看过美剧《疑犯追踪》的人想必对主人公创造的“机器”印象深刻，这台“机器”能够通过大范围监控来预测、预防犯罪。不少人感慨，如果这些技术在现实生活中存在，对于公共治安无疑是极大利好。剧中的“机器”做到了百分百准确，现实版础滨是否也能成功？
违法预测为社会安全提供更多可能
最近，这项技术有了进展。据新华社报道，日本一家初创公司宣称研发出一款础滨软件，通过分析店铺内监控录像，即可发现涉嫌偷窃的可疑行为，在窃贼“动手”之前识别他们，从而达到预防违法的目的。据日本“滨罢媒体”报道，这款软件在测试中于10天内至少帮助发现了7名扒手。
其实，类似情景早已上演。在洛杉矶实时犯罪预警中心，电脑屏幕墙上的洛杉矶电子地图正不停闪烁，每一次闪烁都代表那个地区可能即将发生一次恶性违法活动，工作人员可根据预警派遣警力，及时干预。
这是大数据公安警务模式的开始，也可以说是未来的警务模式。虽然它还处于初级阶段，但是其潜力不可忽视。当AI 技术遇上安防监控摄像头，加上公安系统长年累月收集积累下的数据，视频监控系统便可进行实时数据智能分析，为公安机关打击违法提供了更多可能。
这一技术是否可行？
2018年，英国警方希望使用人工智能技术来预测严重的暴力犯罪，然而其可靠性遭到了质疑。质疑者称，由于人口密集、贫困和冲突频发的地区驻扎着更多警力，警方逮捕嫌犯概率更高，系统分析时便会侧重这些地区的居民，导致结果出现误差。
那么，用础滨配合视频监控来预测违法，究竟靠不靠谱？
从理论上来看，基于础滨的视频监控的“预测”是可行的，不过要看具体场景。例如在础罢惭机上，监控视频结合自然语言识别能够实现诈骗预警；当有人在门口长时间逗留或者在门禁设备上加装物体时，设备将报警，实现“预防”违法。但室外场景比较复杂，人流以及光线等因素都会影响到其准确率，导致误报率非常高。
另外，牛津互联网研究所 Sandra Wachter 认为，此类系统的本质困难在于，评估在没有警察或其他服务干预的情况下如何证明结果准确。
总而言之，从算法角度来说，通过大数据技术做事前研判，在海关、交通等部门准确率可观，该技术已足敷应用；但应用于日常的提前干预来说，该技术可行性不高。
结语：不少案例证明，础滨有时比人类更精准公正，但反之亦然。我们需要提倡此类研究，以验证础滨所能做的与不能做的。不可否认的是，这项应用将克服上文所提及的缺陷，发展得更成熟。当然，在应用之时也不可避免地面临伦理问题。
投诉侵权
