基于人工智能技術的犯罪預測機制探索與研究

李柯

摘? 要：在任何時代，犯罪行為都是阻止社會進步的主要障礙之一，該文基于人工智能、大數據分析和機器深度學習技術，對犯罪防控技術進行了研究，以實現對犯罪進行預警和防控的目標。該文首先對犯罪的成因進行了分析，然后闡述了人工智能技術應用在犯罪預測領域的優勢和原理，結合了大數據挖掘、機器學習的人工智能犯罪預測機制的發展對犯罪的防控將做出巨大貢獻，最后提出了筆者的一些思考。

關鍵詞：人工智能? 大數據? 犯罪預測? 犯罪防控

中圖分類號：TP18? ?文獻標識碼：A

Abstract： In any era， criminal behavior is one of the main obstacles to social progress. Based on artificial intelligence， big data analysis and machine deep learning technology， this paper studies the crime prevention and control technology in order to achieve the goal of crime early warning and prevention and control.The article first analyzes the causes of crimes， and then explains the advantages and principles of artificial intelligence technology in the field of crime prediction. The development of artificial intelligence crime prediction mechanism combined with big data mining and machine learning will make a great contribution to crime prevention and control. Finally， the author puts forward some thoughts.

Key Words： Artificial intelligence; Big data; Crime prediction; Crime prevention and control

我國現代化進程不斷推進，各領域發展取得了矚目成績。但是，犯罪率也在持續增長。改革開放以來，我國犯罪數量總體呈上升趨勢。2019年，人民檢察院批捕和決定逮捕犯罪嫌疑人高達1 088 490人，人民檢察院批捕、決定逮捕犯罪嫌疑人案件數達750 262。2021年5月22日，大連劉某駕駛機動車沖撞行人，造成5死5傷。2021年5月25日，河南安陽吳某當街持棍行兇，造成14人受傷。種種惡劣的犯罪行為讓人民的生活質量下降，社會的穩定受到嚴重威脅，嚴重破壞了國家安全以及國家形象。不論是什么時代，犯罪永遠是阻礙社會、文明進步的最大障礙之一，在犯罪發生之前進行預測防控成為研究的重中之重。而結合了大數據挖掘、機器學習的人工智能犯罪預測機制正在向產品化的方向發展，對犯罪的防控將做出巨大貢獻。

1? 犯罪的成因

犯罪的成因是多元的，是社會不良因素的影響和犯罪者主觀心理畸形發展相互作用的結果。其中周圍環境因素（生活習慣、家庭狀況、社交現狀等）的影響在個體或群體的犯罪行為以及心理的形成中尤為重要。很多罪犯都是出于報復社會、悲觀厭世等理由，或對生活失去了希望，或因其他因素影響心理走向扭曲。而犯罪的發生地點也集中高發于學校、商場、廣場等人流集中、警力分配不足的地方。這也直接造成了犯罪行為的高傷亡人數。從簡單的棍棒到刀槍再到現在威力驚人的自制炸彈、汽車炸彈，犯罪的實施工具越來越復雜、威力越來越巨大。而從犯罪嫌疑人的特征來看，也呈現從低學歷到高學歷的變化，高智商犯罪的案例越來越多[1]。

2? 人工智能技術應用在犯罪預測領域的優勢和原理

2.1傳統犯罪預警機制的局限

傳統犯罪預警機制中，受到人力的局限、思維限制以及效率的影響，導致傳統犯罪預警機制的效率以及準確性低下。作為普通人，很難看到傳統犯罪預警機制在社會生活中起到作用。而該預警機制的高成本、低收益，也直接為其未來發展蒙上了陰影。

回顧幾十年來的警務調度機制，就會發現很多問題：（1）系統功能上不關聯互助以及指揮與信息交換相互脫節導致指揮系統運作不暢。（2）調度系統不完善，各區域、各層級實現聯合作戰能力不足。（3）現場移動指揮與后方指揮中心的能力建設不均衡。（4）現場應急缺少可靠的通信網絡和指揮調度平臺。技術與調度系統相結合，提高信息的收集廣度以及數據分析的精度，才能在新時代尋找有效的解決方法。

2.2基于人工智能技術的犯罪預警機制的優勢

在機器深度學習和大數據挖掘的基礎上，“人工智能犯罪預警機制”綜合運用犯罪學、偵查學、統計學和計算機科學等研究方法，并在最近受到越來越廣泛的關注，被越來越多的國家及地區在不同程度上應用。“人工智能犯罪預警機制”通過對海量多類型的犯罪數據的采集存取，結合犯罪行為的關鍵信息點，利用條件概率與計算機深度學習、大數據挖掘等技術手段，建立動態變化的概率數據模型，將傳統的人力分析轉變為機器分析動態數據，擺脫了碎片化數據對偵察預測工作的掣肘，增加了分析效率與準確性。伴隨著數據基數的增加，人工智能犯罪預警機制在學習過往犯罪數據的同時，將對持續更新的數據庫進行動態分析并不斷提高預測的準確性與效率，針對管理者選擇的不同犯罪預測類型，做出預測性決策判斷，并根據緊急程度分級對管理者提出警示，甚至可以自主做出應對策略[2-3]。

在不斷的自主學習、完善認知以及對持續更新的數據庫進行動態分析基礎上，最終做出預測性分析和自主布置防控措施的人工智能犯罪預測機制，克服了傳統犯罪預警機制人才匱乏、被動低效、指揮調度不均衡的缺點，在預測犯罪熱點、分析網絡輿情、穩定社會治安等多方面將發揮巨大優勢。國家也將人工智能技術建設發展提升到了國家發展戰略布局的高度，未來也將在人工智能犯罪預測領域做出更多研究創新、更多產品應用。

人工智能犯罪預測機制，并未快速地與大眾見面，更多地還在試驗或者隱藏于大眾生活之中，似乎其對人們的生活改變難以感知，部分民眾也對人工智能犯罪預測機制的應用充滿疑惑。然而英國的警察部門包括達拉姆、肯特和南威爾士已經在使用面部識別系統和行為軟件來預防犯罪發生。眾多國內外研究專家，如江南社會學院馬濤博士、同濟大學副教授單勇，均認為通過對犯罪大數據的收集分析，能實現更加精準的犯罪防控，并且實現更加形象的未來犯罪概率呈現，使得人們能夠繪制可視化的概率地圖。在科技飛速發展的時代，將科技帶來的變化應用到犯罪預測領域，通過數據地圖與算法分析相結合，實現與時俱進、科技為民，使公共安全提升一個等級，使人民日常學習工作生活更加安定，是建立一個現代化法制國家的責任與必由之路[4]。

2.3基于人工智能技術的犯罪預測的原理

犯罪發生的地點并不是隨機分布的，而是集中于某些小范圍的“熱點地區”。這些地區大多具有貧困、經濟發展落后、教育水平落后、與別國接壤、管理思維腐化等特征。了解熱點地區以及這些地區可能發生哪些類型的犯罪行為，對地區的警力部署具有非常重要的參考價值。而犯罪數據地圖的繪制，要綜合考慮犯罪發生地點、犯罪程度劃分、案件之間的聯系、個人狀態的更新等諸多問題。通過對數據地圖的算法分析，對犯罪特征進行整合，從而實現機器預測未來犯罪行為可能發生的時間、地點以及參與人員。在地圖中加入人員狀態以及地區數據還有助于將犯罪的防治轉變為人民生活的精準改善。失業問題與犯罪率之間存在著一定的聯系，而根據數據回歸分析，失業率與犯罪率之間存在著顯著的正相關性。大量失業群體長期存在，勢必引起人民內心的不滿，造成社會的動蕩。如果重點關注這些失業人群，對他們實施精準幫扶，幫助他們實現再就業，從而降低或消除這部分人參與犯罪的可能性[5-6]。

至于分析算法的采用，可以采用Apriori數據挖掘算法。通過頻繁項集來挖掘關聯規則，其頻繁項集和關聯規則分別使用支持度和置信度作為量化條件，并通過候選集生成和情節的向下封閉檢驗檢測兩個階段來挖掘頻繁項集。還可通過改進，在數據量增加時，得到更小的數據集，以提高預測的準確性;尋求排除不應參與組合的項以及減輕IO負載，從而降低預測的成本。還可利用數據庫特征篩選、數據預處理，通過樸素貝葉斯的原理以及拉普拉斯平滑實現條件概率的預測。

預警機制的犯罪預測結果要根據犯罪的預測類型改變而改變。不同的犯罪類型對于數據變量的需求有不同的變化：對于經濟發展、社會風氣、人民生活、風俗習慣、人口密度、地區政策等變量應該有更大的權重，并實時更新分析數據庫，將各類相關信息流進行整合;找到對象服務器開放端口并尋找機會接入使服務器癱瘓是發起互聯網攻擊的重要手段之一，面對日益嚴峻的網絡安全威脅，基于深度學習以及強大數據分析能力的人工智能預警機制，例如人工智能反病毒軟件、智能防火墻，將更加特異化、專業化。

3? 基于人工智能技術的犯罪預測機制的思考

對于機器預測，人們最大的擔心就是其是否準確。如果一款決定人們未來的產品不能準確地提供服務，那么這勢必引起群眾的抵制與恐慌。人工智能預測犯罪，到底是在預測人們的未來，還是在替人們決定未來。一個人到底應不應該為自己尚未犯下的罪行承擔責任，如何保證如此重要的程序不被濫用。人工智能是否絕對公平，它們會不會有所“偏向”，而其引出的深度學習問題以及“數據正義”（“反數據歧視”和“數據透明”）也開始為人們所關注。根據美國新聞機構ProPublica在2016年5月的分析報道，COMPAS算法存在明顯的“偏見”，其預測的黑人被告再次犯罪的風險要遠遠高于白人，甚至高于后者的一倍，而該算法卻廣泛地應用于美國的犯罪預測和量刑審判中。這對于黑人大力維權、罷工示威的美國社會無異于雪上加霜。而當我們深入分析深度學習時，卻發現其與傳統機器學習不盡相同，深度學習試圖從根源特征學習并生成認知，而結果卻并不能被我們完全理解。智能預測的算法還有很多漏洞，算法與算法之間的協調、程序可能的未知接口、計算資源的泄露都有可能成為智能預測的致命缺陷。

面對尚不完全成熟的人工智能預測機制，在實踐應用中測試是優化算法、改進程序、積累經驗的最好方法，但當其涉及的領域包含重大領域，事關人民利益時，更加謹慎地結合傳統方式，在機制成熟之前更多地讓人的思考參與進來，才是更負責任的舉措。

至于法律層面，我國乃至世界在人工智能領域的法律法規尚處在相對空白的階段，對于人工智能的相關約束較少，對人工智能的法律責任認定十分模糊。法律的缺失也讓人工智能應用領域的發展速度大受影響。而近期的特斯拉事件、無人駕駛汽車辯論也表現了現階段法律處理人工智能事件的棘手。只有深入了解人工智能的運行，才能做出適合于人工智能的法律，法律已經漸漸的超出了為人服務的范疇，而要讓人工智能也能正常地為人類服務，必須要先將其納入法律的范疇。

人工智能犯罪預測機制并非人類第一次試圖通過統計學等自然科學方法來解決社會問題。現在數據科學、人工智能、深度學習與社會管理的結合越來越緊密，并向人們揭示了科學技術的發展推動著人類整體正向前進的思想。現今的人工智能，通過算法演算，將人類行為、社會環境等因素作為變量，預測人類未來可能發生的犯罪行為，從而進行防控。只有合理規范地收集并維護犯罪相關的數據資源，在日益健全的人工智能犯罪預測機制幫助下，加強對潛在犯罪人員的監控與援助，完善現代警力調度機制和指揮系統，才能更好地保障公共安全，更優地服務群眾，切實推動現代信息化偵查的發展。

參考文獻

[1]金鴻浩，周奕澄，游浩然.互聯網企業商業賄賂犯罪及其防控——以非國家工作人員受賄罪為例[J].犯罪研究，2021（4）：37-49.

[2]楊博涵.大數據背景下人工智能犯罪預警機制研究[J].河北公安警察職業學院學報，2020，20（3）：41-45.

[3]李唯秀.中國改革開放后犯罪趨勢及其影響因素研究[J].現代商貿工業，2020，41（9）：155-156.

[4]宋祥斌.基于大數據的個人極端暴力犯罪防控研究[J].無線互聯科技，2019，16（22）：155-157.

[5]姜雪. 城市建成環境對犯罪行為影響的空間分異研究[D].哈爾濱：哈爾濱工業大學，2018.

[6]陳曉玲.人口結構對犯罪率影響的經濟學分析[D].長沙：湖南大學，2017.