花小/文

【资料图】

机器学习和人工智能领域的进步引起了各行各业的兴趣，每一个行业或者领域都希望能够将机器学习、人工智能和大数据应用其中。这当中就包括了社会治安领域，无论是普通民众，还是警务安全部门，都希望能够利用这些高科技工具开展预测性警务行动来遏制犯罪。

在美国CBS电视台制作的犯罪剧集系列《疑犯追凶》中，正是基于社会治安领域的这一需求，科学家哈洛·芬奇研发了一台可侦测恐怖袭击和一般人的暴力犯罪的大规模电脑监控系统，它通过观测已有的模式来识别有可能进行的违法现象，进而对社会进行大范围监控来实现预测、预防违法事件发生。系统的名称非常简单粗暴，“机器”（The Machine），确实符合芬奇的理工男人设。

“对于机器而言，我们只是一组数字，一段代码。”在剧集中，编剧不止一次借角色人物之口表达人类对于人工智能(AI)的忧虑。哈洛·芬奇在开发“机器”时，就发现了一个问题：人工智能没有道德的概念，为了达到目的它会不择手段。

即便芬奇通过筛选案件、拯救无辜者、调试算法等种种努力，勉强算是成功把“机器”驯化成为了一台向善的人工智能助手，但剧中另外一台机器“撒玛利亚人”（Samaritan）却不知善恶，甚至为了与“机器”争夺控制权，“撒玛利亚人”不惜控制选举、扰乱金融甚至杀人越货。

遗憾的是，这部美剧在第五季时便匆匆结尾，但剧集的高光时刻却始终令人难以忘怀。在剧集的终章中，“机器”赌上最后的备份，与“撒玛利亚人”决一死战，而在此前的亿万次模拟中，自己均以惨败告终，它明白自己的出生是为了预测人类与世界，而在预测之前，它需要观察，需要足够的信息。

2002年上映的科幻电影《少数派报告》则采用了一种更为玄学的方式来预测犯罪。在这部由菲利普·K·迪克同名短篇小说改编而来的电影中，以2054年的华盛顿特区和北弗吉尼亚州为背景，在那里，一个名为“预防犯罪中心”的警务安全部门，根据三名被称为“先知”，拥有“预测”能力的超能力通灵者提供的预知线索来逮捕罪犯。汤姆·克鲁斯饰演的约翰是部门中最优秀的一名警探。

他被三名先知中的女先知选中去调查一起多年前的溺亡案，调查进行中，他突然得知自己将在未来犯下谋杀罪。约翰一边逃亡一边试图阻止凶案发生，当他发现事有蹊跷之时却失手杀死了对方，于是他追查真相，最终使幕后真凶伏法。

故事标题中的“少数派报告”，指的是系统依赖三个“先知”一起判定某人是否有杀人企图。当出现分歧时，按照少数服从多数的原则定案，但最后若少数一方正确的话，则会秘密保存一份少数派报告。虽然这部电影的设定并不那么科学，但是它向人类指出了三个问题：

一、我们真得能够100%相信预测吗？或者是否应该相信人性？

二、即使一个系统有99%的正确率，我们是否可以接受1%的错误并继续使用这个系统？

三、如何限制和监督拥有权力的人？

基于当下的科技水平和社会伦理道德水平，我们还很难回答这些问题，还可以自我安慰，我们离人工智能成为人类“保姆”的时代还很遥远。但是未来已来，这一切也许并不遥远。

2022年7月5日，《自然·人类行为》杂志刊发了一篇名为《城市犯罪事件水平预测揭示了美国城市执法偏差的特征》（Event-level prediction of urban crime reveals a signature of enforcement bias in US cities）的论文。这篇论文为大数据算法在治安领域的应用，提供一个全新的思路，同时也引起了广泛的讨论。

文中提到，芝加哥大学助理教授伊沙鲁·查托帕德哈伊博士及其同事，利用芝加哥市暴力犯罪（杀人、袭击、爆炸等）和财产犯罪（入室盗窃、机动车盗窃等）的历史数据，开发出了一种新的算法，能够提前预测犯罪行为。

在以前的犯罪预测算法中，受限于数据来源和统计方式的局限，它们往往容易忽略城市复杂的社会环境，并且没有考虑犯罪与相关部门执法效果之间的关系。而新模型应用时下最新的“数字孪生”概念，通过对数据进行测试和验证，训练出的新模型通过观察离散事件的时间和空间坐标，在虚拟空间生成城市的数字孪生体，模拟观察孪生体的进展和演变，进而准确预测未来几周事件的模式，地理范围可以控制到两个街区左右。它将城市划分为每个大约三百米宽的片区，并预测这些区域内的犯罪，而不是依赖传统的邻里或行政边界，因为这些边界也会有偏差。该模型对其他七个城市（亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山）的历史数据进行分析，也得到了类似的结果，准确率高达90%。

查托帕德哈伊博士表示，该工具的准确性并不意味着它应该被用来指导执法政策——例如，治安部门不应该使用它主动聚集到某个社区来预防犯罪。在他看来，这个算法更应该作为一个模拟工具，添加到城市政策和治安战略的工具箱中，以解决潜在犯罪问题。为地方政府制定民生政策和治安策略提供辅助，而不是作为警方的行动指南。

之所以存在这样的担忧，是因为维持治安方面的种族偏见在美国根深蒂固。2016年，芝加哥警察局试验了一个模型来预测那些最有可能涉嫌枪击事件的人，这份神秘的名单最终显示，56%的居住在芝加哥的黑人男性出现在名单上，由此引发了民众对警察局种族主义的指控。也许数据是客观的，但是评判和应用数据的人始终无法保持真正的客观。

犯罪预测是一项需要极端慎重和客观的工作，大数据只能告知信息，不能解释信息。信息的正确使用和正确解释依然取决于人类自身，但是人类自身存在局限，难免会做出错误的判断。和历史中的冤假错案不同，人们对大数据的信任将会导致被误判的人面临更艰难地自证过程，甚至无法自证。

犯罪的预防如同在河流边垒筑堤坝，我们也许无法预测到百年一遇的洪流什么时候发生，但我们可以通过记录一次次洪峰出现的全部过程和每一个数据，来预判下一次洪峰的到来，提前增高堤坝，分流水道，把损失降到最低。我们有理由相信，随着数据的越来越丰富，案例模型越来越多样化，将来的某一天，人工智能真的能够为人类社会的和平与安宁贡献力量。

本文来自： 中国数字科技馆