近兩年，人工智能迅速躥紅成為人們茶余飯后談論的新焦點。隨著人工智能技術(shù)的快速發(fā)展，它正以前所未有的速度、廣度和深度融入經(jīng)濟社會的各個領域，弗吉尼亞大學的研究人員正利用人工智能預測某些類型的犯罪。
上個月發(fā)表在科學期刊《決策支持系統(tǒng)》(Decision Support Systems)上的一篇研究論文稱，對帶有地理標簽的推文進行分析，有助于預測19到25種類型的犯罪，尤其是跟蹤、盜竊和某些類型的襲擊等犯罪行為。
該大學預測技術(shù)實驗室的首席研究員馬修·格伯說，研究結(jié)果令人驚訝，尤其是考慮到人們很少在推特上直接談論犯罪。
格伯說，即使是那些與犯罪沒有直接聯(lián)系的推特，也可能包含與犯罪活動相關的信息。
“人們在twitter上談論的是他們的日常活動，”格伯告訴美國警察聯(lián)合會。“這些日?；顒訒⑺麄儙肟赡馨l(fā)生犯罪的環(huán)境。
“所以如果我在推特上說今晚喝醉了，很多人也都在談論喝醉了，那我們就知道有些犯罪與那些導致犯罪的東西有關，這是間接的。”
在這項研究中，格伯和他的同事分析了來自芝加哥的推特信息，這些推特被標記在特定的社區(qū)——以每平方公里為單位衡量——以及該市的犯罪數(shù)據(jù)庫中。
然后，他們查找歷史信息，就能夠?qū)赡馨l(fā)生某些犯罪的地區(qū)作出有用的預測——這可能有助于部署警察資源。
該研究稱:“這種方法使分析人員能夠快速地觀察和識別犯罪率歷史最高的地區(qū)。”
“未來的犯罪經(jīng)常發(fā)生在過去的犯罪附近，這使得熱點地圖成為一個很有價值的犯罪預測工具。”
近年來，“預測式警務”的理念得到了推動，警務部門開始依靠IBM等公司的“大數(shù)據(jù)”分析。
這項研究是繼其他研究之后的又一項研究，這些研究顯示如何分析推文來預測選舉、疾病爆發(fā)和其他重要事件。
我發(fā)送我們的算法
格伯說，Twitter的數(shù)據(jù)相對容易使用，因為推文是公開的，而且其中很多都帶有位置信息。
此外，研究人員自己也不需要進入高犯罪率地區(qū)去研究這些信息。
相反，“我將我們的算法發(fā)送到這些地點，看看人們在談論什么，”格伯說。
“計算機算法學習這些犯罪模式并做出預測。”
這項研究是由美國陸軍資助的，格伯說，美國陸軍使用類似的技術(shù)來確定伊拉克和阿富汗等地的威脅。
但格伯指出，這項技術(shù)也是有局限性的，它需要有足夠的歷史數(shù)據(jù)，一些犯罪，如綁架和縱火，可能不會具有相同的可預測性模式，原因研究人員也無法解釋。
不過，他說紐約警察局已經(jīng)與他取得了聯(lián)系，他已經(jīng)開始審查該市的數(shù)據(jù)，以確定芝加哥的成果是否可以在紐約市被復制。
他希望能夠從其他社交媒體上獲取信息，看看這些信息是否有助于改善預測。
最終，一個重要的目標是弄清楚這項技術(shù)是否可以以一種非常實用的方式投入使用。
他說:“我們沒有說明這項技術(shù)是否減少了犯罪，那是接下來的步驟之一。”
（原標題：大數(shù)據(jù)時代：人工智能開始使用推特幫助預測犯罪）
