orwellsk vinkling, selv om det ikke mangler på kritiske perspektiver og advarsler. Tvert imot er den skrevet i en nøktern stil, med godt informerte diskusjoner av fordeler og ulemper. Fergusons analyse er balansert, men skarp. Det er noen svært problematiske sider knyttet til slik praksis, men det er også mulig å gjøre det bedre. Det er verd å merke seg at tiltak ikke følger av prediksjonene: se eksemplet fra New Orleans, der det er andre etater enn politiet som setter i verk tiltak basert på prediksjonene om kriminalitet, herunder sosiale tiltak. Ifølge Ferguson har da også tiltakene i New Orleans hatt bedre resultater i form av reduserte kriminalitetsrater, mens dette ikke har skjedd i Chicago. Dette tematiserer det viktige poenget at hva slags type tiltak man skal sette i verk, ikke med nødvendighet følger fra prediksjonen.

The Rise of Big Data Policing omhandler flere temaer enn individuell prediksjon. Ferguson diskuterer også den generelle utviklingen i lagring av store mengder digitale data – hvor de kommer fra, mengde og hva de brukes til. Altså vår digitale samtid. Utviklingen som førte til at politiet begynte å ta dette i bruk, er et annet sentralt tema. Det fremstilles jo ofte som først og fremst rasjonell og pragmatisk utvikling, men Ferguson nyanserer dette bildet betraktelig i forhold til økonomi, kritikk om at amerikansk politi ofte opptrådte rasediskriminerende osv. Innføring av big data policing var også et forsøk på å løse slike problemer ved å gjøre arbeidet mer effektivt og objektivt. Men i praksis virker ikke alle de teknologiske løsningene helt slik man så for seg, og løfter frem nye problemstillinger.

Et annet sentralt tema er prediksjon av hendelser etter tid og sted, noe som er et sentralt tema for hvordan politiet skal prioritere sine ressurser. Dette er en egentlig en avansert form for hotspot policing, der ulike steder har ulike risikoprofiler etter f.eks. tid på døgnet eller andre hendelser i nærheten.

Et overordnet tema i boken er hvordan slike praksiser får utslag for sosial forskjellsbehandling. Det er nok av eksempler der personer uten en kriminell livsstil feilaktig havner i søkelyset eller blir behandlet urimelig strengt på grunn av disse systemene. Et åpenbart eksempel er hvordan det å være svart i seg selv blir en indikator som algoritmene plukker opp som resulterer i høyere predikert risiko. Et åpenbart problem er at lovlydige personer kan bli blinket ut på grunn av sine bekjentskaper eller familiemedlemmer. Der personinformasjon ikke inngår i prediksjonen, vil resultatet likevel kunne ramme skjevt: I land med sterk bostedssegregering vil større tilstedeværelse av politiet i praksis være rettet mot visse folkegrupper. Gammel kriminologisk innsikt er jo at hvis man bare leter godt nok, vil man kunne finne noe straffbart hos svært mange i normalbefolkningen. Algoritmene kan videre bruke disse dataene til å gjøre nye prediksjoner og slik forsterke eksisterende forskjellsbehandling.

På tross av at boken omhandler anvendt teknologi, går Ferguson i liten grad inn på de tekniske sidene ved systemene. De eksisterende systemene er bygd opp noe forskjellig, og selv om mange systemer vil skryte av at de benytter «kunstig intelligens», vil det variere ganske mye hva som menes med det. Hvorvidt noen typer algoritmer er bedre egnet enn andre til ulike formål, er ikke noe denne boken gir et svar på. Man kunne tenke seg at man kunne forbedre systemet til å forhindre så stor sosial skjevhet ved å utelate visse typer variabler som f.eks. etnisitet, men hvorvidt slike tiltak vil virke, er i liten grad tematisert. Dette er altså ikke boken for dem som vil lære om selve algoritmene, de konkrete datakildene eller praktisk implementering. Denne boken handler om de mer overordnede implikasjonene og mulige konsekvenser. Det er vel da rimelig å si at et implisitt argument er at de fundamentale spørsmålene ikke løses teknisk ved å forbedre algoritmene og datakvaliteten.

Boken omhandler amerikanske forhold, og den direkte overføringsverdien til andre samfunn er nok usikker. Hvordan politiet jobber i utgangspunktet er vesentlig for hvordan nye systemer implementeres, men også for hvilken effekt de har. Et politi som i stor grad baserer seg på tilfeldig patruljering, vil ha et helt annet utgangspunkt enn et politi som allerede baserer seg på etterretning og taktisk analyse. Størrelsen på byene har også åpenbart mye å si. For å si det slik: politiet i Oslo vet utmerket godt hvor de skal være når pubene stenger; ikke bare områder, men utenfor hvilke konkrete puber. Vi må også gå ut fra at politiet klarer å følge godt med på flere av de mest aktive lovbryterne, selv uten veldig avanserte datasystemer. For Oslo er en liten by, sammenlignet med amerikanske storbyer. Det går derfor an å ha ganske god oversikt med mer manuelle metoder. Slik sett ville det vært enda mer nyttig hvis boken også diskuterte betydningen av kontekst. Nå er nok disse systemene primært utviklet i de store byene, men også USA har mindre byer og lokale variasjoner.

Fergusons bok er spesifikk med hensyn til politiarbeid, men diskusjonen er relevant langt utover det. I bokens avsluttende kapittel trekker forfatteren frem seks spørsmål som må stilles til slike prediktive algoritmer for politiarbeid. Hvert spørsmål gis en grundig begrunnelse og drøfting. Dette er spørsmål man bør vurdere, også hvis slik algoritmer skal brukes på helt andre felt. Dette er nøkterne og tankevekkende forslag, men også realistisk å forvente at myndighetene gjør eksplisitt. Det er konstruktive innspill som selv de mest teknologioptimistiske bør være enige i at bør gjøre eksplisitte.

Dette er en viktig bok for alle som jobber med avvikssosiologi, men selvsagt særlig for dem som er opptatt av politiarbeid. Men boken er langt mer relevant enn som så. Den kan leses som en casestudie på utviklingstrekk i vår digitale hverdag, og slik sett antyder den noen muligheter for fremtiden. Det er ikke minst en bok for dem som vurderer å innføre slike systemer eller jobber med å implementere dem. Det er også en god bok for dem som bare vil lese en interessant fagbok om noe de ikke kan så mye om fra før.