谢丫丫

人工智能和预测性警务的未来

0
阅读(168) 评论(0)

科幻小说中的概念是否开始在现实生活中实现?随着神经网络越来越多地用于捕获和处理数据,我们将研究未来用于警务和安全的AI系统的好处和危险。

斯坦福大学2016年的一份题为“2030年人工智能和生命”的报告将公共安全和安全视为未来几十年人工智能将变得更加普遍的领域之一。

当然,除了关于如何将认知计算技术用于安全目的的技术和分析问题之外,还有大量关于人工智能,机器学习和大数据分析在预防犯罪中使用的法律和道德问题。

对于Philip K. Dick短篇小说“ The Minority Report ”(或基于它的Tom Cruise 电影)的粉丝来说,预测性警务的概念可能已经很熟悉了。在故事中呈现的宇宙中,技术被用于(与心理学家一起,在你的心中)预测犯罪发生之前的预测,使执法部门能够阻止犯罪者。

技术已经被用于预测性警务,尽管不如汤姆克鲁斯的角色使用它。

 

当今世界的预测性警务

在由非营利性公共政策研究组织兰德编制的一份详尽报告中,确定了目前用于预测犯罪的四种方法:

  • 预测犯罪发生的地点和时间

  • 预测哪些人会犯罪

  • 预测一名潜在犯罪者的情况

  • 预测最有可能成为犯罪受害者的个人或人口统计数据

为了进行这些预测,收集和分析了大量信息,例如历史犯罪数据,911呼叫记录,经济数据和地理信息。然后分析所有这些数据并从中创建统计模型。

 

PredPol映射系统的一个例子。图片由PredPol提供。

 

重要的是要知道,与流行电影不同,预测性警务并不能在犯罪发生时提供100%的确定性; 它只提供犯罪可能性的统计数据。最终,它是执法部门使用的工具,他们必须选择哪种方式最有效地自行行事。

目前美国警察部门正在使用几种不同类型的软件。由LAPD和亚特兰大警察局使用的PredPol使用地点,时间和犯罪类型来创建热点地图,警察可以使用它来决定夜间巡逻路线。

另一个例子,  HunchLab,更侧重于社会和行为分析,以创建预测。它目前由纽约警察局,迈阿密警察局和费城警察局使用。

 

HunchLab界面的一个例子。图片由HunchLab提供

 

警察部门报告说,预测性警务技术有助于降低某些地区的犯罪率,使他们能够更有效地使用有限的资源。

 

预测性警务的风险太大

在预测性警务中使用技术的一个经常被吹捧的好处是它可以仅依靠统计建模来消除犯罪条件和地点的人类偏见。但是,只有在输入数据也没有偏差的情况下,才能实现这种无偏差。

此外,还有一些问题是,警察在被部署在被确定为有风险的地区时是否更有可能确定其他无辜的情况或个人是否为犯罪分子。警方也在使用这项技术做出决定,即使它是相对较新的,但却不知道这类决策的全部影响。

关于预测性警务技术如何合理化或永久性地分析潜在犯罪分子的问题也存在许多问题,因为警察在决定某个人群更有可能犯罪时可能会更加合理,因为他们的计算机模型是这样说的ICfans

关于最后一点,关于违反公民权利的预测性警务的关注是如此之大,以至于17个组织签署了一份联合声明 (PDF),声称这种技术“存在严重缺陷:它对有色人种社区有系统性偏见,并允许不合情理地滥用警察功率”。

 

许多公司齐聚一堂提出联合声明。图片由CivilRightsDocs.info提供  (PDF)

 

该声明指出,预测的方式没有足够的透明度,计算机预测也不能作为证据,允许警察停止和调查某人,以及其他事项。

互联网和社交媒体也为如何使用预测性警务打开了新的大门。虽然有少数特殊人士最终通过张贴他们的罪行在网上自我出游,但据报道,警方还利用社交媒体网络收集数据并观察社交关系,试图收集涉嫌犯罪分子的证据。从社交媒体源收集和分析大量数据也很容易,这是几年前不可能实现的。

2015年  数据与民权会议在一份名为社交媒体监督和执法的出版物中详细介绍了这一主题。当谈到社交媒体在执法中的使用方式以及数据收集和分析的方式时,仍然没有关于如何以负责任和道德的方式这样做的真正指导方针。

保护您的在线信息免受监控的唯一方法是尽可能在线提供不必要的信息,确保您了解在线发布的所有隐私设置,了解您的社交媒体中的人网络,谁将看到你分享的内容。您还应该了解有关社交媒体平台如何共享您的信息和数据的政策。

 

随着神经网络的普及(以及研究经费),这些问题和关注点将变得更加紧迫。这是科技行业面临困难问题的一个领域:我们如何权衡公民自由与公共安全?如何以合乎道德的方式使用数据收集?我们越来越多地看到神经网络和认知计算引发了这样的问题 - 这种趋势更有可能增长而不是减弱。