AI可以預測誰將犯罪？

由教授弗雷澤·桑普森（Fraser Sampson），前英國生物識別和監視攝像機專員

AI是否可以告訴我們將來誰會犯罪？曾經是一個純粹的虛構問題，概率的警務現在正在引起事實關注。

我們的渴望知道未來的情況與我們的說法破裂一樣持久。來自NGG喀麥隆螃蟹運動到曼谷的在線財富出納員的讀者，占卜仍然是許多文化的持久特徵。這是一個公平的賭注，AI會餵養我們古老的食慾並增強我們的預言信心。

預測性AI不是千里眼；它獲取現有的可驗證信息，並從中進行推斷。機器學習從多個數據點計算概率，並且在有數百萬個因素需要處理的領域（例如天氣），它正在帶來令人興奮的進步。智能預測提供了巨大的潛在好處，例如能源等領域已經使用了預測性AI來結合歷史數據和模型複雜的模擬，以告知資源分配。

模擬單個犯罪的條件與計算暴風雨或能量中斷的可能性不同。犯罪通常是情境的，並且受到情感，心理和環境元素的影響（有點像運動 - 曾經想知道為什麼預測性AI尚未使莊家失業？）。社會學因素在康復中也起著重要作用，反過來會影響未來的犯罪。

預測分析依賴於過去的行為是未來行為的良好指標。這是一個公平的假設嗎？職業心理學家說，過去的行為是對未來表現的可靠預測指標，這就是為什麼他們圍繞它設計工作的原因。與預防過去獎勵未來回報的金融工具不同，人類行為確實具有多年生的質量。豹子和斑點想到了。但是，確定誰將犯下未來的犯罪意味著要確定他們將要犯下的犯罪 - 這也是不可預測的。目前合法的活動將來可能會被定為犯罪，而其他犯罪的活動不再是犯罪。性犯罪就是一個很好的例子。此外，似乎很明顯，有信念（盜竊，入室盜竊，欺騙等）的人可能會繼續不誠實。也許，但是在2017年，英國最高法院改變了不誠實的考驗。一項用於計算犯罪嫌疑人誠實的措施在一天之內就被顛覆了。我們對我們的潛在罪犯不僅會違反當今法律，而且還會違反明天的法律有多信心？

一些未來的犯罪將不得不等到創建了所需的技術為止。法治說我們也必須等待。而且我們的司法系統可以弄錯（通過2023年幾乎20％）。 AI會告訴我們將來誰會被錯誤定罪嗎？

犯罪有效性的一個標誌是缺席在任何以前的定罪中，我們需要其他一些數據點才能融入AI預測因子中。我們應該使用什麼？逮捕，無罪釋放，熟人？停下來搜索歷史？也許是家譜和外表？ 19世紀的科學家認為，他們可以根據面部特徵預測犯罪性，這一說法是有些人也對AI做了。那是聰明的預測嗎？感覺就像少數民族報告歷史上強調前者。

有時，這可能是機會問題。舉一個足球例子：一個少年在停在車上踢球時魯ck蹄子蹄子。根據英格蘭和威爾士的法律，如果球刮擦了一輛汽車，他們會造成刑事損害；如果錯過了，就不會犯罪。他們的行為無論哪種方式都是相同的。假設球確實撞到了汽車，導致了大量凹痕。第二天，汽車所有者（受害者）認可了這名少年（罪犯），並在適當的公民被捕中抓住他們。這名少年被起訴但無罪釋放，這意味著從一開始就沒有犯罪，使公民追溯非法逮捕，而汽車所有者（罪犯）對未成年人的毆打罪名負責（受害者）。誰看到那個來了？難怪保羅·加斯科尼（Paul Gascoigne）說他永遠不會做出預測。

警務的主要問題是其中有多少有用？

即使數據可以可靠地告訴我們將來將被起訴，被起訴並被定罪的是哪種特定罪行，警察現在該怎麼辦？植入生物識別芯片，並讓它們永久監視，以阻止他們做他們可能不知道會做的事情嗎？很好還是監禁他們？（多少，多長時間？）。人工智能將適用於其預測的哪種證明標準？毫無疑問？我們將如何衡量流程的準確性？做出了預測後，警察必須這樣做某物。如果沒有預防性干預，他們將處於需要未來犯罪以證明其算法的預測準確性的荒謬地位。如果個人沒有隨後在及時干預後得罪，該過程得到了證明。

這並不是說預測工具在警務中沒有地位。警務可以從現有數據中產生一些強大的預測應用程序。脆弱性是一個新興和資源密集的領域 - 先發製人，它帶來了可觀的好處。資源建模到保護我們的關鍵基礎設施是另一個引人注目的用例，以及交通管理和道路警務。內部示例可能包括解決官員和員工福利問題，改善輪班模式和部署。

公眾的信心更有可能來自利用技術來改善我們與罪犯打交道和現在的犯罪，而不是精算中的投機性。

馬爾科姆·格拉德威爾（Malcolm Gladwell）表示，在不可能的預測的領域中的一個預測只是偏見。即使是數學上的精度，我們是否還希望在刑事司法系統中更多地偏見？