AI机器人代替人类做警察会是什么样的场景.docx

《AI机器人代替人类做警察会是什么样的场景.docx》由会员分享，可在线阅读，更多相关《AI机器人代替人类做警察会是什么样的场景.docx（13页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、AI机器人代替人类做警察会是什么样的场旦乐最近几个月，军用AI和主动攻击型武器的问题闹得沸沸扬扬，很多AI研究者联名反对这项技术的军事化。但令人无奈的是，AI的很多特征确实能够与极端情况和复杂环境 相结合，类似技术很难在民用市场找到落脚点，军用AI也就顺理成 章作为了技术加持的方向。但是换个角度想想，如果军用AI容易引 发普遍恐慌，那么切换到警用会不会好很多？用AI来加持公共安全，提升警方的工作效率，似乎是个不错的主 意？当然，我们距离经典的机器战警还有很长的路要走。但在我 们平时很少关心的警用技术世界里，AI从未缺席。甚至很多非常前 沿，有点科幻味道的技术已经投身到了实战中。线和巡逻时间，把

2、更多警力投入到犯罪率偏高的时间地点上去。这事好像听起来也没什么，任何警员肯定都知道重点巡逻这件事。 但以前重点巡逻靠的是个人经验，而且整个警队难以统筹协调。 PredPol在6年间扩大了几十倍的使用率，已经在某种程度上说明了 这种“犯罪预测”是有效的。类似方案已经开始从美国拓展到其他国家。比如前几天日本神奈 川县警方刚向财政部门申请研究经费，希望能为2020年东京奥运会 建立一个预测性治安体系。结合大数据体系和AI分析能力来设定更 严密的安全保护机制。如果觉得已经投入使用的系统不够神，那我们应该看看更前沿的 研究。PredPol最早并不是一个警用科技创业项目，而是两名科学家 的研究成果。其中一

3、个站在PredPol背后的男人，就是加州大学洛杉 矶分校的杰夫布兰汀汉姆教授，他是今天“预测犯罪”领域的先驱和代表人物。不久之前，杰夫布兰汀汉姆团队在名为Partially Generative Neural Networks for Gang CrimeClassification的论文中提出了这样一种设想：用深度学习网络来识 别帮派犯罪的特征，从而将帮派分子从人群中识别出来。事情到了这里，大概有一点“科幻”的味道出来了。在布兰汀汉姆团队的研究中，他们收集了洛杉矶警局2014年到 2016年所有关于黑帮犯罪的数据，输入到一个深度学习神经网络中, 由算法自动生成对于帮派犯罪的特征理解和行为框架

4、。很多案件中缺 失的证据环节也将有AI来主动补完。经过长时间的训练，AI开始掌 握了一套对帮派犯罪和黑帮分子的独特理解。回到现实中，当警方把 新的嫌犯信息输入进AI系统后，就可以由AI来判断该人是不是参加 了帮派组织和帮派犯罪。布兰汀汉姆团队提出的城市时空犯罪预测模型研究人员表示，这项研究的未来目标是在缺少很多数据的情况下, 依旧能判断嫌疑人是否参加了帮派可以说是非常激进的技术了。千万不要以为这项技术仅仅是科学家搞着玩的，人家可是明确拿 到美国国防部的资助，目标是以时空博弈论和机器学习技术打击极端 主义。在帮派犯罪预测之后，布兰汀汉姆团队还将在具体犯罪种类预 测和实时预测犯罪上展开进一步探索。

5、显然，不管你愿不愿意，AI预测犯罪的“大预言术”已经向现实逼近。而一路伴随他的，是关于隐私、歧视和不靠谱的争议。要安全还是要隐私：警用AI的原罪博弈去年，谷歌曾经发长文指出，中国某高校用人脸数据来预测罪犯 的研究十分不靠谱。原因是这项研究分析了犯罪分子数据库，从而得 出了 “某种面部特征的人更容易犯罪”，显然是把两种不相关的信息 强行结合到了一起。这场类似于“相面”的AI闹剧告诉我们这样一种可能：我们太想 知道未来，也过分愿意做数据归因。很多看似神奇的结果，可能都是 在这两种有问题的心理下被强行得出的。比如就有批评者指责上文提到的AI帮派犯罪预测。由于其数据来 源完全是洛杉矶警察局提供的案件信

6、息和警察得出的结论。那么AI 想要判断准确，就必须建立在洛杉矶警察局所有判断都正确的基础 上，而对于帮派犯罪来说，这显然不可能。数据关系之间的牵强，让很多预测类的警用AI从一开始就备受质 疑。而其深度学习过程中的黑箱性也是观察家和民众批评的焦点：研 究者都不明白AI是怎么预测犯罪的，居然就敢说我有问题？更无奈的是，技术问题还仅仅是警用AI科技面临的第一重困境而 已。向上一层则会撞上非常难办的歧视问题和隐私问题，在道德困境 面前，技术会更加束手无策。比如说前面说过的AI预测重点巡逻地区。这件事在日本还没开 始，就已经有媒体提出这很有可能加大警方对某几个具体区域的巡逻 强度，从而让这个区域的居民和

7、店铺产生不满。在美国这种不满早就洋溢出来了，2016年美国公民自由联盟曾经 联合十几个人权组织发表声明，认为警方用AI作为巡逻，甚至审讯 和逮捕的工具并不恰当。其背后隐藏着警察系统对某些社区甚至某些 族裔居民严重的偏见。也有媒体比较阴谋论地认为，加州很多城市的警方过度热爱搞一 下AI预测犯罪的技术，或许含有警方希望在缺少或者没有证据的情 况下实施执法的可能。而关于隐私的争论就更严重了，城市摄像头追逃按说已经是比较“温柔”的技术，但还是有很多声音批评这些能够高高在上认出街上 每一个人的技术，其实是对居民隐私的破坏。“不被认出来”也是隐 私权力之一，更何况数据如何应用居民也无法自主。当警方手里的识

8、别工具越来越强力，犯罪分子的活动空间当然会 越来越小，但普通居民感到的隐私压抑感也会随之上升。在AI识别 能力爆炸式发展的今天，这可能会是一个无法圆满解释的矛盾。在警用AI科技领域，强调公众安全还是强调居民隐私，优先考虑 技术的妥善度还是应用效率，处在一场无止境的博弈里。AI从来都是一把双刃剑，这点在安全领域给人的感受尤其明显。就像众多AI应用领域一样，在AI+公共安全的旅程上，争议和焦 虑感也是必不可少的话题。今天让我们来盘点一下警用AI的发展方 向、层次和背后引起的争论。在很多警匪片中，我们经常会分不清卧底和警察。说不定未来某 一天，我们会分不清执法的是真人警察还是AI警察。想想也是怪有

9、意思的。工利其器：从警具开始的AI进化罗马不是一天建成的，AI警察也不可能马上取代人类。在现实里，AI的首要任务是升级警察叔叔手里的警具，让他们不 用那么辛苦美国电影中，警察用发射带电飞镖的泰瑟枪制服嫌犯（有时候是主角）的画面可谓深入人心。而泰瑟枪的制造商Axon如今已经开始 了全面的AI化转型。比如他们就把AI技术用到了执法记录仪中。已经被美国多地警方装配的AI执法记录仪，可以通过摄像头背后 的算法识别和分类功能，来对执法信息进行全自动编辑和存档。这个 功能原理等同于我们手机中的图片识别，但要建立在海量数据库和针 对警用信息的强化机器学习基础上。有了这个能力，执法警员就不必 再对拍摄的资料进

10、行大量剪辑、归档，从而节省下工作时间。依靠警用设备起家的Axon,如今已经将企业目标全面设定为AI 化。他们希望通过AI带来的识别、判断和主动分析能力，来取代警 察所有的文书和资料编辑工作。假如你觉得只是取代文书工作不太给力，那当然还有更强悍的。比如用AI来配合审讯。日立和麻省理工合作推出过一个AI摄像头解决方案，可以精准识 别出被拍摄人的心跳、脉搏等数据。这项技术的一个应用场景就在在 审讯时监控嫌疑人的生理状况和面色变化等，并得出嫌疑人可能说谎 或者精神高度紧张等结论。这项技术的价值在于它并没有收集太多嫌疑人资料，而是将一个 审讯员察言观色的能力集成到了 AI上，为审讯提供辅助。当然了， 目

11、前这类技术才刚刚开始。还有一个很大的市场，叫做警车。就在不久之前，美国媒体披露福特申请了一项新的自动驾驶警车 专利。根据相关信息，福特的新警车不仅能够自动驾驶，还可以通过车 载摄像头和传感器去发现街上其他车辆的违规信息，同时它还能连接 到公共摄像头等设备，组成立体化的车辆自动执法体系。根据专利信息，这种自动警车可以在不用人类介入的情况下自己 开出罚单，甚至还能根据事态来主动追踪甚至跟踪嫌疑车辆。你的违章罚单竟然是一辆车给开出来的，这听起来够神的吧？然 而福特只是自动驾驶警车众多玩家中的一个而已，随着自动驾驶产业 的深入，更高应用度的警用车市场恐怕是兵家必争之地。我是城市的眼睛和耳朵：摄像头背后

12、的超级AI警察以上说的那些AL放在警匪片里显然都是配角。但是演主角的心 是每个人都有的，AI大概也不例外。如果AI能够为我们做一些人类警察做不到的事情，那么它们当然 也就顺势上位了。比如说，同时看完城市中无数个摄像头的拍摄数据。 在城市摄像头网络与公众安全这幕大戏中，AI已经准备作为一名“超 级警察”粉墨登场。城市摄像头背后的AL第一个任务当然是从人海中找出逃犯。记 得当年抓周克华的时候，警方出动了大量警员日夜不停的看监控，假 如AI能够快速完成这项工作，那当然一大善举。以今天人脸识别的完成度，近距离认出逃犯数据已经毫不困难。难点是要在城市摄像头拍摄到的人山人海中精准识别出某个人脸数 据。比如

13、欧洲一个叫做Indect的摄像头+人脸定位项目，就号称能在 足球场定位观众席里的嫌犯。用摄像头+人脸识别抓捕逃犯的技术在 中国也得到了飞速发展，很多机器视觉公司提供类似的算法解决方案。另一个摄像头背后的AI安全应用，是预判人流密集度，从而实时 示警引导人群疏散。我们这样的人口大国，在人群密集时发生踩踏事 故是重要的社会安全隐患。用AI识别人流拥挤程度是有效的解决方 案。在今天中国很多一二线城市里，城市摄像头背后的AI预警装置 已经开始上岗工作。与人流控制相似，车流控制也是城市安全AI的一个主攻方向。比 如通过摄像头判断车祸发生从而第一时间报警，甚至通过车辆行驶轨 迹异常来判断酒驾和疲劳驾驶。这

14、些都已经在今天部分中国城市中得 到了应用。比较好玩的是，负责城市安全的警用AI不仅能“看见”，还能“听 见”。硅谷一个创业公司开发了名叫ShotSpotter的城市警用系统，它的 能力是从通过城市里的麦克风，借助AI能力在复杂的城市声音中识 别出枪声。一旦听见枪响，系统就会自动向警方报警，并准确定位枪 击事发地。当然了，能看能听之外，还能想就最好了。别急，这个AI也能。 2016年，富士通与日本电子通讯大学公布了一个合作项目，内容是 通过城市摄像头监控到犯罪事件之后，AI系统自动规划出警方案和 警力调配计划。其算法包括就近警力分配原则、预判嫌犯逃跑路线， 还能设计出封闭道路和设置路障的方案。目

15、前这个系统在人口密集、 地形复杂的东京，已经可以五分钟内给出一个警力调配方案。躲在摄像头背后的AI警察，已经开始在全世界上班，注视着城市 的一举一动。假如你觉得这还是不够厉害，那预测犯罪了解一 下？少数派报告看过没？大预测术已经在路上不知道今天提少数派报告是不是一件暴露年龄的事但一说 到AI预测犯罪，还是会首先联想起电影里的“先知”系统。现实世界里的预测犯罪系统没那么神，但它的前沿研究已经在某种程度上开始向着玄学荡漾提起预测犯罪，就不能不提到警用科技界赫赫有名的PredPol公 司。虽然IBM、摩托罗拉等企业都涉足预防犯罪系统这个市场，但 2012年才建立的PredPol已经覆盖了全美上百个地区的警局，在降低 犯罪率上给出了很强势的数据反馈。PredPol的业务说起来没那么神秘。它的基本逻辑是根据过往犯罪 率曲线，和不断变化的犯罪事件时间、地点等数据，通过一个大数据 分析算法，来得出哪个街区犯罪事件高发、哪条街道抢劫事件较多、 哪个时间段城市比较危险这样的数据结论。从而指导警方调整巡逻路