预测犯罪
文·图/李忠东
1.英国警方根据NDAS系统的指示巡逻
2.警员佩戴的摄像头能帮预测系统采集数据
大数据时代，得益于人工智能（AI）技术、数据挖掘分析技术以及数据存储技术的发展，英国、美国和日本的执法机构都在尝试预判人的犯罪企图，从而阻止罪案的发生。
我国研究热点因国家形势和政策的变化而切换。先是因技术引进的需要侧重科技翻译,后商务翻译、新闻翻译、旅游翻译、法律翻译踵而行之。又如公示语研究,随着新世纪初申奥并举办2008奥运会以及2010世博会的召开而兴起,成了一个时期的热门话题。ESP翻译研究途径的多样,选题的切换、领域的扩大在于回应现实的需要。研究的学科背景包括语言学、认知科学、文化学、哲学、逻辑学、心理学等等。
在争议中推进
英国警方正在开发并测试一种名为“国家数据分析解决方案”（NDAS）的系统，预测犯罪行为。一旦发现被计算机系统标注为有心理健康问题而可能实施暴力犯罪的高风险人群，NDAS就会提出为其提供咨询服务或医疗帮助的建议，以避免他们真的犯罪。与此同时，还会帮助受害者，保障其安全。
应用SPSS 22.0软件进行统计学处理，计数资料以例数(%)表示，比较采用χ2检验；计量资料用表示，比较采用t检验。以P<0.05为差异有统计学意义。
NDAS采取友善的干预方式，为当地治安和社会工作者提供支持。该系统的目的不是为了预防性地逮捕任何人，而是分析警方已经锁定的人员，并且优先分析那些最需要干预的人员，例如有心理疾病史的人暴力犯罪的可能性更大，可以让他们获得社会帮助。
巡警们每天上班都要列队点名，他们的电子设备会收到一份当日的“犯罪预测电子地图”，上面红色正方形所处的位置代表着犯罪活动极有可能出现的地区。巡警在“犯罪高发地区”会提高警惕，加强巡逻。他们能收到来自实时犯罪预警中心的警告信息，提醒帮派斗殴、盗窃或者抢劫即将发生，要求采取相应行动阻止这些人进行犯罪活动。
NDAS比其他国家用于测定犯罪临界值的软件高出一筹。软件通过数据库能找到约1400个可以帮助预测犯罪的指标。在这些统计数据的基础上，NDAS 的机器学习组件能够识别5万人，预测哪些个体存在出现暴力行为的可能性。为了指示未来出现攻击行为的可能性，系统会给这样的个体分配一个危险系数。
虽然PredPol在预测犯罪可能发生的时间和地点上拥有更多的准确性，但是无法告诉警察在到达预测地点后该怎么做，因为它并不能直接关联任何一个目标人物。“这款软件并不能取代警员，警员仍然是打击犯罪的主要力量。”圣克鲁斯市警察局分析师扎克·弗兰德表示。
日本日立公司推出名为“日立可视化犯罪预测分析”（PCA）的系统，它的数据来源比人们想象的范围更广，包括公共地图、天气预报、社交媒体、紧急电话及交通系统。其中，社交媒体的信息在预测犯罪中占据着举足轻重的地位，从社交网络收集数据，让该系统的预测成功率提升了15%。
PCA加入了机器学习技术，通过筛选从传感器和互联网等各种渠道获得的大量信息数据来自我学习。系统能在成千上万条可能与犯罪相关的数据中，发现容易被人类忽视的线索。
RAA+LDA+ALSA：在扫查过程中，经三血管序列切面可发现主动脉弓位于气管和食管右侧，动脉导管位于气管和食管左侧；经双侧锁骨下动脉切面可发现紧贴左无名静脉后上方仅见右锁骨下动脉，而左锁骨下动脉远离左无名静脉；经弓降部冠状切面右侧主动脉弓LCCA、RCCA及RSA，而LSA起自DAO。
蕹菜移栽后30 min和1 d、2 d、3 d、4 d、5 d、7 d、9 d、11 d、13 d、17 d、21 d、24 d、30 d、34 d、41 d、50 d、59 d、75 d、89 d、112 d和138 d取土壤表层溶液，测定溶液电导率及氧化还原电位。按文献[10]的方法测定秸秆腐解率、土壤有机碳、全氮、全磷、全钾速效磷、速效钾含量和土壤蔗糖酶、脲酶、酸性磷酸酶活性，以及蕹菜植株的全氮、全磷和全钾含量。
西米德兰兹郡警局对NDAS充满信心。虽然人们目前对该系统的可靠性存在质疑，但它未来在公共安全领域发挥作用是大势所趋。警局希望能使用 NDAS进行犯罪预测。为了确保该系统符合隐私规定，该警局将与英国数据监督部门信息专员办公室合作，邀请专家对 NDAS的效果进行评估。
英国卡迪夫大学犯罪与安全研究所所长马丁·英尼斯指出，虽然NDAS在预测比较危险的地区方面可能更有用，但难以合理地预测个人的犯罪行为。牛津互联网研究所的桑德拉·瓦赫特称，很难评估和衡量NDAS在没有警察或其他干预的情况下预测的结果是否准确。
准确率大大高于人工预测
在美国，洛杉矶警察局率先使用了PredPol犯罪预测系统。走进实时犯罪预警中心，只见在一堵巨大的屏幕墙上，洛杉矶地区的电子地图不停地闪烁着，每一次闪烁都预示着那个地区有可能发生一次犯罪活动。根据地图上的实时预警，指挥中心及时派遣警力，阻止犯罪。
西米德兰兹郡警方牵头研发的NDAS由AI软件和统计数据构成，参与者包括伦敦警察厅和大曼彻斯特警察局等8个警察部门，计划在2019年3月完成测试并投入应用，日后推广到英国所有的警局。
PredPol的原理是：人类的很多行为都可以用非常简单的数学模型来解释。参考与犯罪行为和犯罪模式有关的社会学信息，根据此前犯罪活动发生的时间、地点和犯罪类型，就可以进行预测。它能预测哪些地区即将发生犯罪案件，但不能预测谁会成为嫌犯。洛杉矶警察局官员肖恩表示，未来警察局发布犯罪预测或许能够像气象台发布天气预报一样简单。
为了验证微波调制激光测速实验系统的可靠性，需要将测速系统的测速结果与目标的真实运动速度做比较，然而在实际情况下，难以控制精确待测目标以一个较高的速度运动，且动态范围有限。为了更加准确的衡量接收机的性能，本文使用AD9915型号的DDS芯片搭建了一个高动态多普勒信号模拟器（下简称信号模拟器），用来精确生成频率为f0+fd的信号，其中f0为1.772 GHz的中心频率，fd为模拟的多普勒频率，DDS芯片以一个2.5 GHz的稳定信号作为基准频率，并根据3个可配置参数FTW，A，B，输出需要的频率[16]：
PredPol在城市电子地图上用红色正方形标记可能发生犯罪的区域，每个红色正方形覆盖150平方米。系统还会为用户呈现一张“热图”，显示出可能发生盗车案、入室行窃案和抢劫案等案件的位置。软件随时把大量的数据和信息筛选出来，在警察每次轮岗时根据实时数据的变化重新校准显示范围。
PredPol科技公司与加州洛杉矶和圣克鲁斯、田纳西州孟菲斯、南卡罗来纳州查尔斯顿以及纽约等地的警察部门合作，通过测试证明了软件预测的犯罪率比人工预测的更加精准。特别是在入室盗窃和车辆盗窃方面，软件预测的准确率比人工预测高两倍。
在圣克鲁斯市，PredPol软件起初被警方用于预测入室盗窃和交通工具盗窃案，后来扩大到预测打架斗殴等。在短短的一年时间里，全市的入室盗窃犯罪率下降了11%，抢劫犯罪率下降了27%。在洛杉矶，该软件使用半年后，与财产有关的犯罪率降低了12%。
随着PredPol的应用，警察的工作模式也发生了一定程度的变化。由于软件能确定什么地方是犯罪高发区，警察不用再花很多时间分析数据，他们待在警局的时间少了，到街上巡逻的次数多了，将主要精力用于抓捕嫌犯。
对于NDAS，有人针对其可能导致的道德问题提出批评。阿兰·图灵研究所的数据伦理团队对该系统表示严重关切，指出NDAS的初衷是好的，但由于无法完全识别重要的数据，势必会做出引发担忧的错误预测。而且在一个人没有实施犯罪的时候就预测其犯罪的概率，存在“严重的伦理问题”。
从警力调遣到机器学习
统计入组者的临床资料，均为宿迁市人民医院在2014年2月—2017年2月因打鼾行多导睡眠呼吸监测者，入组321例男性患者，年龄36～83岁，平均年龄为（61.2±10.5）岁。根据多导睡眠呼吸监测结果，所有患者被分为OSAHS组（208例）和对照组（非OSAHS）（113例）。OSAHS诊断参照2011年中华医学会制定的标准[3]。排除标准：已经确诊OSAHS并且长期使用正压通气治疗者、其它类型睡眠呼吸暂停低通气综合征患者（包括中枢性及混合性）、慢性阻塞性肺疾病、合并严重心脑肝肾疾病、口咽鼻部严重畸形、神经肌肉疾病影响呼吸肌的患者。本研究经医院伦理委员会批准，受试者均签署知情同意书。
“NDAS以过去的逮捕记录为基础进行预测，可能会有误差，加重警方的偏见。”哥伦比亚特区大学的安德鲁·弗格森教授警告说，“该系统在分析时侧重于人口密集、贫困和冲突频发的地区，导致过度关注有色人群和贫穷居民。”
从传统的警力调遣到运用机器学习技术，是巨大的转变。机器学习技术之所以能够实现，完全依靠大型低成本数据库和计算机处理能力的飞速发展。
警方传统的预测系统，一般根据办案的经验构建预测模型，里面综合一些变量，分别给予一定权重，比如某些特定场所，以及Twitter上发布的可疑信息等。PCA更胜一筹，摒弃了人类的一些偏见和主观想法，不需要人来衡量哪些因素重要以及有多重要。它用数据预测是否有罪案将发生、可能发生犯罪的地区和犯罪类型，而不是基于已知的影响犯罪行为的因素来判断。警察只需要提供数据，PCA便可以找出不同数据之间的关联。
特别值得一提的是，PCA拥有高质量的视觉交互界面，各种不同犯罪行为的指示图标在彩色地图上清晰可见，枪支、手机和监控摄像头等图标更加显眼。系统用从0到100%来表示某个地方即将发生罪案的危险指数。
微软开发专用模型
微软公司开发出一种新的计算机模型，它的算法可以对囚犯的历史记录和特殊数据进行分析，预测他们中哪些人将在获释后的6个月内再次被捕，其判断准确率高达91%。模型参考的数据包括罪犯有没有帮派关系、是否参加心理康复计划、在监狱中有多少违规行为和被关过多少小时禁闭等。
微软公司开发的这种计算机模型主要针对三类犯罪：入室盗窃、汽车盗窃和盗窃车内物品。它能通过分析历史犯罪记录、人口统计数据、气候、当地新闻和其他数据，利用过去的犯罪地点定位未来潜在的犯罪现场，以便更好地分配警力，调整巡逻时间，防止罪案发生。
1.3.3 护理满意度 采用李克特量表评价患者满意度，对“很满意”“满意”“一般”“不满意”“很不满意”依次赋予“5”“4”“3”“2”“1”的分值[13]。
微软公司已经和多座城市建立起相关的合作关系，包括在纽约市开发区域警务系统，实时收集并分析现有的公共安全数据，为当地警方提供较为全面的潜在犯罪活动和安全威胁信息；在洛杉矶，计算机模型根据该地区上一年度某一天的入室盗窃案件数据，预测本年度同一天可能发生的同类案件，结果使该市的犯罪率下降了23%。
编辑：姚志刚 winter-yao@163.com