預測犯罪

李忠東

大數據時代，得益于人工智能（AI）技術、數據挖掘分析技術以及數據存儲技術的發展，英國、美國和日本的執法機構都在嘗試預判人的犯罪企圖，從而阻止罪案的發生。

在爭議中推進

英國警方正在開發并測試一種名為“國家數據分析解決方案”（NDAS）的系統，預測犯罪行為。一旦發現被計算機系統標注為有心理健康問題而可能實施暴力犯罪的高風險人群，NDAS就會提出為其提供咨詢服務或醫療幫助的建議，以避免他們真的犯罪。與此同時，還會幫助受害者，保障其安全。

NDAS采取友善的干預方式，為當地治安和社會工作者提供支持。該系統的目的不是為了預防性地逮捕任何人，而是分析警方已經鎖定的人員，并且優先分析那些最需要干預的人員，例如有心理疾病史的人暴力犯罪的可能性更大，可以讓他們獲得社會幫助。

西米德蘭茲郡警方牽頭研發的NDAS由AI軟件和統計數據構成，參與者包括倫敦警察廳和大曼徹斯特警察局等8個警察部門，計劃在2019年3月完成測試并投入應用，日后推廣到英國所有的警局。

NDAS比其他國家用于測定犯罪臨界值的軟件高出一籌。軟件通過數據庫能找到約1400個可以幫助預測犯罪的指標。在這些統計數據的基礎上，NDAS 的機器學習組件能夠識別5萬人，預測哪些個體存在出現暴力行為的可能性。為了指示未來出現攻擊行為的可能性，系統會給這樣的個體分配一個危險系數。

對于NDAS，有人針對其可能導致的道德問題提出批評。阿蘭·圖靈研究所的數據倫理團隊對該系統表示嚴重關切，指出NDAS的初衷是好的，但由于無法完全識別重要的數據，勢必會做出引發擔憂的錯誤預測。而且在一個人沒有實施犯罪的時候就預測其犯罪的概率，存在“嚴重的倫理問題”。

“NDAS以過去的逮捕記錄為基礎進行預測，可能會有誤差，加重警方的偏見。”哥倫比亞特區大學的安德魯·弗格森教授警告說，“該系統在分析時側重于人口密集、貧困和沖突頻發的地區，導致過度關注有色人群和貧窮居民。”

英國卡迪夫大學犯罪與安全研究所所長馬丁·英尼斯指出，雖然NDAS在預測比較危險的地區方面可能更有用，但難以合理地預測個人的犯罪行為。牛津互聯網研究所的桑德拉·瓦赫特稱，很難評估和衡量NDAS在沒有警察或其他干預的情況下預測的結果是否準確。

西米德蘭茲郡警局對NDAS充滿信心。雖然人們目前對該系統的可靠性存在質疑，但它未來在公共安全領域發揮作用是大勢所趨。警局希望能使用 NDAS 進行犯罪預測。為了確保該系統符合隱私規定，該警局將與英國數據監督部門信息專員辦公室合作，邀請專家對 NDAS 的效果進行評估。

準確率大大高于人工預測

在美國，洛杉磯警察局率先使用了PredPol犯罪預測系統。走進實時犯罪預警中心，只見在一堵巨大的屏幕墻上，洛杉磯地區的電子地圖不停地閃爍著，每一次閃爍都預示著那個地區有可能發生一次犯罪活動。根據地圖上的實時預警，指揮中心及時派遣警力，阻止犯罪。

巡警們每天上班都要列隊點名，他們的電子設備會收到一份當日的“犯罪預測電子地圖”，上面紅色正方形所處的位置代表著犯罪活動極有可能出現的地區。巡警在“犯罪高發地區”會提高警惕，加強巡邏。他們能收到來自實時犯罪預警中心的警告信息，提醒幫派斗毆、盜竊或者搶劫即將發生，要求采取相應行動阻止這些人進行犯罪活動。

PredPol的原理是：人類的很多行為都可以用非常簡單的數學模型來解釋。參考與犯罪行為和犯罪模式有關的社會學信息，根據此前犯罪活動發生的時間、地點和犯罪類型，就可以進行預測。它能預測哪些地區即將發生犯罪案件，但不能預測誰會成為嫌犯。洛杉磯警察局官員肖恩表示，未來警察局發布犯罪預測或許能夠像氣象臺發布天氣預報一樣簡單。

PredPol在城市電子地圖上用紅色正方形標記可能發生犯罪的區域，每個紅色正方形覆蓋150平方米。系統還會為用戶呈現一張“熱圖”，顯示出可能發生盜車案、入室行竊案和搶劫案等案件的位置。軟件隨時把大量的數據和信息篩選出來，在警察每次輪崗時根據實時數據的變化重新校準顯示范圍。

PredPol科技公司與加州洛杉磯和圣克魯斯、田納西州孟菲斯、南卡羅來納州查爾斯頓以及紐約等地的警察部門合作，通過測試證明了軟件預測的犯罪率比人工預測的更加精準。特別是在入室盜竊和車輛盜竊方面，軟件預測的準確率比人工預測高兩倍。

在圣克魯斯市，PredPol軟件起初被警方用于預測入室盜竊和交通工具盜竊案，后來擴大到預測打架斗毆等。在短短的一年時間里，全市的入室盜竊犯罪率下降了11%，搶劫犯罪率下降了27%。在洛杉磯，該軟件使用半年后，與財產有關的犯罪率降低了12%。

隨著PredPol的應用，警察的工作模式也發生了一定程度的變化。由于軟件能確定什么地方是犯罪高發區，警察不用再花很多時間分析數據，他們待在警局的時間少了，到街上巡邏的次數多了，將主要精力用于抓捕嫌犯。

雖然PredPol在預測犯罪可能發生的時間和地點上擁有更多的準確性，但是無法告訴警察在到達預測地點后該怎么做，因為它并不能直接關聯任何一個目標人物。“這款軟件并不能取代警員，警員仍然是打擊犯罪的主要力量。”圣克魯斯市警察局分析師扎克·弗蘭德表示。

從警力調遣到機器學習

日本日立公司推出名為“日立可視化犯罪預測分析”（PCA）的系統，它的數據來源比人們想象的范圍更廣，包括公共地圖、天氣預報、社交媒體、緊急電話及交通系統。其中，社交媒體的信息在預測犯罪中占據著舉足輕重的地位，從社交網絡收集數據，讓該系統的預測成功率提升了15%。

PCA加入了機器學習技術，通過篩選從傳感器和互聯網等各種渠道獲得的大量信息數據來自我學習。系統能在成千上萬條可能與犯罪相關的數據中，發現容易被人類忽視的線索。

從傳統的警力調遣到運用機器學習技術，是巨大的轉變。機器學習技術之所以能夠實現，完全依靠大型低成本數據庫和計算機處理能力的飛速發展。

警方傳統的預測系統，一般根據辦案的經驗構建預測模型，里面綜合一些變量，分別給予一定權重，比如某些特定場所，以及Twitter上發布的可疑信息等。PCA更勝一籌，摒棄了人類的一些偏見和主觀想法，不需要人來衡量哪些因素重要以及有多重要。它用數據預測是否有罪案將發生、可能發生犯罪的地區和犯罪類型，而不是基于已知的影響犯罪行為的因素來判斷。警察只需要提供數據，PCA便可以找出不同數據之間的關聯。

特別值得一提的是，PCA擁有高質量的視覺交互界面，各種不同犯罪行為的指示圖標在彩色地圖上清晰可見，槍支、手機和監控攝像頭等圖標更加顯眼。系統用從0到100%來表示某個地方即將發生罪案的危險指數。

微軟開發專用模型

微軟公司開發出一種新的計算機模型，它的算法可以對囚犯的歷史記錄和特殊數據進行分析，預測他們中哪些人將在獲釋后的6個月內再次被捕，其判斷準確率高達91%。模型參考的數據包括罪犯有沒有幫派關系、是否參加心理康復計劃、在監獄中有多少違規行為和被關過多少小時禁閉等。

微軟公司開發的這種計算機模型主要針對三類犯罪：入室盜竊、汽車盜竊和盜竊車內物品。它能通過分析歷史犯罪記錄、人口統計數據、氣候、當地新聞和其他數據，利用過去的犯罪地點定位未來潛在的犯罪現場，以便更好地分配警力，調整巡邏時間，防止罪案發生。

微軟公司已經和多座城市建立起相關的合作關系，包括在紐約市開發區域警務系統，實時收集并分析現有的公共安全數據，為當地警方提供較為全面的潛在犯罪活動和安全威脅信息；在洛杉磯，計算機模型根據該地區上一年度某一天的入室盜竊案件數據，預測本年度同一天可能發生的同類案件，結果使該市的犯罪率下降了23%。

編輯：姚志剛 winter-yao@163.com