大数据能帮助我们预测犯罪的爆发场所吗？
陈榕译
1.预测犯罪

2011年，洛杉矶和曼彻斯特的警方做出了前卫的尝试。他们利用一种计算机算法，试图在犯罪活动爆发前预测到相应的场所。
虽然这可能听起来宛如科技小说，但警方希望验证，通过分析大量的犯罪数据（即大数据），他们是否可以发现罪犯们的行为模式。然后，他们将在计算机预测的区域布置相关资源。
警方试图预防犯罪早已不是新鲜事了。在英国，这可以追溯到几百年前。不过，一旦大数据分析可行，这将意味着警方在执勤地点的选择上，不再依赖自身经验，而是遵从机器的指导。

2.计算机如何预测犯罪？

犯罪数据的模式，模拟了疾病和地震余震的传播方式。

以下的这则假设性案例分析，基于伦敦大学学院的研究者们在犯罪数据中发现的模式。首先，一例犯罪活动在一处爆发（例如，郊区的一处房屋被盗）。

更多起盗窃案发生的风险传播到邻近的区域。这种风险以原案发点为起点，向四周扩散；其中，200米内的案发概率最高。同时，原案发点同侧街道的案发概率也常常更高。

案发两周内，后续犯罪爆发的风险最大；且随着时间的推移，风险不断降低。警方可能会在事发区域内配置额外的资源，例如警告居民和增加巡逻。然而，在我们的案例中，另一起盗窃案又在附近发生了。

现在，盗窃风险从新旧两个案发点继续向外传播，并在两区域的交界处达到最大值。警方则应该在此交界处集中资源配置，甚至为了提高此处的保护力度，与其他紧急服务部门共享信息。

3.它可行吗？

2011年洛杉矶警方的尝试取得了成功——财产犯罪与盗窃案的数目明显减少。洛杉矶警署山麓分局，则继续使用了预测软件。

英国的试验

预测犯罪的试验遍布英国国内，横跨肯特至约克。结果表明，这种“预测性警戒”模型能在罪犯们展现惯常的行为模式时，辅助降低其所在地的犯罪率。例如，2011年特拉福德和曼彻斯特的警方发现盗窃案发生率降低了26.6%；相较之下，同时间段内整个曼彻斯特郡的盗窃率降低了9.8%。
然而，肯特警方的体验则稍显曲折。试验于2012年十二月开始后，前四个月的结果比较成功；而在2013年四月，当全郡内推广使用“预测性警戒”模型后，接下来一年的犯罪率反倒有所升高。犯罪率的攀升，主要归咎于无法高效地配置资源以及不准确的犯罪数据。
警察学院的研究负责人Rachel Tuffin说，“预测性警戒”的潜能令人十分感兴趣，但后续的试验必不可少。她解释道，“研究表明，预测分析能更精准的辨别热点区域；而其他的研究也显示，热点区域内针对性的警卫巡逻和相关问题的解决有助于抑制犯罪。英美的各方力量正在测试，预测与行动的结合在消除犯罪起因方面的效果。”
伦敦警方目前正承担着英国最大的试点工作——评价三类预测软件的效果，具体结果预计在2015下半年发表。

4.伦理学难题

“预测性警戒”预示着法律执行的新时代。但一些反对者担心，它将导致公民自由的丧失。

受害风险
反对者认为，这可能会增多警方在高犯罪率地区内毫无意义的停留与搜寻的机会。而支持者则争论道，这将帮助警方做出更公正的决断。

犯罪转移
一些反对者担心，这些方法仅仅将犯罪推向别处，但2011年伦敦大学学院的调查并未发现此种推测的证据。

侵犯隐私
公民自由的拥护者们争辩说，一旦“预测性警戒”开始实施，权威机构可能试图进一步收集各类敏感数据，最终导致对个人隐私的侵犯。

忽略犯罪起因
反对者们担心权威机构可能忽略引起犯罪的社会、经济和文化因素。而支持者们则认为，多种多样的解决方法是很有必要的。

更多内容请关注学霸联盟公众号：学霸联盟学术

学霸联盟（www.xue8union.com）
提供专业的学术英语翻译、润色服务
联系方式：3231684857（QQ）
客服热线:15261458225