大數據時代下犯罪預測的應用與限制研究

張蓓蓓

隨著第五代移動通信技術(5G)、物聯網絡（IoT）、云計算(Cloud Computing)、人工智能（AI）的發展，人類步入了“大數據時代”。2015年8月31日，國務院發布的《促進大數據發展行動綱要》中對大數據進行如下界定，“大數據是以容量大、類型多、存取速度快、價值密度低為主要特征的數據集合，正快速發展為對數量巨大、來源分散、格式多樣的數據進行采集、存儲和關聯分析，從中發現新知識、創造新價值、提升新能力的新一代信息技術和服務業態”。

大數據改變著人們的工作、學習和社交方式，我們的生理數據、實時定位、交易記錄等都可以被即時記錄下來并進一步深入挖掘分析產生可利用的價值。基于大數據，電商平臺可以根據以往的購物記錄和瀏覽商品情況推送我們下一個可能會購買的商品；社交軟件結合我們的學習經歷、興趣愛好、手機定位等為我們推薦可能會認識的朋友；當然，我們也可以運用某些軟件預測在什么時候能買到價格低廉的機票。同時，大數據也為理解和解決人們所關心的問題提供了新的視角和可操作化工具并向傳統的社會學、經濟學、管理學、法學等理論體系發起沖擊和挑戰。

古典刑法理論認為，刑法雖然不是社會現代化的推動者，但是刑法需要通過調整自身的方式對現代化的挑戰予以回應。學界關于大數據時代個人信息保護問題、數據的財產屬性問題、人工智能犯罪主體適格問題、數據依賴與壟斷問題等諸多方面的探討都體現了這種關切。

傳統犯罪治理的思維方式是逆向思維，強調演繹，即從犯罪現象倒溯犯罪原因，進而有針對性地采取治理措施。大數據思維是正向思維，強調歸納，其指導下的犯罪治理更多地是探尋相關性關系的數據決策方式。本文聚焦大數據時代下犯罪預測問題，主張大力推進基于大數據的預測警務活動，但對犯罪人預測功能的應用必須加以嚴格限制。

一、大數據時代下的預測警務

大數據的核心功能是預測，大數據技術的魅力就表現在它能夠迅速收集、分析數量龐雜的相關數據并快速獲取影響未來的信息能力。[1]參見趙國棟等：《大數據時代的歷史機遇：產業變革與數據科學》，清華大學出版社2013年版，第21頁。2009年美國甲型H1N1流感爆發的前幾周，Google公司的工程師們在《自然》雜志上發表了一篇論文，他們把本國網民檢索最頻繁的5000萬條詞組與2003到2008五年間美國疾控中心季節性流感傳播時期的搜索數據開展比對，處理了4.5億個不同的數學模型，試圖找出某些特別的檢索詞組搜索頻率與流感傳播規律之間的相互關系。在得到特定的數學模型后，他們判斷出流感的傳播源頭，成功預測了 2009年冬季流感的傳播，而這一預測比滯后的官方數據來得更加及時、有效。[2]參見[英]維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數據時代：生活、工作與思維的大變革》，盛楊燕、周濤譯，浙江人民出版社2013年版，第3頁。在美國《時代》雜志評比出的2011年度50大最佳發明中，基于大數據的“出警預測”赫然在列。這款由數學家、人類學家、刑事學家協同研發的程序，能夠預測美國加利福尼亞州圣克魯茲的哪些地區最大概率發生犯罪活動以及發生時間。運用這個軟件可以讓警方提前做好準備，避免慘劇發生。[3]新浪科技：《時代周刊2011年度50大最佳發明揭曉》，來源：http://tech.sina.com.cn/d/2011-11-18/09056341862.s html，2020年1月25日訪問。

情報主導警務是全球范圍內第五次警務革命的主題。讓數據發聲，運用大數據開展情報分析進而合理調配警力資源的預測警務，是預防和打擊違法犯罪、保障社會公共安全、解決當下警力資源不足的新思路。

(一）預防犯罪的需要

犯罪問題影響著國家經濟增長、社會發展和國際聲譽，一個地區犯罪率的高低亦是影響公眾社會安全感的主要因素。無論是對個人還是社會，預防犯罪行為的發生要比處罰已經發生的犯罪行為更有價值，更為重要。[4]參見[德]弗蘭茨·馮·李斯特：《德國刑法教科書》，徐久生譯，法律出版社2000年版，第21頁。

聯合國的一項調查數據表明，刑事系統的費用比例占到了犯罪所造成代價的 40%—50%，而這個費用隨著犯罪率的增加而增加。根據法計量經濟學研究，針對已知風險因素采取的預防性行動花費比監禁的支出少1/2到1/7。從這個層面上來說，犯罪預防是效果明顯、費用較低、“性價比”較高的犯罪治理措施。[5]參見李春雷、靳高風主編：《犯罪預防學》，中國人民公安大學出版社2016年版，第8頁。

預測警務是指運用分析技術，特別是定量分析技術來提前確定警察需要介入和干預的目標，對公共安全加以更嚴密的保護。預測警務屬于罪前階段的預防，之所以取得良好效果就在于該模式基于數據分析的預測合理配置警力，達到犯罪情境預防的目的。例如根據數據分析的指引，在犯罪高發區域增派警察加強巡邏會使犯罪的成本顯著提高，使犯罪分子打消犯罪意圖。

(二）技術可行性分析

人類祖先早在幾千年前便開始用龜甲占卜的方法預測吉兇禍福。隨著社會發展和人們認識水平的逐步提高，期間發明和經歷了上百種預測方法。現代的預測方法根據預測客體和預測用途的不同而有所差別，較為常見的有模型法、線性回歸分析法、德爾菲(Delphi)法、灰色系統理論分析法、最小方差預測法等。

大數據時代最常用到的預測建模技術包括邏輯回歸模型、決策樹、支持向量機等，它們可以抽絲剝繭地解開數據背后的內在關聯，然后運用得到的關聯關系去預測未來，推理未知。[1]參見李熙、黃力：《大數據背景下的犯罪預測與預防——基于犯罪預測分析模型的應用及構建》，載《山西科技》2015年第3期。犯罪預測是犯罪預防的前提。犯罪作為一種社會現象，是可以被認識和加以預防的。早在1829年比利時統計學家凱特就運用概率論較為精準地預估出了1830年法國的犯罪行為總數和罪行種類。現代技術的迅猛發展、對犯罪規律的認識不斷深入為犯罪預防研究提供了先進的技術手段和科學的研究方法。

具體而言，各種可視化技術和機器學習算法常常被用來預測某一地區的犯罪分布。操作流程是對原始數據加以收集和整理之后，運用機器學習算法把有效信息從大型數據中提取出來并發現數據之間隱藏的關系。犯罪模式分析師們再通過各種交互式可視化方法分析這些被報告和發現的有價值的犯罪信息，進而為警方提供前瞻性指導。[2]Hitesh Kumar Reddy ToppiReddy，Bhavna Saini&Ginika Mahajan. Crime Prediction & Monitoring Framework B ased on Spatial Analysis. Procedia Computer Science，132, 2018：697.可視化可分為不同種類，比如犯罪熱點可視化、3D圖像交互可視化、犯罪類型可視化、犯罪頻率可視化和交互式犯罪頻率報告等。

數據挖掘是對數據集進行剖析，從它們中間提取出有價值有意義的信息供進一步使用。犯罪學的理性選擇理論（Rational Choice Theory）和日常活動理論（Routine Activity Theory）可以用來指導犯罪預測。樸素貝葉斯理論是犯罪預測系統里最常用到的算法。國外有學者基于貝葉斯理論采用高斯混合模型和基于K-均值方法的參數化模型，綜合生成犯罪數據集，利用交叉驗證方法對預測系統進行了測試，結果表明該系統應用于犯罪預測成功率達到83%，為預防和打擊犯罪提供了幫助。[3]Mehmet Sait Vural&Mustafa G?k.Criminal prediction using Naive Bayes theory. Neural Computing and Appl ications, 2017, 28(9)：2581-2582.

(三）預測警務的可借鑒經驗

2008年，在美國洛杉磯市時任警察局長威廉·布拉頓、美國司法援助局代理主任詹姆斯·伯奇和國家司法委員會代理主任克里斯蒂娜·羅絲等人的大力倡導下，美國警界開始推行“預測警務”這一新的執法理念。經過多年的發展，美國的預測警務在深入挖掘大數據的可利用價值，進行犯罪預測方面取得了標志性勝利。[4]參見呂雪梅：《美國預測警務中基于大數據的犯罪情報分析》，載《情報雜志》2015第12期。

20世紀70年代末80年代初，我國開始了關于犯罪預測的研究，起步相對較晚。近年來，各地區依托大數據研發的犯罪預測系統紛紛投入使用并初見成效。北京市公安局懷柔分局自2013年4月起便開始運行的“犯罪數據分析和趨勢預測系統”是北京乃至全國首個警情研判系統。這套系統通過對以往犯罪案件數據的整理，套入多種預測模型，對今后某個時間段、某個區域內可能發生犯罪的幾率以及犯罪的類型進行預測。公安機關可以根據系統運算結果，有針對性地調配人手，部署警力。

據統計，該系統推行以來，該轄區搶劫案發生率明顯下降。2014年5月懷柔分局對預測系統進行了升級，升級后的數據收集來源增加了治安案件、交通事故等，進一步拓寬了預測范圍。[5]參見何祺：《預測警務在我國公安工作中的應用研究》，中國人民公安大學2019年碩士學位論文。蘇州市公安局蘇州工業園區分局唯亭派出所從2014年開始使用犯罪預測系統指導巡防工作，偵查工作模式從“案后研判”調整為“案前預警”，取得了良好的安防效果。據統計，該轄區侵財類違法犯罪警情逐年下降，下降幅度超過了15%。[1]參見蔡長春：《政法高科技連犯罪都可以預測》，來源：http://www.legaldaily.com.cn/index/content/2017-12/25/content_7429904.htm?node=20908，2020年1月25日訪問。

二、大數據時代下的犯罪人預測

大數據技術同其他技術一樣，是倫理中立的，它在被加以運用去實現更多的經濟利益、發揮更大的社會價值過程中并不自帶判斷是非好壞的審視功能。大數據的蓬勃發展對社會準則、經濟環境、法律法規等將會產生什么影響，預期的變化都尚未明晰，需要我們運用正確的價值觀去衡量數據創新所帶來的利益與風險。[2]參見[美]科德·戴維斯、道格·帕特森：《大數據倫理：平衡風險與創新》，趙亮、王健譯，東北大學出版社 2016年版，第8-9頁。大數據時代下犯罪人預測在一定程度上侵犯了個人隱私和自由，違背了罪刑法定原則，沖擊了社會公平正義，應在適用范圍上加以嚴格限制。

（一）犯罪人預測的設想與試水

在斯皮爾伯格導演的科幻電影《少數派報告》中，當局將能夠預知未來、預測犯罪細節的“先知”們集合起來構建了一套“犯罪預測系統”，對即將發生或正在進行的“罪行”予以阻止，雖然在影片中該系統以失敗告終，但是這套“犯罪預測系統”隨著大數據時代的到來仿佛觸手可及。

在美國，芝加哥警方掌握了更多數據之后，分析預測的目標從分析預測犯罪地點“升級”到犯罪人預測上，在這份備受爭議的犯罪人熱點名單上列出了臨近街區前二十名最有可能犯罪的嫌疑人名字和照片，甚至具體到此人在多長時間內可能犯罪的幾率。日本的商業戰略專家鹽野誠在《大智能時代：智能科技如何改變人類的經濟、社會與生活》一書中還提到美國孟菲斯的例子，當地警察已經引進了IBM研發的預測分析軟件“Blue CRUSH”。將來，警察可以用這個軟件分析包括人類遺傳基因在內的龐大數據，如果事先知道具有某種基因的人犯罪的可能性很高，就可以逮捕此人，甚至最終可以使這種基因不再出現在地球上。[3]參見[日]松尾豐、鹽野誠：《大智能時代：智能科技如何改變人類的經濟、社會與生活》，陸貝旎譯，機械工業出版社2016年版，第12頁。

COMPAS人工智能算法從2000年初就開始在美國的司法機構使用，目前已經修改到第四版，這個十分制的“打分”機制被美國司法部用于判斷有過犯罪記錄的人未來犯罪的幾率，各個州法官量刑或者警察盤查疑犯的時候，會把COMPAS分數作為參考。

2016年武筱林教授和博士生張熙的論文《基于面部圖像的自動犯罪性概率推斷》引起廣泛爭議。他們用機器掃描了1856張中國成年男子的身份證照片，運用機器學習算法和圖像識別技術來判斷這個人是否罪犯，并稱成功率高達 90%。在論文中還總結了這些罪犯的面相特點：罪犯跟普通人相比，他們面部特征更為明顯。Google和普林斯頓大學的三位研究人員寫了一篇反駁文章，名為《相面學的新衣》。他們在文章中批評武筱林等人的研究方法跟150年前的意大利龍勃羅梭天生犯罪人理論類似，只是使用了機器學習算法。

（二）犯罪人預測的批判

中國眼下正處于社會轉型時期，大規模的社會變革實踐與接踵而來的各種風險，使得我國正成為典型的高風險社會。[1]參見孫粵文：《大數據：風險社會公共安全治理的新思維與新技術》，載《求實》2016年第12期。有德國刑法學者主張，為了應對“‘世界風險社會’的新挑戰”，可以考慮“刑法的延伸和去邊界化”，諸如“實體刑法中可罰性的前移”、“預防性監控觀念的延伸，自由權利保障的解除”等。[2]參見[德]烏爾里希·齊白：《刑法的邊界——馬普外國與國際刑法研究所最新刑法研究項目的基礎與挑戰》，周遵友譯，載趙秉志主編：《刑法論叢》2008年第4卷，法律出版社2008年版，第24-25頁。劉艷紅教授指出，這些極端的風險刑法觀念，意在將刑法作為一種社會控制的工具而不僅僅是保障人權打擊犯罪的手段，這種無邊界的刑法是濫用的刑法，會導致刑法最終被消解，其挑戰的不僅僅是刑法謙抑性，更是罪刑法定甚至是整個刑事法治進程和人類社會法治進程。[3]參見劉艷紅：《中西刑法文化與定罪制度之比較》，東南大學出版社2017年版，第78-81頁。

1．侵犯個人隱私和自由

大數據時代，可量化的維度大大拓展，除了姓名、電話、繳稅記錄等傳統數字數據，人們的生活習慣、興趣喜好甚至情緒情感都可以被量化和記錄下來。即使存在網絡匿名化和部分數據缺失，但是隨著數據量的增加，匿名化會逐漸失效。從模糊化的數據中交叉分析精確鎖定目標已不是難事。

犯罪人預測首先要求政府對個人的數據進行全面收集，比如個人的身體狀況、教育背景、工作情況、社會關系網等，而這必定會侵犯到公民的隱私。國家對社會秩序的管控與保障公民個體自由之間難免發生沖突，這就需要在兩者之間進行調和，尋找一個黃金分割點。[4]參見陳志軍：《對大數據技術應用的合理刑法規制》，載《中國人民公安大學學報(社會科學版)》2018年第6期。自由可以分為思想自由和行為自由。思想自由是首要的，人之所以區別于動物就在于我們的思想是多元化的、多樣性的。姑且假設這種基于大數據平臺的犯罪人預測是準確的，但是這種預測違背了人的自由意志，也不承認人們基于自由意志改變未來選擇的可能性。[5]參見[英]維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數據時代：生活、工作與思維的大變革》，盛楊燕、周濤譯，浙江人民出版社2013年版，第225頁。刑法規范作為明文法，因其預測可能性，使國民能夠預測到自己的行為性質以及自己的行為是否會受到刑罰制裁，即“正確的預期”，從而形成社會的可控性和社會生活的穩定性。[6]參見馬榮春：《刑法的可能性：預測可能性》，載《法律科學(西北政法大學學報)》2013年第1期。

2．違反罪刑法定原則

依據犯罪預測的結果對尚處于未然狀態的“犯罪人”施以刑罰是錯誤的，即使是出于防衛社會的目的。這是斯皮爾伯格通過電影《少數派報告》想向人們傳達的思想，也是刑事法律基本原則對犯罪預測的價值觀要求。[7]參見趙軍：《“先知”之惑——犯罪預測局限性研究》，載《河南公安高等專科學校學報》2010年第6期。國家在進行社會管控過程中的威信樹立，依賴于管理目的的正當性和管理手段的妥當性。刑法作為其他法律的“保護法”，具有謙抑性，應嚴格控制刑罰的處罰范圍。即使出于保衛社會的目的，也不能動輒動用刑法，否則會使國家威信降低。[8]參見張明楷：《刑法學》（第五版），法律出版社2016年版，第55頁。

假設《少數派報告》中“先知”們預測出的結果百分之百準確，“犯罪分子”正處于準備工具，制造條件的預備階段，但是在犯罪階段上的預備，除了特定的犯罪之外，原則上是不可罰的，因為侵害法益的危險尚未成為具體的危險。[9]參見黎宏：《刑法總論問題思考》（第二版），中國人民大學出版社2016年版，第399頁。預備階段尚不可罰，更遑論有的“犯罪”只存在于“犯罪分子”的“思想”里。

因此，基于預測結果的制裁屬于“處罰不當罰”行為，違反了罪刑法定原則。另外，從經濟學上來說，區分犯罪的預備、中止、未遂與既遂，是保持刑罰邊際威懾的一種形式。如果降低刑罰適用標準，反而會降低刑罰的威懾力，不利于打擊犯罪。

3．沖擊社會公平正義

人人平等是現代刑事司法制度的核心要義。美國1956年格里芬訴伊利諾伊州（Griffin v. Illinois）一案中，最高法院大法官雨果·布萊克（Hugo Black）把“為窮人，富人，弱者和強者提供平等司法”的目標稱作“整個司法制度的核心目標”。1983年，比爾登訴喬治亞州（Bearden v. Georgia）一案中，法院裁定該州在被告人失業時撤銷其緩刑是違反憲法的。該州引入了大量的實證研究，表明失業和貧困增加了再犯的風險，以他的失業為理由認為他有更高的犯罪風險是正當的。法院堅決駁回了這一論點，認為不能基于貧窮而把他列為危險人物增加刑期，這樣做只不過是為了懲罰一個人的貧困。法律面前一律平等，國家尊重和保障人權也明確寫在我國憲法第13條中。

要設計一個預測犯罪人的系統首先需要機器學習算法的設計者判斷“什么樣的人更容易犯罪”，然后再把不同原因分解開來搜集數據。一個人犯罪的可能性成千上萬，而算法設計者將貧困、家庭狀況、種族或民族、社會經濟地位等維度輸入進去，就好像黑夜里我們更容易關注到的路燈下的路面一樣，本身就帶有偏見和歧視。從這個角度說，犯罪人預測是顯失公平正義的，他們被預測是危險的“犯罪人”并據此受到懲罰，不是因為他們做過什么，而是因為他們是誰、他們的家庭怎么樣以及他們的口袋里有多少錢。[1]Sonja Starr. The Odds of Justice: Actuarial Risk Prediction and the Criminal Justice System. CHANCE,2016, 29(1)：49.

（三）犯罪人預測的適用限制

基于大數據的“犯罪人”預測也并非一無是處，只要轉變設計思維便可大放異彩。筆者認為“犯罪人”預測適用范圍宜限定為被宣告犯罪，受到刑罰處罰的犯罪分子。

關于服刑人員再犯罪風險的評估，我國已有學者提出了較為完整的再犯罪預測的流程及預測模型。筆者認為，我們的設計思維應該從犯罪人預測轉移到改善犯罪人境遇、減少犯罪上。從這個層面來說，“犯罪人預測”改成“犯罪人關注和改善”比較妥當。比如，大數據平臺分析得出的結論是失業與盜竊犯再犯率呈現相關性，那我們就應當加強罪犯的教育和職業技術培訓，幫助他們順利回歸社會。

同時，筆者同意在某些特定犯罪領域適用犯罪人預測，比如社會危害極大、再犯風險極高的恐怖主義犯罪。就具體適用而言，一是建立完善的恐怖分子信息庫；二是建立恐怖分子再犯風險評估體系；三是對刑滿釋放恐怖分子進行后續跟蹤追評。[2]參見葉良芳、張勤：《大數據時代網絡恐怖主義犯罪的防治：大數據時代下的犯罪防控》，載《中國犯罪學學會年會論文集（2017年）》，中國檢察出版社2017年版，第480-481頁。對恐怖分子進行社會危險性評估亦被我國法律所認可。[3]《中華人民共和國反恐怖主義法》第30條第1款中規定：“對恐怖活動罪犯和極端主義罪犯被判處徒刑以上刑罰的，監獄、看守所應當在刑滿釋放前根據其犯罪性質、情節和社會危害程度，服刑期間的表現，釋放后對所居住社區的影響等進行社會危險性評估。”

三、大數據時代下犯罪預測的審慎態度

人們對自然預測是確定性的，如天體運動方面，以拉普拉斯為代表的預測學派達到了相當精確地程度，他們可以準確地預測出某個時間太陽系中各個行星的位置，甚至可以預測1000年之后的日食或月食。社會預測領域卻雜糅著大量不確定因素，閻耀軍教授將量子論中的測不準概念遷移到社會預測學研究，提出測不準的幾個因素，具體包括社會預測客體因應行為、人類個體的主觀隨意性和非理性、社會預測信息的不完備性、預測期限內新因素介入、社會系統的非線性和隨機性。[1]參見閻耀軍：《社會預測學基本原理》，北京社會科學文獻出版社2005年版，第320-336頁。基于以上考慮，我們對大數據時代下犯罪預測應保持審慎態度。

（一）“大”數據完備性存疑

數據完備性在一定程度上決定著社會預測的準確度。數據的完備不僅包括信息的完整，更重要的是收集數據的真實可靠性。在小數據時代，采樣分析精確度與采樣隨機性正相關，與樣本數目的擴大關聯性較小。大數據時代下，有條件采集所有數據而不必拘泥于采樣分析。[2]參見[英]維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數據時代：生活、工作與思維的大變革》，盛楊燕、周濤譯，浙江人民出版社2013年版，第39頁。但大數據是混雜的，有時候為了更大的數據量，了解大致的發展趨勢，人們愿意對精確性做出一定的讓步，接受適量錯誤的存在，雖然存在即合理，但是這個錯誤是需要我們去正視和處理的問題。

首先，大數據難以涵蓋所有的“黑天鵝事件”，勢必會影響數據全面性。再者采集數據的真實可靠性仍需辯證看待。徐英瑾教授曾一針見血地指出，現代社會誠信缺失，網絡“水軍”發布的大量注水數據讓某些特定數據的質量下降，即使龐大數量也無法平衡。[3]參見徐英瑾、王培：《大數據就意味著大智慧嗎——兼論作為信息技術發展新方向的“綠色人工智能”》，載《學術研究》2016年第10期。就犯罪預測而言，客觀存在的犯罪黑數影響著犯罪數據完備性，雖然在德國、美國等西方國家通過自我報告、被害調查等方式可以大致估算出犯罪黑數與犯罪明數的比例，但是犯罪黑數的成因是多方面的，其復雜性決定了估算數據準確與否無從驗證。

（二）俄狄浦斯效應影響

《俄狄浦斯王》是古希臘悲劇大師索福克勒斯所著，從這個故事中我們得到的啟示是人的活動結果往往與預言或者目的背道而馳。哲學家卡爾·波普把這種人們對未來的心理預期會影響未來的變化稱為俄狄浦斯效應。[4]參見徐才：《歷史和哲學的悖論：歷史規律的“俄狄浦斯效應”》，載《理論探討》2001年第1期。

影片《少數派報告》中警察約翰利用地心引力做類比，來解釋對犯罪的事前打擊并將這些“犯罪人”予以逮捕或拘留是合乎情理的。他把一個木球從桌上滾到桌子的邊沿，雖然木球被接住了，但是這個球在重力的作用下掉到地上是必然發生的，不能因為外力介入而中止否認木球落地的必然性。同樣，即將發生的犯罪雖然因警察提前介入打擊而停止，但不能否定該罪行按照預測情形實行的必然性。

這個類比顯然是經不起推敲的，我們可以把它看成“類推解釋”。因為犯罪預測本身可以影響被預測事件的結果，當預測客體感知到預測者的預測活動后他的因應行為會促使他調整自身，使先前的預測結果失靈。即便預測客體沒有感知到預測活動，他也會因受到各種隨機波動或介入因素的影響而改變自身行為。[5]參見閻耀軍：《社會預測學基本原理》，北京社會科學文獻出版社2005年版，第94-95頁。哲學家約翰·塞爾在《心·腦與科學》一書中給出了答案，任何人對我們行為的預測都可以認為是不成立的，這種不成立完全可以被證明。如果有人預言我要去干這件事, 我可以恰恰去干別的事情。這跟冰塊從山坡上滑下來，小球從斜面上滾下來，行星按照自己的軌道行進是不一樣的，它們沒有選擇的余地，而我們有選擇的空間。[1]參見約翰·塞爾：《心·腦與科學》，楊音萊譯，上海譯文出版社1991年版，第75頁。

（三）黑盒子理論

計算機系統的決策是基于程序明確設定的規則進行計算，是可以被溯源、被解碼和追蹤的。大數據算法往往超出我們的理解范圍，人們只能輸入數據集等待輸出結果。這期間機器是怎么識別的，連設計者也不能肯定。這使得大數據有變為黑盒子的風險，不公開、不透明、難以解釋。數據所揭示的相關性，只讓我們知道是什么，而不知道為什么。因此，我們不能完全受其主導支配，將大數據結果奉為真理，而應當將大數據與小數據相結合，將數據分析與人工分析相結合，對得到的結果進行甄別、篩選和交叉驗證，最終得到較為科學的分析結果。[2]參見張威：《基于大數據的犯罪防控之困境及應對：大數據時代下的犯罪防控》，載《中國犯罪學學會年會論文集（2017年）》，中國檢察出版社2017年版，第77-81頁。

大數據以驚人的力量引發了商業變革、管理變革、研究方法變革，這個“萬能”概念似乎能一下解決許多問題。人們紛紛想抓住它作為研究問題、解決問題的法寶。對大數據的盲目迷戀和崇拜是十分危險的，對大數據時代下的犯罪預測我們應始終堅持理性地思考、保持審慎的態度。