人們運用各種工具想預測犯罪實行有些年頭，但過去人們選擇使用哪種模式預測犯罪時，選擇本身就充滿偏見。此外，也有執法人員使用犯罪預測模型過于狹隘，結果造成錯誤針對特定人士缺失。隨著AI算法日新月異，不但能為犯罪預測模型輕松排除上述缺失與問題，人們甚至可直接問算法更復雜的問題，如：如果財產型犯罪上升，暴力型犯罪會發生什么變化?
根據刊登于《自然─人類行為》(NatureHumanBehavior)期刊研究指出，芝加哥大學社會科學家開發出城市犯罪預測算法，將城市切分成每塊只有1,000立方英尺(約302.5平米)區塊測試，結果準確率高達90%。
研究人員使用芝加哥暴力犯罪與財產犯罪的歷史數據文件來測試自家模型，模型會隨著時間逐步檢測這些區塊的犯罪模式，并試圖預測未來可能的犯罪事件。研究人員并使用亞特蘭大、落杉磯及費城等其他大城市的數據文件測試模型，準確度表現一樣好。
過去一些預測模型會認為犯罪集中所謂的“熱點”處，然后再從熱點擴散到周圍區域。這種預測方法往往會忽略城市復雜的社會環境，以及犯罪與警察執法力的微妙關系，造成偏見。
此外，2012年芝加哥警察局(CPD)聯手學術研究人員共同實施“犯罪與受害風險模型”(CrimeandVictimizationRiskModel)，會生成所謂“策略性對象”清單，也即根據年齡和被捕記錄等因素判定的潛在受害者及行兇者名單。模型并提供分數，以為判定名單人需監控之迫切程度依據，2017年《芝加哥太陽報》(ChicagoSun-Times)調查指出，模型判定為潛在犯罪者的人，近一半從未非法持有槍支，另有13%從未犯嚴重罪行。
反觀芝加哥大學研究人員設計的工具及模型，采用成千上萬個社會學模塊計算特定時間和空間的犯罪風險，所以能排除偏見與狹隘因素，有效提升犯罪預測模型的準確率。
