AI預測犯罪 少數族裔不認同 民團：加劇歧視和偏差執法

早先有研發團隊開發了人工智能工具，可提前一周預測未來犯罪，準確度為90%。這對於遭受犯罪和治安問題困擾的華裔民眾來說，無疑是好消息。不過對於人工智能、犯罪預測和預測模式功能的執行偏差，華裔學者有不同看法。

芝加哥大學研發團隊早前在 「人類自然行為」刊期 (Natural Human Behavior)發表了一個人工智能犯罪預測系統。他們從公共電子數據庫裡收集芝加哥2014到2017年發生的暴力犯罪(凶殺、攻擊、毆打)，和財產犯罪(入室盜竊、砸車盗竊）數據進行模型訓練，一年的樣本數據用作驗證。據稱可預測罪案發生的地點，且準確率達到90%。研發團隊還使用同樣模型用於美國其他八個城市，得到同樣準確的結果。研究還發現，貧困社區的犯罪並不一定導致更多逮捕行為，這表明「執法存在偏見」。

對此，加州州立大學富樂頓分校電子計算機科學系教授陳君儀表示，人工智能輔助犯罪預測的最大優點就是數據來源的多元性，人工智能可以處理結構性(數據文字)及非结構性(圖片影象音頻影頻)的大量數據，加上多種先進的預測軟件工具可以提供使用，所以較易達成高準確度的預測標準。

然而，人工智能的預測精準度完全取決於機器學習的大量數據，甚至必須取得某種數據規律模式(pattern)以供機器學習，才能達到預測的功能。所以要訓練模型達到預測目標，必須具備三個條件：1. 須收集大量與犯罪有關的即時數據；2. 處理和保持高質量的樣本犯罪數據；3.須在數據中找到以供機器學習的犯罪數據規律模式。

陳君儀分析指出，由於必須要有犯罪規律和模式，才能供機器學習，因此對於單一突發或稀少出現的犯案，如無前科紀錄的犯罪、家暴、入室盜竊、隨機犯罪，甚至種族歧視犯罪，由於缺少犯罪規律數據所以無法預測。他認為，該行業目前最大挑戰的可能是，需要將AI對大量結構化或標準化數據的需求，與人權隱私權相協調。AI對大數據的「渴望」與當前的隱私立法和文化直接衝突。

加州州立大學沙加緬度分校，刑事司法學系教授黃世龍則表示，近年來犯罪預測偵測科技發展迅速，比如人臉識別、無人機、AI大數據犯罪預測。這些科技提高警務效率和破案率，讓警察執法如虎添翼。同時，民間公司研發的科技是根據較客觀的數據，可降低對警方執法偏差的擔憂，警方也很樂意使用這些新科技。

但民權團體和少數族裔並不埋單，對這些技術的使用深感疑慮。他們認為，這些科技和預測只會加劇對少數族裔社區的歧視和偏差執法，有害無益。以此次芝加哥團隊的AI為例，儘管其準確率高達90%，但研究指出白人高收入社區的逮捕率高於低收入社區，顯見有警察偏差的執法。

再以人臉辨識識別為例，前幾年被警局廣泛使用。但很快發現由於人面識別軟體常出現錯誤指認，少數族裔受害最深，而遭受質疑和抗議。最近的研究指出，三大臉面部識別軟體的錯誤率接近30%，少數群體的錯誤率最高。錯誤的主要原因是學習樣本主要來自白人，AI沒有學習足夠少數族裔的面部差異。

黃世龍表示，犯罪偵防及預測的科技發展，需與少數族裔的權益取得平衡才能廣泛使用。他建議應先建立審查機制，來評估新防治犯罪科技是否影響到某些族裔群體。

更多世界日報報導
曼哈頓華人餐廳戶外用餐區 光天化日男女「尋歡」
路透專欄作家：美中關係千瘡百孔 進入瓦解的最後階段
備戰衰退…超市引進平價商品 顧客改刷信用卡