您好，
访客
登录/注册
摘 要：在任何时代，犯罪行为都是阻止社会进步的主要障碍之一，该文基于人工智能、大数据分析和机器深度学习技术，对犯罪防控技术进行了研究，以实现对犯罪进行预警和防控的目标。该文首先对犯罪的成因进行了分析，然后阐述了人工智能技术应用在犯罪预测领域的优势和原理，结合了大数据挖掘、机器学习的人工智能犯罪预测机制的发展对犯罪的防控将做出巨大贡献，最后提出了笔者的一些思考。
关键词：人工智能 大数据 犯罪预测 犯罪防控
中图分类号：TP18 文献标识码：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
我國现代化进程不断推进，各领域发展取得了瞩目成绩。但是，犯罪率也在持续增长。改革开放以来，我国犯罪数量总体呈上升趋势。2019年，人民检察院批捕和决定逮捕犯罪嫌疑人高达1 088 490人，人民检察院批捕、决定逮捕犯罪嫌疑人案件数达750 262。2021年5月22日，大连刘某驾驶机动车冲撞行人，造成5死5伤。2021年5月25日，河南安阳吴某当街持棍行凶，造成14人受伤。种种恶劣的犯罪行为让人民的生活质量下降，社会的稳定受到严重威胁，严重破坏了国家安全以及国家形象。不论是什么时代，犯罪永远是阻碍社会、文明进步的最大障碍之一，在犯罪发生之前进行预测防控成为研究的重中之重。而结合了大数据挖掘、机器学习的人工智能犯罪预测机制正在向产品化的方向发展，对犯罪的防控将做出巨大贡献。
1 犯罪的成因
犯罪的成因是多元的，是社会不良因素的影响和犯罪者主观心理畸形发展相互作用的结果。其中周围环境因素（生活习惯、家庭状况、社交现状等）的影响在个体或群体的犯罪行为以及心理的形成中尤为重要。很多罪犯都是出于报复社会、悲观厌世等理由，或对生活失去了希望，或因其他因素影响心理走向扭曲。而犯罪的发生地点也集中高发于学校、商场、广场等人流集中、警力分配不足的地方。这也直接造成了犯罪行为的高伤亡人数。从简单的棍棒到刀枪再到现在威力惊人的自制炸弹、汽车炸弹，犯罪的实施工具越来越复杂、威力越来越巨大。而从犯罪嫌疑人的特征来看，也呈现从低学历到高学历的变化，高智商犯罪的案例越来越多[1]。
2 人工智能技术应用在犯罪预测领域的优势和原理
2.1传统犯罪预警机制的局限
传统犯罪预警机制中，受到人力的局限、思维限制以及效率的影响，导致传统犯罪预警机制的效率以及准确性低下。作为普通人，很难看到传统犯罪预警机制在社会生活中起到作用。而该预警机制的高成本、低收益，也直接为其未来发展蒙上了阴影。
回顾几十年来的警务调度机制，就会发现很多问题：（1）系统功能上不关联互助以及指挥与信息交换相互脱节导致指挥系统运作不畅。（2）调度系统不完善，各区域、各层级实现联合作战能力不足。（3）现场移动指挥与后方指挥中心的能力建设不均衡。（4）现场应急缺少可靠的通信网络和指挥调度平台。技术与调度系统相结合，提高信息的收集广度以及数据分析的精度，才能在新时代寻找有效的解决方法。
2.2基于人工智能技术的犯罪预警机制的优势
在机器深度学习和大数据挖掘的基础上，“人工智能犯罪预警机制”综合运用犯罪学、侦查学、统计学和计算机科学等研究方法，并在最近受到越来越广泛的关注，被越来越多的国家及地区在不同程度上应用。“人工智能犯罪预警机制”通过对海量多类型的犯罪数据的采集存取，结合犯罪行为的关键信息点，利用条件概率与计算机深度学习、大数据挖掘等技术手段，建立动态变化的概率数据模型，将传统的人力分析转变为机器分析动态数据，摆脱了碎片化数据对侦察预测工作的掣肘，增加了分析效率与准确性。伴随着数据基数的增加，人工智能犯罪预警机制在学习过往犯罪数据的同时，将对持续更新的数据库进行动态分析并不断提高预测的准确性与效率，针对管理者选择的不同犯罪预测类型，做出预测性决策判断，并根据紧急程度分级对管理者提出警示，甚至可以自主做出应对策略[2-3]。
在不断的自主学习、完善认知以及对持续更新的数据库进行动态分析基础上，最终做出预测性分析和自主布置防控措施的人工智能犯罪预测机制，克服了传统犯罪预警机制人才匮乏、被动低效、指挥调度不均衡的缺点，在预测犯罪热点、分析网络舆情、稳定社会治安等多方面将发挥巨大优势。国家也将人工智能技术建设发展提升到了国家发展战略布局的高度，未来也将在人工智能犯罪预测领域做出更多研究创新、更多产品应用。
人工智能犯罪预测机制，并未快速地与大众见面，更多地还在试验或者隐藏于大众生活之中，似乎其对人们的生活改变难以感知，部分民众也对人工智能犯罪预测机制的应用充满疑惑。然而英国的警察部门包括达拉姆、肯特和南威尔士已经在使用面部识别系统和行为软件来预防犯罪发生。众多国内外研究专家，如江南社会学院马涛博士、同济大学副教授单勇，均认为通过对犯罪大数据的收集分析，能实现更加精准的犯罪防控，并且实现更加形象的未来犯罪概率呈现，使得人们能够绘制可视化的概率地图。在科技飞速发展的时代，将科技带来的变化应用到犯罪预测领域，通过数据地图与算法分析相结合，实现与时俱进、科技为民，使公共安全提升一个等级，使人民日常学习工作生活更加安定，是建立一个现代化法制国家的责任与必由之路[4]。
2.3基于人工智能技术的犯罪预测的原理
犯罪发生的地点并不是随机分布的，而是集中于某些小范围的“热点地区”。这些地区大多具有贫困、经济发展落后、教育水平落后、与别国接壤、管理思维腐化等特征。了解热点地区以及这些地区可能发生哪些类型的犯罪行为，对地区的警力部署具有非常重要的参考价值。而犯罪数据地图的绘制，要综合考虑犯罪发生地点、犯罪程度划分、案件之间的联系、个人状态的更新等诸多问题。通过对数据地图的算法分析，对犯罪特征进行整合，从而实现机器预测未来犯罪行为可能发生的时间、地点以及参与人员。在地图中加入人员状态以及地区数据还有助于将犯罪的防治转变为人民生活的精准改善。失业问题与犯罪率之间存在着一定的联系，而根据数据回归分析，失业率与犯罪率之间存在着显著的正相关性。大量失业群体长期存在，势必引起人民内心的不满，造成社会的动荡。如果重点关注这些失业人群，对他们实施精准帮扶，帮助他们实现再就业，从而降低或消除这部分人参与犯罪的可能性[5-6]。
至于分析算法的采用，可以采用Apriori数据挖掘算法。通过频繁项集来挖掘关联规则，其频繁项集和关联规则分别使用支持度和置信度作为量化条件，并通过候选集生成和情节的向下封闭检验检测两个阶段来挖掘频繁项集。还可通过改进，在数据量增加时，得到更小的数据集，以提高预测的准确性;寻求排除不应参与组合的项以及减轻IO负载，从而降低预测的成本。还可利用数据库特征筛选、数据预处理，通过朴素贝叶斯的原理以及拉普拉斯平滑实现条件概率的预测。
预警机制的犯罪预测结果要根据犯罪的预测类型改变而改变。不同的犯罪类型对于数据变量的需求有不同的变化：对于经济发展、社会风气、人民生活、风俗习惯、人口密度、地区政策等变量应该有更大的权重，并实时更新分析数据库，将各类相关信息流进行整合;找到对象服务器开放端口并寻找机会接入使服务器瘫痪是发起互联网攻击的重要手段之一，面对日益严峻的网络安全威胁，基于深度学习以及强大数据分析能力的人工智能预警机制，例如人工智能反病毒软件、智能防火墙，将更加特异化、专业化。
3 基于人工智能技术的犯罪预测机制的思考
对于机器预测，人们最大的担心就是其是否准确。如果一款决定人们未来的产品不能准确地提供服务，那么这势必引起群众的抵制与恐慌。人工智能预测犯罪，到底是在预测人们的未来，还是在替人们决定未来。一个人到底应不应该为自己尚未犯下的罪行承担责任，如何保证如此重要的程序不被滥用。人工智能是否绝对公平，它们会不会有所“偏向”，而其引出的深度学习问题以及“数据正义”（“反数据歧视”和“数据透明”）也开始为人们所关注。根据美国新闻机构ProPublica在2016年5月的分析报道，COMPAS算法存在明显的“偏见”，其预测的黑人被告再次犯罪的风险要远远高于白人，甚至高于后者的一倍，而该算法却广泛地应用于美国的犯罪预测和量刑审判中。这对于黑人大力维权、罢工示威的美国社会无异于雪上加霜。而当我们深入分析深度学习时，却发现其与传统机器学习不尽相同，深度学习试图从根源特征学习并生成认知，而结果却并不能被我们完全理解。智能预测的算法还有很多漏洞，算法与算法之间的协调、程序可能的未知接口、计算资源的泄露都有可能成为智能预测的致命缺陷。
面对尚不完全成熟的人工智能预测机制，在实践应用中测试是优化算法、改进程序、积累经验的最好方法，但当其涉及的领域包含重大領域，事关人民利益时，更加谨慎地结合传统方式，在机制成熟之前更多地让人的思考参与进来，才是更负责任的举措。
至于法律层面，我国乃至世界在人工智能领域的法律法规尚处在相对空白的阶段，对于人工智能的相关约束较少，对人工智能的法律责任认定十分模糊。法律的缺失也让人工智能应用领域的发展速度大受影响。而近期的特斯拉事件、无人驾驶汽车辩论也表现了现阶段法律处理人工智能事件的棘手。只有深入了解人工智能的运行，才能做出适合于人工智能的法律，法律已经渐渐的超出了为人服务的范畴，而要让人工智能也能正常地为人类服务，必须要先将其纳入法律的范畴。
人工智能犯罪预测机制并非人类第一次试图通过统计学等自然科学方法来解决社会问题。现在数据科学、人工智能、深度学习与社会管理的结合越来越紧密，并向人们揭示了科学技术的发展推动着人类整体正向前进的思想。现今的人工智能，通过算法演算，将人类行为、社会环境等因素作为变量，预测人类未来可能发生的犯罪行为，从而进行防控。只有合理规范地收集并维护犯罪相关的数据资源，在日益健全的人工智能犯罪预测机制帮助下，加强对潜在犯罪人员的监控与援助，完善现代警力调度机制和指挥系统，才能更好地保障公共安全，更优地服务群众，切实推动现代信息化侦查的发展。
参考文献
[1]金鸿浩，周奕澄，游浩然.互联网企业商业贿赂犯罪及其防控——以非国家工作人员受贿罪为例[J].犯罪研究，2021（4）：37-49.
[2]杨博涵.大数据背景下人工智能犯罪预警机制研究[J].河北公安警察职业学院学报，2020，20（3）：41-45.
[3]李唯秀.中国改革开放后犯罪趋势及其影响因素研究[J].现代商贸工业，2020，41（9）：155-156.
[4]宋祥斌.基于大数据的个人极端暴力犯罪防控研究[J].无线互联科技，2019，16（22）：155-157.
[5]姜雪. 城市建成环境对犯罪行为影响的空间分异研究[D].哈尔滨：哈尔滨工业大学，2018.
[6]陈晓玲.人口结构对犯罪率影响的经济学分析[D].长沙：湖南大学，2017.
