AI警察，你不來了解一下嗎？

最近幾個月，軍用 AI 和主動攻擊型武器的問題鬧得沸沸揚揚，不少 AI 研究者聯名反對這項技術的軍事化。

但使人無奈的是，AI 的不少特徵確實可以與極端複雜環境相結合，相似技術很難在民用市場找到落腳點，軍用 AI 也就瓜熟蒂落做爲了技術加持的方向。可是換個角度想一想，若是軍用 AI 容易引起廣泛恐慌，那麼切換到警用會不會好不少？

用 AI 來加持公共安全，提高警方的工做效率，彷佛是個不錯的主意？

固然，咱們距離影片《機器戰警》中描繪的世界還有很長的路要走。但在咱們平時不多關心的警用技術世界裏，AI 從未缺席，甚至不少技術很是前沿，有點科幻味道的技術已經投身到了實戰中。

就像衆多 AI 應用領域同樣，在 AI+ 公共安全的旅程上，爭議和焦慮感也是必不可少的話題。今天讓咱們來盤點一下警用 AI 的發展方向、層次和背後引發的爭論。

在不少警匪片中，咱們常常會分不清臥底和警察。說不定將來某一天，咱們也會分不清執法的是真人警察仍是 AI 警察。想一想也是蠻有意思的。

工利其器：從警具開始的 AI 進化

羅馬不是一天建成的，AI 警察也不可能立刻取代人類。在現實世界裏，AI 的首要任務是升級警察叔叔手裏的警具，讓他們不用那麼辛苦。

美國電影中，警察用發射帶電飛鏢的泰瑟槍制服嫌犯（有時候是主角）的畫面可謂深刻人心。而泰瑟槍的製造商 Axon 現在已經開始了全面的 AI 化轉型。好比他們就把 AI 技術用到了執法記錄儀中。

已經被美國多地警方裝配的 AI 執法記錄儀，能夠經過攝像頭背後的算法識別和分類功能，來對執法信息進行全自動編輯和存檔。這個功能原理等同於咱們手機中的圖片識別，但要創建在海量數據庫和針對警用信息的強化機器學習基礎上。有了這個能力，執法警員就沒必要再對拍攝的資料進行大量剪輯、歸檔，從而節省工做時間。

依靠警用設備起家的 Axon，現在已經將企業目標全面設定爲 AI。他們但願經過 AI 帶來的識別、判斷和主動分析能力，來取代警察全部的文書和資料編輯工做。

假如你以爲只是取代文書工做不太給力，那固然還有更強悍的。好比用 AI 來配合審訊。

日立和麻省理工合做推出過一個 AI 攝像頭解決方案，能夠精準識別出被拍攝人的心跳、脈搏等數據。這項技術的一個應用場景就是在審訊時，監控嫌疑人的生理情況和臉色變化等，並得出嫌疑人可能說謊或者精神高度緊張等結論。其實就至關因而一個 AI 測謊機。

這項技術的價值在於它並無收集太多嫌疑人資料，而是將一個審訊員察言觀色的能力集成到了 AI 上，爲審訊提供輔助。固然了，目前這類技術纔剛剛開始出現。

另外還有一個很大的市場——警車。就在不久以前，美國媒體披露福特申請了一項新的自動駕駛警車專利。根據相關信息，福特的新警車不只可以自動駕駛，還能夠經過車載攝像頭和傳感器發現街上其餘車輛的違規信息，同時它還能鏈接到公共攝像頭等設備，組成立體化的車輛自動執法體系。

根據專利信息，這種警車能夠在不用人類介入的狀況下本身開出罰單，甚至還能根據事態來主動追蹤甚至跟蹤嫌疑車輛。

你的違章罰單居然是一輛警車給開出來的，這聽起來夠神的吧？然而福特只是自動駕駛警車衆多玩家中的一個而已，隨着自動駕駛產業的發展中，警車市場恐怕也會成爲老牌車廠和新造車公司的必爭之地。

我是城市的眼睛和耳朵：攝像頭背後的超級 AI 警察

 

以上說的那些 AI，放在警匪片裏顯然都是配角。可是演主角的心是每一個人都有的，AI 大概也不例外。

若是 AI 可以爲咱們作一些人類警察作不到的事情，那麼它們固然也就順勢上位了。好比說，同時看完城市中無數個攝像頭的拍攝數據。在城市攝像頭網絡與公衆安全這幕大戲中，AI 已經準備做爲一名「超級警察」粉墨登場。

城市攝像頭背後的 AI，第一個任務固然是從人海中找出逃犯。記得當年抓週克華的時候，警方出動了大量警員日夜不停的看監控，假如 AI 可以快速完成這項工做，那固然是一大善舉。

以今天人臉識別技術的完成度來看，近距離認出逃犯並不難。難點是要在城市攝像頭拍攝到的人山人海中精準識別出某我的臉數據。好比歐洲一個叫作 Indect 的攝像頭+人臉定位項目，就號稱能在足球場定位觀衆席裏的嫌犯。用攝像頭+人臉識別抓捕逃犯的技術在中國也獲得了飛速發展，不少機器視覺公司提供相似的算法解決方案。

另外一個攝像頭背後的 AI 安全應用，是預判人流密集度，從而實時示警引導人羣疏散。咱們這樣的人口大國，在人羣密集時發生踩踏事故是嚴重的社會安全隱患。用 AI 識別人流擁擠程度是有效的解決方案。在今天中國不少一二線城市裏，城市攝像頭背後的 AI 預警裝置已經開始上崗工做。

與人流控制類似，車流控制也是城市安全 AI 的一個主攻方向。好比經過攝像頭判斷車禍發生從而第一時間報警，甚至經過車輛行駛軌跡異常來判斷酒駕和疲勞駕駛。這些都已經在部分中國城市中獲得了應用。

比較好玩的是，負責城市安全的警用 AI 不只能「看見」，還能「聽見」。

硅谷一個創業公司開發了名叫 ShotSpotter 的城市警用系統，它的能力是經過麥克風，藉助 AI 能力在複雜的城市聲音中識別出槍聲。一旦聽見槍響，系統就會自動向警方報警，並準肯定位槍擊事發地。

固然了，能看能聽以外，還能想就最好了。別急，這個 AI 也能作到。2016 年，富士通與日本電子通信大學公佈了一個合做項目，內容是經過城市攝像頭監控到犯罪事件以後，AI 系統自動規劃出警方案和警力調配計劃。其算法包括就近警力分配原則、預判嫌犯逃跑路線，還能設計出封閉道路和設置路障的方案。目前這個系統在人口密集、地形複雜的東京，已經能夠在五分鐘內給出一個警力調配方案。

躲在攝像頭背後的 AI 警察，已經開始在全世界上班，注視着城市的一舉一動。假如你以爲這仍是不夠厲害，那預測犯罪瞭解一下？

《少數派報告》看過沒？大預測術已經在路上

不知道今天提《少數派報告》是否是一件暴露年齡的事，但一說到 AI 預測犯罪，仍是會聯想起電影裏的「先知」。

提起預測犯罪，就不能不提到警用科技界赫赫有名的 PredPol 公司。雖然 IBM、摩托羅拉等企業都涉足預防犯罪系統這個市場，但 2012 年才創建的 PredPol 已經覆蓋了全美上百個地區的警局，在下降犯罪率上給出了很強勢的數據反饋。

PredPol 的業務提及來沒那麼神祕。它的基本邏輯是根據過往犯罪率曲線和不斷變化的犯罪事件時間、地點等數據，經過大數據分析算法，來得出哪一個街區犯罪事件高發、哪條街道搶劫事件較多、哪一個時間段城市比較危險這樣的結論。再經過這些結論，來指導警方調整巡邏路線和巡邏時間，把更多警力投入到犯罪率偏高的時間地點上去。

這好像聽起來也沒什麼，任何警員確定都知道重點巡邏這件事。但之前重點巡邏靠的是我的經驗，並且整個警隊難以統籌協調。PredPol 在 6 年間擴大了幾十倍的使用率，已經在某種程度上說明了這種「犯罪預測」是有效的。

相似方案已經開始從美國拓展到其餘國家。好比前幾天日本神奈川縣警方剛向財政部門申請研究經費，但願能爲 2020 年東京奧運會創建一個預測性治安體系。結合大數據體系和 AI 分析能力來設定更嚴密的安全保護機制。

若是以爲已經投入使用的系統不夠神，那咱們應該看看更前沿的研究。PredPol 最先並非一個警用科技創業項目，而是兩名科學家的研究成果。站在 PredPol 背後的其中一個男人，就是加州大學洛杉磯分校的傑夫·布蘭汀漢姆教授，他是今天「預測犯罪」領域的先驅和表明人物。

不久以前，傑夫·布蘭汀漢姆團隊在名爲 Partially Generative Neural Networks for Gang Crime Classification 的論文中提出了這樣一種設想：用深度學習網絡來識別幫派犯罪的特徵，從而將幫派分子從人羣中找出來。

事情到了這裏，大概有一點「科幻」的味道了。

在布蘭汀漢姆團隊的研究中，他們收集了洛杉磯警局 2014 年到 2016 年全部關於黑幫犯罪的數據，輸入到一個深度學習神經網絡中，由算法自動生成對於幫派犯罪的特徵理解和行爲框架。不少案件中缺失的證據環節也將有 AI 來主動補完。通過長時間的訓練，AI 開始掌握了一套對幫派犯罪和黑幫分子的獨特理解。回到現實中，當警方把新的嫌犯信息輸入進 AI 系統後，就能夠由 AI 來判斷該人是否是參加了幫派組織和幫派犯罪。

布蘭汀漢姆團隊提出的城市時空犯罪預測模型

研究人員表示，這項研究的將來目標是在缺乏不少數據的狀況下，依舊能判斷嫌疑人是否參加了幫派……能夠說是很是激進的技術了。

千萬不要覺得這項技術僅僅是科學家搞着玩的，人家但是明確拿到美國國防部的資助，目標是以時空博弈論和機器學習技術打擊極端主義。在幫派犯罪預測以後，布蘭汀漢姆團隊還將在具體犯罪種類預測和實時預測犯罪上展開進一步探索。

顯然，無論你願不肯意，AI 預測犯罪的「大預言術」已經向現實逼近。而一路伴隨他的，是關於隱私、歧視和不靠譜的爭議。

要安全仍是要隱私：警用 AI 的原罪博弈

去年，谷歌曾經發長文指出，中國某高校用人臉數據來預測罪犯的研究十分不靠譜。緣由是這項研究分析了犯罪分子數據庫，從而得出了「某種面部特徵的人更容易犯罪」，顯然是把兩種不相關的信息強行結合到了一塊兒。

這場相似於「相面」的 AI 鬧劇告訴咱們這樣一種可能：咱們太想知道將來，也過度願意作數據歸因。不少看似神奇的結果，可能都是在這兩種有問題的心理下被強行得出的。

好比就有批評者指責上文提到的 AI 幫派犯罪預測。因爲其數據來源徹底是洛杉磯警察局提供的案件信息和警察得出的結論。那麼 AI 想要判斷準確，就必須創建在洛杉磯警察局全部判斷都正確的基礎上，而對於幫派犯罪來講，這顯然不可能。

數據關係之間的牽強，讓不少預測類的警用 AI 從一開始就備受質疑。而其深度學習過程當中的黑箱性也是觀察家和民衆批評的焦點：研究者都不明白 AI 是怎麼預測犯罪的，竟然就敢說我有問題？

更無奈的是，技術問題還僅僅是警用 AI 科技面臨的第一重困境而已。向上一層則會撞上很是難辦的歧視問題和隱私問題，在道德困境面前，技術會更加一籌莫展。

好比說前面說過的 AI 預測重點巡邏地區。這件事在日本還沒開始，就已經有媒體擔心這頗有可能加大警方對某幾個具體區域的巡邏強度，從而讓這個區域的居民和店鋪產生不滿。

在美國，這種不滿早就體現出來了。2016 年美國公民自由聯盟曾經聯合十幾我的權組織發表聲明，認爲警方用 AI 做爲巡邏，甚至審訊和逮捕的工具並不恰當。其背後隱藏着警察系統對某些社區甚至某些族裔居民嚴重的偏見。

也有媒體比較陰謀論地認爲，加州不少城市的警方過分熱愛搞一下 AI 預測犯罪的技術，或許含有警方但願在缺乏或者沒有證據的狀況下實施執法。

而關於隱私的爭論就更嚴重了，城市攝像頭追逃按說已是比較「溫柔」的技術，但仍是有不少聲音批評這些可以高高在上認出街上每個人的技術，實際上是對居民隱私的侵犯。「不被認出來」也是隱私權力之一，更況且數據如何應用居民也沒法自主。

當警方手裏的識別工具愈來愈強力，犯罪分子的活動空間固然會愈來愈小，但普通居民感到的隱私壓抑感也會隨之上升。在 AI 識別能力爆炸式發展的今天，這可能會是一個沒法圓滿解釋的矛盾。

在的警用 AI 科技領域，強調公衆安全仍是強調居民隱私，優先考慮技術的妥善度仍是應用效率，處在一場無止境的博弈裏。

AI 歷來都是一把雙刃劍，這一點在安全領域尤爲明顯。