Investigadores del grupo de Data Science del Instituto Sistemas Complejos de Ingeniería, ISCI, desarrollaron un sistema de analítica avanzada que apoya a través de dos modelos a la Fiscalía, acelerando el análisis criminal: El primero reconstruye las redes sociales y los vínculos entre personas con historial delictivo. El segundo utiliza Inteligencia Artificial para identificar patrones en el modus operandi en casos de delitos contra la propiedad. Al cruzar la información, el sistema determina “sujetos de interés probable”, reduciendo la complejidad de la búsqueda para el Ministerio Público.
El sistema, llamado FISCAL HEREDIA, acrónimo de Herramienta para el Estudio del Delito usando Inteligencia Artificial, fue desarrollado en el marco de un proyecto FONDEF. Este, se alimenta de grandes volúmenes de datos obtenidos de las bases del Sistema de Apoyo a los Fiscales (SAF) y de la aplicación de seguridad ciudadana SOSAFE. Las instituciones asociadas al proyecto esperan que sea adaptado a otros tipos de delitos, como homicidios y estafas.
El Contexto
Con el avance acelerado de la Inteligencia Artificial (IA), se abren oportunidades a nuevos desarrollos que impactan en la sociedad. Uno de los investigadores del ISCI que ha participado de este proceso es Richard Weber, quien lleva más de cinco años trabajando en ciencia de datos aplicada a procesamiento de textos escritos, que es una de las ramas de la IA.
A partir de desarrollos que identificaban declaraciones de siniestros fraudulentas a las aseguradoras de autos y modelos que buscaban prevenir el robo de estos, el investigador y su equipo adquirieron una experiencia única en el desarrollo de algoritmos matemáticos que reconocen patrones de crímenes de diverso tipo, a partir de relatos textuales en lenguaje natural.
Durante el año 2020 el investigador, apoyado por el Instituto Sistemas Complejos de Ingeniería se adjudicó el proyecto FONDEF “Sistema de analítica integrada de información para la persecución de delitos contra la propiedad: Inteligencia Artificial para detectar estructuras criminales” en colaboración con la Unidad Coordinadora de Análisis Criminal y Focos Investigativos (SACFI) de la Fiscalía Nacional y la empresa SOSAFE. Además, el proyecto contó con la participación de académicos de las Universidad de los Andes, del Bío-Bío y de la Facultad de Economía y Negocios (FEN) de la Universidad de Chile.
Modelos matemáticos innovadores para apoyar la investigación delictual
Para desarrollar el proyecto, tanto el Sistema de Apoyo a los Fiscales (SAF), como la aplicación de seguridad ciudadana SOSAFE, pusieron sus bases de datos a disposición de los investigadores, siempre cumpliendo con los estándares para la protección de la privacidad.
Los investigadores del ISCI, Sebastián Maldonado y Carla Vairetti, utilizaron los datos de SOSAFE e identificaron patrones a través del análisis de las denuncias realizadas por los usuarios. El objetivo, en este caso, fue múltiple. Por un lado, se desarrollaron modelos que buscan enriquecer la información disponible en Fiscalía para la persecución penal. Por ejemplo, se asociaron robos cometidos por vehículos con la misma patente o características similares reportados por usuarios de la aplicación, identificando “tours delictuales”.
Por otro lado, se llevaron a cabo modelos predictivos de robo en vivienda en diferentes zonas para una mejor gestión de la seguridad vecinal, permitiendo un patrullaje preventivo más efectivo. Finalmente, se implementó una mejora en la organización de reportes de la aplicación que reciben las policías y municipalidades, permitiendo una priorización correcta de eventos urgentes que requieren una respuesta rápida.
Otras dos aristas del proyecto FONDEF fueron desarrolladas a partir de los datos del Ministerio Público en casos del crimen organizado contra la propiedad, lo que incluye encerronas, portonazos y robos a viviendas, entre otros. Si bien sus bases eran anonimizadas, lo que protege la identidad de las personas, contiene los datos de los imputados durante los últimos 15 años, detalles de los delitos cometidos por cada uno de ellos, así como de aquellos delitos en los que no hay imputado conocido.
A partir de esta información el investigador y su equipo diseñaron un modelo matemático que reconstruye la red social de un imputado, entendida como un conjunto de individuos que se conectan y relacionan entre sí.
Gráfico de red social de un imputado obtenido a partir del modelo desarrollado por los investigadores del ISCI
“De la misma forma como funcionan las redes sociales, como Instagram o Tik Tok, nosotros nos propusimos modelar la red social entre delincuentes, a partir de datos que se encontraban durmiendo, por decir así, en la base de datos SAF, porque era información del pasado que no estaba siendo utilizada necesariamente en las investigaciones actuales. Cada persona que cometió un delito forma un nodo en la red, y dos nodos se conectan si al menos cometieron algún crimen juntos en su historial. A modo de ejemplo, cuando nos enfrentamos a un delito y solo se captura a un delincuente, pero se sabe que eran más, podemos correr el modelo y este nos entrega sus posibles contactos. El potencial de esta herramienta es enorme, ya que, con poca información, permite identificar sujetos de interés probable y considerarlos en la investigación”,
explica Richard Weber, líder del proyecto.
El mapa de la red social de un sospechoso se complementa con un segundo modelo, que utiliza herramientas de Inteligencia Artificial para procesar los textos de las denuncias de las víctimas en Carabineros. Estos documentos tienen la ventaja de tener una estructura fija, que facilita identificar eventos en los que los delincuentes operan de una forma común.
¿Cómo se extrae la información relevante para enlazar casos similares?
El investigador Richard Weber decidió utilizar una herramienta similar al motor detrás de ChatGPT, que tiene actualmente 175.000 millones de conexiones, y trata exitosamente de modelar el cerebro humano, acercándose a su potencial real.
Esta herramienta ya ha sido pre-entrenada y puesta a disposición de los usuarios para generar distintas aplicaciones, como, por ejemplo, FISCAL HEREDIA.
Aunque los relatos expuestos en las denuncias a Carabineros no estén bien redactados o tengan faltas de ortografía, HEREDIA es capaz de entender la historia detrás del testimonio de las víctimas, tal como un lector humano. Incluso, va un paso más allá, y entre los grandes volúmenes de información, discrimina lo relevante, que se denomina “entidades”, como por ejemplo, la hora, el lugar, y la fecha en la que se comete el acto delictual. También, encuentra patrones en la gestión de violencia (si los delincuentes usan armas de fuego; golpean a los habitantes; envenenan a las mascotas; etc.), y, por último, identifica patrones en el tipo de especies sustraídas. El conjunto de estas entidades es el que determina un modus operandi.
“En cualquier área de la vida, las personas tendemos a especializarnos. Esto también aplica en el caso de los grupos criminales y su forma de operar. Algunos actúan preferentemente en parejas, otros optan, generalmente, por hacerlo en grupos grandes. A veces se especializan en el uso de armas de fuego, mientras que otros roban con objetos contundentes, pero nunca con armas. Nuestro modelo HEREDIA opera como un asistente del fiscal, ya que puede revisar rápidamente, durante las 24 horas del día, los datos de causas anteriores para detectar formas de operar similares. Además, cruza esta información con los datos de la red social de los sospechosos o los imputados en los delitos similares. Es probable que esos eventos ya lleven meses de investigación avanzados, lo que les ahorra tiempo y rescata información que, para un lector humano, simplemente por la cantidad de datos que hay disponibles, hubiera pasado desapercibida”,
explica Richard Weber.
“El análisis criminal en la actualidad se enfrenta a diversos e importantes desafíos. Por un lado, existe cada vez mayor información disponible, la cual se encuentra desagregada en distintas fuentes y organismos. A su vez, la información interna con la que cuenta el Ministerio Público no está organizada para proveer análisis de una manera ágil. Los campos con datos fijos son básicos, obligando a analistas a reconstruir datos de imputados, víctimas y características de los delitos mediante la lectura y análisis de partes policiales. Junto a la anterior, y como desafío para efectos de la persecución penal, existe una alta tasa de imputados desconocidos y bandas criminales que van cambiando su modo de operar, adaptándose a las nuevas tecnologías y circunstancias político-sociales en los territorios donde operan. Por ello, se vuelve urgente contar con más y mejores herramientas para el análisis orientado a la persecución penal. En este contexto, la Inteligencia Artificial es un tremendo aporte, en la medida en que colabora a asociar información en apariencia desestructurada, hallando vínculos y patrones que a simple vista son difíciles de identificar.”,
explica Claudio Ramírez, coordinador del Sistema de Análisis Criminal y Focos Investigativos (SACFI) del Ministerio Público.
Validación de la herramienta
Con el objetivo de validar la herramienta, el grupo hizo diversas pruebas.
“Para nuestra contraparte, y para nosotros, fue muy impresionante ver la efectividad de FISCAL HEREDIA. Se usaron casos reales, en los que le entregaron al modelo el dato de un solo imputado, y se le solicitó encontrar, por ejemplo, a los otros dos que participaron en el delito. El modelo lo corrieron en la misma Fiscalía, y rápidamente levantó a tres sujetos posibles, entre los que estaban los dos delincuentes imputados que faltaban. Esto no es magia, la herramienta se dió cuenta que había muchas conexiones entre los sujetos, pero llegar a esa conclusión desde un punto de vista humano, por muy sistemático que seas en tu trabajo, es muy difícil, ya que se trabaja con una gran cantidad de causas al año”,
reflexiona el investigador.
Los modelos desarrollados con herramientas de Inteligencia Artificial tienen una gran ventaja, son capaces de trabajar sin parar y manejar grandes volúmenes de información, sin embargo, no son inteligentes. Por lo tanto, no reemplazan el trabajo de comprensión de los datos y el establecimiento de estrategias para el abordaje del delito que hacen los analistas del Ministerio Público.
El sistema de analítica avanzada se implementó de forma oficial en Fiscalía a partir de marzo de 2023. Uno de sus primeros casos reales de éxito se dio con la detención de al menos 3 individuos de entre 15 y 22 años que realizaban encerronas y las transmitían por Redes Sociales. Durante la formalización, realizada ante el 7° Juzgado de Garantía de Santiago, gracias al apoyo de FISCAL HEREDIA, la Fiscalía logró vincular a los sujetos con 8 encerronas realizadas en los últimos meses, y se investiga su eventual participación en otros hechos delictuales.
Los siguientes desafíos
El ISCI en conjunto con SOSAFE y la Unidad Coordinadora de Análisis Criminal y Focos Investigativos de la Fiscalía Nacional se encuentran postulando a un nuevo proyecto FONDEF con el objetivo de continuar trabajando en el proceso de proceso de madurar y escalar a nivel nacional la tecnología que desarrollaron en el primer proyecto.
“Creemos que hay que enriquecer el modelo con más datos disponibles. En primera instancia nos gustaría incluir información de Gendarmería. Al ingresar las fechas de condenas de los imputados, los lugares dónde se cumplieron, y con quién compartieron en paralelo en la institución carcelaria, podemos afinar el modelo de la red social. También, podríamos trabajar en asignarle un valor a las condenas, determinando cuánto pesa un año de cárcel, por ejemplo, e incluirlo en la ecuación”,
afirma el experto en ciencia de datos.
Otro desafío clave es escalar y empaquetar el sistema para que FISCAL HEREDIA corra en un servidor o en la nube, incluso, con accesibilidad para todas las Fiscalías del país u otras instituciones, como Carabineros.
Por último, dada la efectividad de sus resultados, desde Fiscalía se ha solicitado trabajar en adaptaciones del sistema para delitos como homicidios, estafas, secuestros y tráfico de drogas.
Comunicaciones ISCI