AI新算法提前一周預測犯罪 揭示警察在執(zhí)法過程中的某些偏見

美國科學家開發(fā)出了一種人工智能(AI)新算法，通過從暴力和財產(chǎn)犯罪的公共數(shù)據(jù)中學習時間和地理位置的模式來預測犯罪。該模型可以提前一周預測未來的犯罪活動，準確率約為90%。該模型也揭示了警察在執(zhí)法過程中的某些偏見。相關(guān)研究發(fā)表于最近的《自然·人類行為》雜志。

機器學習和人工智能領(lǐng)域的進步引發(fā)了各國政府的興趣，他們希望利用這些工具開展預測性警務來遏制犯罪。鑒于此，芝加哥大學科學家開發(fā)出了一種新算法，以提前預測犯罪。

研究論文資深作者、芝加哥大學醫(yī)學助理教授伊沙魯·查托帕德哈伊博士及其同事，利用芝加哥市暴力犯罪(殺人、襲擊、爆炸等)和財產(chǎn)犯罪(入室盜竊、機動車盜竊等)的歷史數(shù)據(jù)，對該人工智能工具進行了測試和驗證。

研究人員指出，以前的犯罪預測工具忽略了城市復雜的社會環(huán)境，并且沒有考慮犯罪與警察執(zhí)法效果之間的關(guān)系。而新模型通過觀察離散事件的時間和空間坐標，發(fā)現(xiàn)能預測未來事件的模式，以此來確定犯罪，準確率達90%。新算法將城市劃分為大約1000英尺寬的空間塊，并預測這些區(qū)域內(nèi)的犯罪，而非依賴傳統(tǒng)的鄰里關(guān)系或政治邊界，因為這些也會讓人產(chǎn)生偏見。研究團隊用來自美國其他7個城市——亞特蘭大、奧斯汀、底特律、洛杉磯、費城、波特蘭和舊金山的數(shù)據(jù)測試了該算法，其表現(xiàn)同樣出色。

而且，研究團隊還通過分析犯罪事件發(fā)生后的逮捕人數(shù)并比較不同社會經(jīng)濟地位社區(qū)的逮捕率，來研究警察對犯罪的反應。他們發(fā)現(xiàn)，富裕地區(qū)的逮捕率比較高，弱勢社區(qū)的逮捕率相對較低。然而，在貧困社區(qū)犯罪并沒有導致更多人被捕，這表明警方在針對犯罪作出反應和執(zhí)法方面存在偏見。

查托帕德哈伊還強調(diào)，該工具準確率高，并不意味著它應該用于指導執(zhí)法，相反，它應該被添加到減少犯罪的城市政策和警務戰(zhàn)略工具箱中。(劉霞)