طوّر فريق بحثي نموذج ذكاء اصطناعي متقدم للتنبؤ بالجرائم بدقة تفوق الحلول التقنية الحالية، محققاً نسبة نجاح بلغت 86.3% في التنبؤ بعمليات السرقة عبر مدن أمريكية كبرى. يستند النظام إلى دمج معماريات تعلم آلي متعددة، حيث يوظف الشبكة العصبية التلافيفية البيانية لرسم العلاقات المكانية بين مواقع الأحداث، بالإضافة إلى بنية المتحولات لتحليل الاتجاهات الزمنية للنشاط الإجرامي. وعزز الباحثون هذا الهيكل بخوارزمية شبكات مولدة تنافسية مدعومة بمشفّر آلي تبايني، مما يحسّن تمثيل البيانات ويخفف بشكل فعال من مشكلات التحيز في المخرجات وتلاشي التدرج أثناء عملية التدريب. أظهرت النتائج التي اعتمدت على البيانات التاريخية من مدن أمريكية مختلفة، بينها لوس أنجلوس وسياتل، تفوق النموذج على أقوى الأنظمة المنافسة التي سجلت دقة تبلغ 83.2%، مع تحقيق أداء راسخ في تصنيفات جنائية أخرى. ورغم هذه الدقة العالية، يظل النظام أقل فاعلية في المناطق ذات الكثافة المنخفضة من البيانات الإجرامية أو تلك الخالية من السجلات التاريخية. ولمعالجة هذا القيد، يركز العمل المستقبلي على تطبيق تقنيات التعلم النقل لتمكين النموذج من نقل الخبرات المكتسبة إلى بيئات جديدة ذات بيانات محدودة. وتؤكد الدراسة المنشورة في المجلة الدولية للحوسبة والتطبيقات المبتكرة أن دقة التنبؤ بالجرائم يمكن أن تدعم أجهزة إنفاذ القانون في تحسين توزيع الموارد ووضع استراتيجيات استباقية للمناطق عالية الخطورة.