Un innovador prototipo basado en la inteligencia artificial, llamado PerfilNet.Pyros, ayuda ya a esclarecer la autoría de incendios forestales, en un proyecto liderado por la Fiscalía de Medio Ambiente y la Secretaría de Estado de Seguridad, con un desarrollo a cargo de investigadores de la Universitat Autònoma de Barcelona (UAB).

Según explican a Europa Press los investigadores Rosario Delgado y Xavier-Andoni Tibau, integrantes del grupo de Métodos Cuantitativos en Criminología de la Universitat Autònoma de Barcelona, los agentes que indagan en la reciente ola de incendios de Galicia -en la que fallecieron cuatro personas y hubo 49.000 hectáreas quemadas- "ya pueden consultar y usar" este prototipo.

PerfilNet.Pyros es un sistema experto basado en redes bayesanas, lo que significa "un sistema informático de inteligencia artificial con capacidad para aprender, razonar, comunicar y ayudar a obtener conclusiones lógicas a partir de los datos existentes", en este caso en relación con el perfil de incendiarios. Además del "aprendizaje autónomo del sistema", "permite hacer predicciones bastante ajustadas".

"Es la primera vez que se crea una herramienta de perfilado criminal basada en redes bayesanas", señalan estos investigadores de la UAB a la hora de definir el avance que supone en este campo el proyecto.

De tal forma, este prototipo permite a los investigadores de un fuego forestal predecir el perfil del incendiario a partir de los hechos conocidos, cuyos valores deben introducirse en la plataforma (véase el momento del incendio o el tipo de terreno), lo que arrojará los valores más probables en función de algoritmos apoyados en una base de datos.

Y es que esta aplicación ya se encuentra alojada en un servidor al que los agentes tienen acceso. "Esperamos que les sea de mucha utilidad", aseguran.

UNA PREDICCIÓN UN 20% MEJOR QUE LOS INVESTIGADORES MÁS EXPERIMENTADOS

La tasa de acierto de los perfiles de este sistema rondan el 80% en variables "muy importantes" para la investigación, en las que "se necesita mayor acierto", como son si la persona tiene antecedentes delictivos, si está en tratamiento psicológico o si existe registro de abuso de drogas.

En cambio, la variable con menos acierto es la edad (27,6%), seguida de situación laboral (34,7%). Cuestiones como permanencia en el lugar de los hechos o si convive con otras personas rondan el 50%. La motivación del incendio está en el 61% y la sociabilidad en el 69%.

Delgado y Tibau apuntan a Europa Press que, aunque una tasa de acierto del 50% para cuestiones como nivel de estudios "pueda parecer baja", en realidad "dobla la que se obtendría prediciendo simplemente al azar".

El hecho es que durante el proceso de evaluación se enfrentó a los investigadores de incendios de cada provincia con más años de experiencia con este sistema. Es decir, se les dio las características de diversos fuegos y se les pidió que hiciesen predicciones sobre cómo sería el autor.

El resultado fue que "el sistema experto predecía un 20% mejor" el perfil del autor que los mayores investigadores de incendios. Al respecto, dejan claro que el objetivo "no es sustituir a los profesionales, cuyo conocimiento y experiencia son inestimables", sino "complementarlos y ayudarlos".

Por tal motivo, "ante dos posibles autores de un delito, será mejor empezar a investigar aquel que tenga un perfil más coincidente con el que el sistema experto PerfilNet.Pyros proporciona".

BASE DE DATOS CON CASI 1.600 CASOS DESDE 2008

El sistema, en constante evolución, se divide en tres partes: base de datos, motor de inferencia e interfaz de usuario.

La base de datos cuenta todos los casos de incendios forestales provocados que se han esclarecido en España desde 2008, son 1.597, recogidos por profesionales de todas las provincias.

Estos registros contienen variables de la escena del fuego, cuántos focos de inicio había, a qué hora se produjo el incendio, qué tipo de superficie se quemó y si se ocultó otro delito, entre otros.

Después están los datos relacionados con el autor, que son los que se quieren predecir, "y que deberían ayudar a los investigadores a resolver el caso". Por ejemplo, a qué distancia vive el autor del lugar de los hechos, cuál es su situación de convivencia o edad.

Por su parte, el motor de inferencia, que es el núcleo de PerfilNet.Pyros, está basado en las redes bayesianas. "Se trata del algoritmo que, aprendiendo de la base de datos, y con la información de un nuevo incendio, genera una predicción sobre el perfil del autor del mismo", remarca.

Este algoritmo tiene capacidad de aprendizaje y cuántos más casos tiene la base de datos "mejores son sus predicciones". "Por eso se dice que es un sistema inteligente", agregan.

El tercer elemento es el de la interfaz de usuario, que permite comunicar el sistema con el profesional a través de Internet, por lo que puede consultar cualquier dispositivo como móviles u ordenadores.

TERRITORIALIZACIÓN

Cuestionados sobre la posibilidad de que estos perfiles se concreten de forma territorializada, Rosario Delgado y Xavier-Andoni Tibau dicen que no descartan que pueda llevarse adelante en un futuro.

Sobre este extremo, valoran que José Luis González, del Gabinete de Coordinación y Estudios de la Secretaría de Estado de Seguridad, y Andrés Sotoca, de la Sección de Análisis del Comportamiento Delictivo de la Unidad Técnica de la Policía Judicial, "han estado trabajando duramente en ello", "y ellos son los que tienen amplios conocimientos sobre los perfiles incendiarios en España".

"Lo que sí sabemos es que, dependiendo del ámbito geográfico, los incendiarios forestales varían su perfil predominante", agregan.

PERFECCIONAMIENTO EN PRÓXIMAS CAMPAÑAS

La Fiscalía General del Estado recoge en su memoria de 2017 un párrafo dedicado a este sistema, del que avanza que "se tiene previsto perfeccionar" en próximas campañas.

Así, Fiscalía señala que "tiene capacidad de autoaprendizaje, con lo que el algoritmo iría perfeccionando sus predicciones de manera autónoma según se fuesen incluyendo nuevos casos esclarecidos".

Acerca de esta cuestión, los investigadores de la UAB avanzan que "al proyecto aún le quedan algunos pasos pendientes". "Por ejemplo, aunque el sistema aprende automáticamente de la base de datos, cada vez que se inicia, es necesario actualizar la base de datos manualmente", apuntan.

Finalmente, se necesitan más estudios de validación para conocer su eficacia real, así como realizar ensayos de usabilidad para saber si la interfaz es práctica para los agentes.