【專欄】AI的預防犯罪和偵查

世界各地的公司和城市，都在試驗使用人工智慧，來減少和預防犯罪，並更快地應對正在進行的犯罪。許多此類專案背後的理念是，犯罪相對可預測。它只是需要能夠對大量資料進行排序，以找到對執法有用的模式。這種資料分析，在幾十年前的技術上，是不可能的，但希望機器學習的最新發展，能夠勝任這一任務。

公司和政府都有興趣，以這種方式使用 AI，這是有充分理由的。據估計，美國每年在執法方面的總支出超過1000億美元。在地方政府預算中，執法和監獄占很大比例。

但犯罪對政府直接支出中，對城市和個人經濟而言，影響微小。賓夕法尼亞大學一位教授，對目前有關犯罪對經濟影響的研究分析，認為犯罪的成本約占美國國內生產總值的2%。可是犯罪受害者可能面臨醫療費用，犯罪記錄會顯著降低個人的長期就業前景。而高犯罪率，會降低社區的財產價值，更會迫使公司增加在安全方面的支出。在此，本文將探討 AI 和機器學習在預防犯罪中的應用。分為兩大類：AI用於檢測犯罪的方式和使用 AI 防止未來犯罪的方法。

犯罪檢測

城市基礎設施正變得越來越智慧，連接更加緊密。這為城市提供了，即時資訊，從傳統的安全攝像鏡頭到智慧燈，它可以用來檢測犯罪發生當時情景。在AI的説明下，收集的資料，可以用來探測槍聲和查明槍聲來自何處。下面，將涵蓋一系列當前應用：

槍聲探測：找出射擊地點

射擊公司 ShotSpotter 使用智慧城市基礎設施，對槍聲的位置進行三角剖分。他們使用槍聲定位器（Gunfire locator）。它是使用聲學、光學或可能的其他類型的傳感器，以及這些傳感器的組合來探測和傳達槍砲或其他武器射擊位置的系統。執法部門，安全部門，軍隊和企業使用這些系統來確定來源，並在某些情況下確定槍擊方向和/或發射的武器類型；再用感應器和軟体（Sensors and Software），將聲學感應器放置在戰略性地覆蓋區域。當槍被發射時，感應器會探測到射擊。音訊三角測量可精確定位槍聲位置，機器學習演算法可分析聲音。可能槍聲會傳到事件審查中心；再經聲學評估（Acoustic Assessment），事件審查中心的聲學專家，在幾秒鐘內分析事件，並添加相關的戰術情報，如"多射手"和"自動武器"。這可能改變員警接近犯罪現場的方式。已確認的槍聲在幾秒鐘內就響起了；最後由發送警訊到相關機構（Alerts to Agencies），即發送通知到調度中心、巡邏車、多媒體（MDT）和警官智慧手機。從槍聲到警報的總時間不到 60 秒。警報可以與其他系統集成，並觸發其他系統，例如攝像機，以平移、傾斜和縮放槍聲事件的方向。

目前在紐約、芝加哥和聖地牙哥等90多個城市使用。ShotSpotter的大多數客戶都在美國，但南非開普敦列入了客戶名單。

AI 安全攝像機：海康威視（Hikvision，閉路電視影像監控公司）

當ShotSpotter偵聽犯罪時，許多其他公司都在使用攝像鏡頭來監視。一家主要安全相機生產商的中國公司海康威視宣佈，他們將使用來自英特爾公司專門為計算機視覺設計，低功耗處理器芯片（Movidius）的晶片來製造，能夠直接運行深度神經網路的攝像機。這種新型相機可以更好地掃描汽車上的車牌，進行面部識別，以搜索潛在的罪犯或失蹤者，並在擁擠的場地自動檢測出，無人看管的袋子等，可疑異常情況。海康威視聲稱，他們憑藉先進的視覺化分析應用程式，現在可以達到 99% 的準確率。

根據技術、媒體和電信行業研究、分析和戰略指導的世界領先的 IHS 公司資料，全球閉路電視（closed-circuit television，CCTV）和視頻監控設備的市場，海康威視是 2016 年視頻監控產品和解決方案出眾的供應商。

幾年來，海康威視的系統一直在使用 AI 執行面部識別、牌照讀取和無人值守的包裹檢測等任務，但傳統上，視頻處理是在集中式集線器或雲端中進行的。現通過在攝像機內部執行處理，它們使處理速度更快、更便宜。它還可以減少使用大量頻寬的需要。

預防犯罪

任何社會治安的目標，不應該只是抓住罪犯，而是首先防止犯罪發生，在下面的示例中，將探討如何通過人工智慧來實現這一點。

預測未來犯罪點：普雷德波爾（Predpol）

Predpo公司是一家使用大資料和機器學習，來預測犯罪發生的時間和地點。他們聲稱，通過現有資料，分析過去犯罪情形，他們可以預測何時、何地最有可能發生新的犯罪。目前，他們的系統正在幾個美國城市，包括洛杉磯盛行。

它的演算法，基於某些犯罪類型，往往在時間和空間上作聚集的觀察。通過使用歷史資料和觀察最近犯罪發生的地方，可以預測未來犯罪可能發生在哪裡。例如，一個地區發生一系列，入室盜竊事件，可能在不久的將來，導致周邊地區發生更多的入室盜竊案。這種技術為即時流行型犯罪預報。它的系統在地圖上，突顯可能發生的熱點，讓員警考慮更加嚴厲地巡邏。

預測誰將犯罪：雲從科技（Cloud Walk）

中國面部識別公司雲步科技，試圖預測一個人是否會在犯罪發生之前犯罪。他們公司計畫提供面部識別和步態分析技術，説明政府使用先進的 AI 來查找和跟蹤個人。

系統將檢測個人行為或異常運動，是否有任何可疑變化。例如，如果一個人似乎在某個區域來回走動，表明他們可能是扒手或為將來犯罪，以當地著手。它還將隨著時間的推移跟蹤個人。該公司也說「當然，如果有人買了一把菜刀，這是可以的，但如果這個人以後也買了一個麻袋和一把錘子，這個人就變得可疑了」。

審前釋放和假釋：哈特（HART，Highway Addressable Remote Transducer Protocol）和COMPAS（Correctional Offender Management Profiling for Alternative Sanctions）是規範懲教罪犯管理的工具，是由美國法院用於評估被告成為累犯的可能性的案件管理和決策支持工具。由Northpointe公司開發和擁有。

HART是一種雙向通訊（提供兩個同時通信通道，一個類比頻道，另一個數位通道）協定，可在智慧現場儀器和主機系統之間提供資料訪問。兩個通信通道共同提供設計簡單、使用簡單、成本低且極其可靠的完整現場通信解決方案。

在被指控犯罪後，又在被釋放前，罪犯要接受實際審判。過去，決定誰應獲得審前釋放，或個人應按何種保釋，現在主要由法官運用他們的最佳判斷。在短短幾分鐘內，法官們不得不試圖確定某人的逃亡風險，是對社會的嚴重危險，還是被釋放後可能傷害證人。這是一個不完善的系統，可以產生偏見。英國特勒姆市正在利用AI改進現行系統，決定釋放嫌疑人。該計畫，危害評估風險工具（哈特），被餵養了五年的犯罪資料。HART使用該資料來預測個人是低風險、中度風險還是高風險。自2013年以來，該市一直在測試該系統，並將其估計值與實際結果進行比較。該市聲稱，哈特關於個人風險較低的預測在98%的時間是準確的，而關於個人高風險的預測是準確的88%。

十多年來，美國各司法管轄區一直在使用更基本的風險評估演算法，來決定是否審前釋放，以及是否給予個人假釋。其中最流行的是以替代制裁（COMPAS），來作懲教罪犯管理分析，威斯康辛州和許多其他地點採用。紐約刑事司法服務司 2012 年的一項分析發現，COMPAS 的「累犯量表有效，並實現了令人滿意的預測準確性」。

總結性思考與未來展望

AI讓政府收集、跟蹤和分析資料，以進行警務的能力，確實引發了一些有關隱私的嚴重問題，以及機器學習可能形成回饋迴圈的威脅，從而強化機構偏見。

但使用 AI 和機器學習通過聲音或攝像機檢測犯罪，目前證明可以發揮作用，並有望繼續擴大。使用AI預測犯罪或個人犯罪的可能性是有希望的，但還有更多的未知數。最大的挑戰可能是向政治家們「證明」它行之有效。當一個系統被設計為阻止某事發生時，就很難證明是負面的。

通過使用 AI，可以識別潛在犯罪領域，只要管理得當，AI最終將對減少全球犯罪產生巨大的積極影響。 專欄屬作者個人意見，文責歸屬作者，本報提供意見交流平台，不代表本報立場。