基于人工智能技術(shù)的犯罪預(yù)測機制探索與研究

李柯

摘? 要：在任何時代，犯罪行為都是阻止社會進(jìn)步的主要障礙之一，該文基于人工智能、大數(shù)據(jù)分析和機器深度學(xué)習(xí)技術(shù)，對犯罪防控技術(shù)進(jìn)行了研究，以實現(xiàn)對犯罪進(jìn)行預(yù)警和防控的目標(biāo)。該文首先對犯罪的成因進(jìn)行了分析，然后闡述了人工智能技術(shù)應(yīng)用在犯罪預(yù)測領(lǐng)域的優(yōu)勢和原理，結(jié)合了大數(shù)據(jù)挖掘、機器學(xué)習(xí)的人工智能犯罪預(yù)測機制的發(fā)展對犯罪的防控將做出巨大貢獻(xiàn)，最后提出了筆者的一些思考。

關(guān)鍵詞：人工智能? 大數(shù)據(jù)? 犯罪預(yù)測? 犯罪防控

中圖分類號：TP18? ?文獻(xiàn)標(biāo)識碼：A

Abstract： In any era， criminal behavior is one of the main obstacles to social progress. Based on artificial intelligence， big data analysis and machine deep learning technology， this paper studies the crime prevention and control technology in order to achieve the goal of crime early warning and prevention and control.The article first analyzes the causes of crimes， and then explains the advantages and principles of artificial intelligence technology in the field of crime prediction. The development of artificial intelligence crime prediction mechanism combined with big data mining and machine learning will make a great contribution to crime prevention and control. Finally， the author puts forward some thoughts.

Key Words： Artificial intelligence; Big data; Crime prediction; Crime prevention and control

我國現(xiàn)代化進(jìn)程不斷推進(jìn)，各領(lǐng)域發(fā)展取得了矚目成績。但是，犯罪率也在持續(xù)增長。改革開放以來，我國犯罪數(shù)量總體呈上升趨勢。2019年，人民檢察院批捕和決定逮捕犯罪嫌疑人高達(dá)1 088 490人，人民檢察院批捕、決定逮捕犯罪嫌疑人案件數(shù)達(dá)750 262。2021年5月22日，大連劉某駕駛機動車沖撞行人，造成5死5傷。2021年5月25日，河南安陽吳某當(dāng)街持棍行兇，造成14人受傷。種種惡劣的犯罪行為讓人民的生活質(zhì)量下降，社會的穩(wěn)定受到嚴(yán)重威脅，嚴(yán)重破壞了國家安全以及國家形象。不論是什么時代，犯罪永遠(yuǎn)是阻礙社會、文明進(jìn)步的最大障礙之一，在犯罪發(fā)生之前進(jìn)行預(yù)測防控成為研究的重中之重。而結(jié)合了大數(shù)據(jù)挖掘、機器學(xué)習(xí)的人工智能犯罪預(yù)測機制正在向產(chǎn)品化的方向發(fā)展，對犯罪的防控將做出巨大貢獻(xiàn)。

1? 犯罪的成因

犯罪的成因是多元的，是社會不良因素的影響和犯罪者主觀心理畸形發(fā)展相互作用的結(jié)果。其中周圍環(huán)境因素（生活習(xí)慣、家庭狀況、社交現(xiàn)狀等）的影響在個體或群體的犯罪行為以及心理的形成中尤為重要。很多罪犯都是出于報復(fù)社會、悲觀厭世等理由，或?qū)ι钍チ讼Ｍ?，或因其他因素影響心理走向扭曲。而犯罪的發(fā)生地點也集中高發(fā)于學(xué)校、商場、廣場等人流集中、警力分配不足的地方。這也直接造成了犯罪行為的高傷亡人數(shù)。從簡單的棍棒到刀槍再到現(xiàn)在威力驚人的自制炸彈、汽車炸彈，犯罪的實施工具越來越復(fù)雜、威力越來越巨大。而從犯罪嫌疑人的特征來看，也呈現(xiàn)從低學(xué)歷到高學(xué)歷的變化，高智商犯罪的案例越來越多[1]。

2? 人工智能技術(shù)應(yīng)用在犯罪預(yù)測領(lǐng)域的優(yōu)勢和原理

2.1傳統(tǒng)犯罪預(yù)警機制的局限

傳統(tǒng)犯罪預(yù)警機制中，受到人力的局限、思維限制以及效率的影響，導(dǎo)致傳統(tǒng)犯罪預(yù)警機制的效率以及準(zhǔn)確性低下。作為普通人，很難看到傳統(tǒng)犯罪預(yù)警機制在社會生活中起到作用。而該預(yù)警機制的高成本、低收益，也直接為其未來發(fā)展蒙上了陰影。

回顧幾十年來的警務(wù)調(diào)度機制，就會發(fā)現(xiàn)很多問題：（1）系統(tǒng)功能上不關(guān)聯(lián)互助以及指揮與信息交換相互脫節(jié)導(dǎo)致指揮系統(tǒng)運作不暢。（2）調(diào)度系統(tǒng)不完善，各區(qū)域、各層級實現(xiàn)聯(lián)合作戰(zhàn)能力不足。（3）現(xiàn)場移動指揮與后方指揮中心的能力建設(shè)不均衡。（4）現(xiàn)場應(yīng)急缺少可靠的通信網(wǎng)絡(luò)和指揮調(diào)度平臺。技術(shù)與調(diào)度系統(tǒng)相結(jié)合，提高信息的收集廣度以及數(shù)據(jù)分析的精度，才能在新時代尋找有效的解決方法。

2.2基于人工智能技術(shù)的犯罪預(yù)警機制的優(yōu)勢

在機器深度學(xué)習(xí)和大數(shù)據(jù)挖掘的基礎(chǔ)上，“人工智能犯罪預(yù)警機制”綜合運用犯罪學(xué)、偵查學(xué)、統(tǒng)計學(xué)和計算機科學(xué)等研究方法，并在最近受到越來越廣泛的關(guān)注，被越來越多的國家及地區(qū)在不同程度上應(yīng)用。“人工智能犯罪預(yù)警機制”通過對海量多類型的犯罪數(shù)據(jù)的采集存取，結(jié)合犯罪行為的關(guān)鍵信息點，利用條件概率與計算機深度學(xué)習(xí)、大數(shù)據(jù)挖掘等技術(shù)手段，建立動態(tài)變化的概率數(shù)據(jù)模型，將傳統(tǒng)的人力分析轉(zhuǎn)變?yōu)闄C器分析動態(tài)數(shù)據(jù)，擺脫了碎片化數(shù)據(jù)對偵察預(yù)測工作的掣肘，增加了分析效率與準(zhǔn)確性。伴隨著數(shù)據(jù)基數(shù)的增加，人工智能犯罪預(yù)警機制在學(xué)習(xí)過往犯罪數(shù)據(jù)的同時，將對持續(xù)更新的數(shù)據(jù)庫進(jìn)行動態(tài)分析并不斷提高預(yù)測的準(zhǔn)確性與效率，針對管理者選擇的不同犯罪預(yù)測類型，做出預(yù)測性決策判斷，并根據(jù)緊急程度分級對管理者提出警示，甚至可以自主做出應(yīng)對策略[2-3]。

在不斷的自主學(xué)習(xí)、完善認(rèn)知以及對持續(xù)更新的數(shù)據(jù)庫進(jìn)行動態(tài)分析基礎(chǔ)上，最終做出預(yù)測性分析和自主布置防控措施的人工智能犯罪預(yù)測機制，克服了傳統(tǒng)犯罪預(yù)警機制人才匱乏、被動低效、指揮調(diào)度不均衡的缺點，在預(yù)測犯罪熱點、分析網(wǎng)絡(luò)輿情、穩(wěn)定社會治安等多方面將發(fā)揮巨大優(yōu)勢。國家也將人工智能技術(shù)建設(shè)發(fā)展提升到了國家發(fā)展戰(zhàn)略布局的高度，未來也將在人工智能犯罪預(yù)測領(lǐng)域做出更多研究創(chuàng)新、更多產(chǎn)品應(yīng)用。

人工智能犯罪預(yù)測機制，并未快速地與大眾見面，更多地還在試驗或者隱藏于大眾生活之中，似乎其對人們的生活改變難以感知，部分民眾也對人工智能犯罪預(yù)測機制的應(yīng)用充滿疑惑。然而英國的警察部門包括達(dá)拉姆、肯特和南威爾士已經(jīng)在使用面部識別系統(tǒng)和行為軟件來預(yù)防犯罪發(fā)生。眾多國內(nèi)外研究專家，如江南社會學(xué)院馬濤博士、同濟(jì)大學(xué)副教授單勇，均認(rèn)為通過對犯罪大數(shù)據(jù)的收集分析，能實現(xiàn)更加精準(zhǔn)的犯罪防控，并且實現(xiàn)更加形象的未來犯罪概率呈現(xiàn)，使得人們能夠繪制可視化的概率地圖。在科技飛速發(fā)展的時代，將科技帶來的變化應(yīng)用到犯罪預(yù)測領(lǐng)域，通過數(shù)據(jù)地圖與算法分析相結(jié)合，實現(xiàn)與時俱進(jìn)、科技為民，使公共安全提升一個等級，使人民日常學(xué)習(xí)工作生活更加安定，是建立一個現(xiàn)代化法制國家的責(zé)任與必由之路[4]。

2.3基于人工智能技術(shù)的犯罪預(yù)測的原理

犯罪發(fā)生的地點并不是隨機分布的，而是集中于某些小范圍的“熱點地區(qū)”。這些地區(qū)大多具有貧困、經(jīng)濟(jì)發(fā)展落后、教育水平落后、與別國接壤、管理思維腐化等特征。了解熱點地區(qū)以及這些地區(qū)可能發(fā)生哪些類型的犯罪行為，對地區(qū)的警力部署具有非常重要的參考價值。而犯罪數(shù)據(jù)地圖的繪制，要綜合考慮犯罪發(fā)生地點、犯罪程度劃分、案件之間的聯(lián)系、個人狀態(tài)的更新等諸多問題。通過對數(shù)據(jù)地圖的算法分析，對犯罪特征進(jìn)行整合，從而實現(xiàn)機器預(yù)測未來犯罪行為可能發(fā)生的時間、地點以及參與人員。在地圖中加入人員狀態(tài)以及地區(qū)數(shù)據(jù)還有助于將犯罪的防治轉(zhuǎn)變?yōu)槿嗣裆畹木珳?zhǔn)改善。失業(yè)問題與犯罪率之間存在著一定的聯(lián)系，而根據(jù)數(shù)據(jù)回歸分析，失業(yè)率與犯罪率之間存在著顯著的正相關(guān)性。大量失業(yè)群體長期存在，勢必引起人民內(nèi)心的不滿，造成社會的動蕩。如果重點關(guān)注這些失業(yè)人群，對他們實施精準(zhǔn)幫扶，幫助他們實現(xiàn)再就業(yè)，從而降低或消除這部分人參與犯罪的可能性[5-6]。

至于分析算法的采用，可以采用Apriori數(shù)據(jù)挖掘算法。通過頻繁項集來挖掘關(guān)聯(lián)規(guī)則，其頻繁項集和關(guān)聯(lián)規(guī)則分別使用支持度和置信度作為量化條件，并通過候選集生成和情節(jié)的向下封閉檢驗檢測兩個階段來挖掘頻繁項集。還可通過改進(jìn)，在數(shù)據(jù)量增加時，得到更小的數(shù)據(jù)集，以提高預(yù)測的準(zhǔn)確性;尋求排除不應(yīng)參與組合的項以及減輕IO負(fù)載，從而降低預(yù)測的成本。還可利用數(shù)據(jù)庫特征篩選、數(shù)據(jù)預(yù)處理，通過樸素貝葉斯的原理以及拉普拉斯平滑實現(xiàn)條件概率的預(yù)測。

預(yù)警機制的犯罪預(yù)測結(jié)果要根據(jù)犯罪的預(yù)測類型改變而改變。不同的犯罪類型對于數(shù)據(jù)變量的需求有不同的變化：對于經(jīng)濟(jì)發(fā)展、社會風(fēng)氣、人民生活、風(fēng)俗習(xí)慣、人口密度、地區(qū)政策等變量應(yīng)該有更大的權(quán)重，并實時更新分析數(shù)據(jù)庫，將各類相關(guān)信息流進(jìn)行整合;找到對象服務(wù)器開放端口并尋找機會接入使服務(wù)器癱瘓是發(fā)起互聯(lián)網(wǎng)攻擊的重要手段之一，面對日益嚴(yán)峻的網(wǎng)絡(luò)安全威脅，基于深度學(xué)習(xí)以及強大數(shù)據(jù)分析能力的人工智能預(yù)警機制，例如人工智能反病毒軟件、智能防火墻，將更加特異化、專業(yè)化。

3? 基于人工智能技術(shù)的犯罪預(yù)測機制的思考

對于機器預(yù)測，人們最大的擔(dān)心就是其是否準(zhǔn)確。如果一款決定人們未來的產(chǎn)品不能準(zhǔn)確地提供服務(wù)，那么這勢必引起群眾的抵制與恐慌。人工智能預(yù)測犯罪，到底是在預(yù)測人們的未來，還是在替人們決定未來。一個人到底應(yīng)不應(yīng)該為自己尚未犯下的罪行承擔(dān)責(zé)任，如何保證如此重要的程序不被濫用。人工智能是否絕對公平，它們會不會有所“偏向”，而其引出的深度學(xué)習(xí)問題以及“數(shù)據(jù)正義”（“反數(shù)據(jù)歧視”和“數(shù)據(jù)透明”）也開始為人們所關(guān)注。根據(jù)美國新聞機構(gòu)ProPublica在2016年5月的分析報道，COMPAS算法存在明顯的“偏見”，其預(yù)測的黑人被告再次犯罪的風(fēng)險要遠(yuǎn)遠(yuǎn)高于白人，甚至高于后者的一倍，而該算法卻廣泛地應(yīng)用于美國的犯罪預(yù)測和量刑審判中。這對于黑人大力維權(quán)、罷工示威的美國社會無異于雪上加霜。而當(dāng)我們深入分析深度學(xué)習(xí)時，卻發(fā)現(xiàn)其與傳統(tǒng)機器學(xué)習(xí)不盡相同，深度學(xué)習(xí)試圖從根源特征學(xué)習(xí)并生成認(rèn)知，而結(jié)果卻并不能被我們完全理解。智能預(yù)測的算法還有很多漏洞，算法與算法之間的協(xié)調(diào)、程序可能的未知接口、計算資源的泄露都有可能成為智能預(yù)測的致命缺陷。

面對尚不完全成熟的人工智能預(yù)測機制，在實踐應(yīng)用中測試是優(yōu)化算法、改進(jìn)程序、積累經(jīng)驗的最好方法，但當(dāng)其涉及的領(lǐng)域包含重大領(lǐng)域，事關(guān)人民利益時，更加謹(jǐn)慎地結(jié)合傳統(tǒng)方式，在機制成熟之前更多地讓人的思考參與進(jìn)來，才是更負(fù)責(zé)任的舉措。

至于法律層面，我國乃至世界在人工智能領(lǐng)域的法律法規(guī)尚處在相對空白的階段，對于人工智能的相關(guān)約束較少，對人工智能的法律責(zé)任認(rèn)定十分模糊。法律的缺失也讓人工智能應(yīng)用領(lǐng)域的發(fā)展速度大受影響。而近期的特斯拉事件、無人駕駛汽車辯論也表現(xiàn)了現(xiàn)階段法律處理人工智能事件的棘手。只有深入了解人工智能的運行，才能做出適合于人工智能的法律，法律已經(jīng)漸漸的超出了為人服務(wù)的范疇，而要讓人工智能也能正常地為人類服務(wù)，必須要先將其納入法律的范疇。

人工智能犯罪預(yù)測機制并非人類第一次試圖通過統(tǒng)計學(xué)等自然科學(xué)方法來解決社會問題?，F(xiàn)在數(shù)據(jù)科學(xué)、人工智能、深度學(xué)習(xí)與社會管理的結(jié)合越來越緊密，并向人們揭示了科學(xué)技術(shù)的發(fā)展推動著人類整體正向前進(jìn)的思想?，F(xiàn)今的人工智能，通過算法演算，將人類行為、社會環(huán)境等因素作為變量，預(yù)測人類未來可能發(fā)生的犯罪行為，從而進(jìn)行防控。只有合理規(guī)范地收集并維護(hù)犯罪相關(guān)的數(shù)據(jù)資源，在日益健全的人工智能犯罪預(yù)測機制幫助下，加強對潛在犯罪人員的監(jiān)控與援助，完善現(xiàn)代警力調(diào)度機制和指揮系統(tǒng)，才能更好地保障公共安全，更優(yōu)地服務(wù)群眾，切實推動現(xiàn)代信息化偵查的發(fā)展。

參考文獻(xiàn)

[1]金鴻浩，周奕澄，游浩然.互聯(lián)網(wǎng)企業(yè)商業(yè)賄賂犯罪及其防控——以非國家工作人員受賄罪為例[J].犯罪研究，2021（4）：37-49.

[2]楊博涵.大數(shù)據(jù)背景下人工智能犯罪預(yù)警機制研究[J].河北公安警察職業(yè)學(xué)院學(xué)報，2020，20（3）：41-45.

[3]李唯秀.中國改革開放后犯罪趨勢及其影響因素研究[J].現(xiàn)代商貿(mào)工業(yè)，2020，41（9）：155-156.

[4]宋祥斌.基于大數(shù)據(jù)的個人極端暴力犯罪防控研究[J].無線互聯(lián)科技，2019，16（22）：155-157.

[5]姜雪. 城市建成環(huán)境對犯罪行為影響的空間分異研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[6]陳曉玲.人口結(jié)構(gòu)對犯罪率影響的經(jīng)濟(jì)學(xué)分析[D].長沙：湖南大學(xué)，2017.