查找:                      转第 显示法宝之窗 隐藏相关资料 下载下载 收藏收藏 打印打印 转发转发 小字 小字 大字 大字
【期刊名称】 《犯罪研究》
大数据时代下犯罪预测的应用与限制研究
【作者】 张蓓蓓
【作者单位】 中南财经政法大学刑事司法学院{刑法学博士研究生}
【分类】 犯罪学【中文关键词】 大数据;预测警务;犯罪人预测
【期刊年份】 2020年【期号】 1
【页码】 16
【摘要】

大数据时代改变着人们的生产生活方式,潜移默化地影响着社会的方方面面。大数据的预测功能可以应用在犯罪预测领域。基于大数据分析的预测警务,可以更高效地配置警力资源,更好地预防和打击犯罪。犯罪人预测因其对个人隐私和自由的侵犯,对罪刑法定原则的背离和对社会公平正义的挑战,它的适用范围须严格限制。受数据完备性、俄狄浦斯效应、黑盒子理论等因素影响,我们对大数据时代下犯罪预测的应用要保持审慎态度。

【全文】法宝引证码CLI.A.1287229    
  

随着第五代移动通信技术(5G)、物联网络(IoT)、云计算(Cloud Computing)、人工智能(AI)的发展,人类步入了“大数据时代”。2015年8月31日,国务院发布的《促进大数据发展行动纲要》中对大数据进行如下界定,“大数据是以容量大、类型多、存取速度快、价值密度低为主要特征的数据集合,正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态”。

大数据改变着人们的工作、学习和社交方式,我们的生理数据、实时定位、交易记录等都可以被即时记录下来并进一步深入挖掘分析产生可利用的价值。基于大数据,电商平台可以根据以往的购物记录和浏览商品情况推送我们下一个可能会购买的商品;社交软件结合我们的学习经历、兴趣爱好、手机定位等为我们推荐可能会认识的朋友;当然,我们也可以运用某些软件预测在什么时候能买到价格低廉的机票。同时,大数据也为理解和解决人们所关心的问题提供了新的视角和可操作化工具并向传统的社会学、经济学、管理学、法学等理论体系发起冲击和挑战。

古典刑法理论认为,刑法虽然不是社会现代化的推动者,但是刑法需要通过调整自身的方式对现代化的挑战予以回应。学界关于大数据时代个人信息保护问题、数据的财产属性问题、人工智能犯罪主体适格问题、数据依赖与垄断问题等诸多方面的探讨都体现了这种关切。

传统犯罪治理的思维方式是逆向思维,强调演绎,即从犯罪现象倒溯犯罪原因,进而有针对性地采取治理措施。大数据思维是正向思维,强调归纳,其指导下的犯罪治理更多地是探寻相关性关系的数据决策方式。本文聚焦大数据时代下犯罪预测问题,主张大力推进基于大数据的预测警务活动,但对犯罪人预测功能的应用必须加以严格限制。

一、大数据时代下的预测警务

大数据的核心功能是预测,大数据技术的魅力就表现在它能够迅速收集、分析数量庞杂的相关数据并快速获取影响未来的信息能力。[1]2009年美国甲型H1N1流感爆发的前几周,Google公司的工程师们在《自然》杂志上发表了一篇论文,他们把本国网民检索最频繁的5000万条词组与2003到2008五年间美国疾控中心季节性流感传播时期的搜索数据开展比对,处理了4.5亿个不同的数学模型,试图找出某些特别的检索词组搜索频率与流感传播规律之间的相互关系。在得到特定的数学模型后,他们判断出流感的传播源头,成功预测了2009年冬季流感的传播,而这一预测比滞后的官方数据来得更加及时、有效。[2]在美国《时代》杂志评比出的2011年度50大最佳发明中,基于大数据的“出警预测”赫然在列。这款由数学家、人类学家、刑事学家协同研发的程序,能够预测美国加利福尼亚州圣克鲁兹的哪些地区最大概率发生犯罪活动以及发生时间。运用这个软件可以让警方提前做好准备,避免惨剧发生。[3]

情报主导警务是全球范围内第五次警务革命的主题。让数据发声,运用大数据开展情报分析进而合理调配警力资源的预测警务,是预防和打击违法犯罪、保障社会公共安全、解决当下警力资源不足的新思路。

(一)预防犯罪的需要

犯罪问题影响着国家经济增长、社会发展和国际声誉,一个地区犯罪率的高低亦是影响公众社会安全感的主要因素。无论是对个人还是社会,预防犯罪行为的发生要比处罚已经发生的犯罪行为更有价值,更为重要。[4]

联合国的一项调查数据表明,刑事系统的费用比例占到了犯罪所造成代价的40%—50%,而这个费用随着犯罪率的增加而增加。根据法计量经济学研究,针对已知风险因素采取的预防性行动花费比监禁的支出少1/2到1/7。从这个层面上来说,犯罪预防是效果明显、费用较低、“性价比”较高的犯罪治理措施。[5]

预测警务是指运用分析技术,特别是定量分析技术来提前确定警察需要介入和干预的目标,对公共安全加以更严密的保护。预测警务属于罪前阶段的预防,之所以取得良好效果就在于该模式基于数据分析的预测合理配置警力,达到犯罪情境预防的目的。例如根据数据分析的指引,在犯罪高发区域增派警察加强巡逻会使犯罪的风险显著提高,通过增加犯罪成本的手段使犯罪分子打消犯罪意图。

(二)技术可行性分析老婆觉得我剪头发浪费钱

人类祖先早在几千年前便开始用龟甲占卜的方法预测吉凶祸福。随着社会发展和人们认识水平的逐步提高,期间发明和经历了上百种预测方法。现代的预测方法根据预测客体和预测用途的不同而有所差别,较为常见的有模型法、线性回归分析法、德尔菲(Delphi)法、灰色系统理论分析法、最小方差预测法等。

大数据时代最常用到的预测建模技术包括逻辑回归模型、决策树、支持向量机等,它们可以抽丝剥茧地解开数据背后的内在关联,然后运用得到的关联关系去预测未来,推理未知。[6]犯罪预测是犯罪预防的前提。犯罪作为一种社会现象,是可以被认识和加以预防的。早在1829年比利时统计学家凯特就运用概率论较为精准地预估出了1830年法国的犯罪行为总数和罪行种类。现代技术的迅猛发展、对犯罪规律的认识不断深入为犯罪预防研究提供了先进的技术手段和科学的研究方法。

具体而言,各种可视化技术和机器学习算法常常被用来预测某一地区的犯罪分布。操作流程是对原始数据加以收集和整理之后,运用机器学习算法把有效信息从大型数据中提取出来并发现数据之间隐藏的关系。犯罪模式分析师们再通过各种交互式可视化方法分析这些被报告和发现的有价值的犯罪信息,进而为警方提供前瞻性指导。[7]可视化可分为不同种类,比如犯罪热点可视化、3D图像交互可视化、犯罪类型可视化、犯罪频率可视化和交互式犯罪频率报告等。

数据挖掘是对数据集进行剖析,从它们中间提取出有价值有意义的信息供进一步使用。犯罪学的理性选择理论(Rational Choice Theory)和日常活动理论(Routine Activity Theory)可以用来指导犯罪预测。朴素贝叶斯理论是犯罪预测系统里最常用到的算法。国外有学者基于贝叶斯理论采用高斯混合模型和基于K-均值方法的参数化模型,综合生成犯罪数据集,利用交叉验证方法对预测系统进行了测试,结果表明该系统应用于犯罪预测成功率达到83%,为预防和打击犯罪提供了帮助。[8]

(三)预测警务的可借鉴经验

2008年,在美国洛杉矶市时任警察局长威廉·布拉顿、美国司法援助局代理主任詹姆斯·伯奇和国家司法委员会代理主任克里斯蒂娜·罗丝等人的大力倡导下,美国警界开始推行“预测警务”这一新的执法理念。经过多年的发展,美国的预测警务在深入挖掘大数据的可利用价值,进行犯罪预测方面取得了标志性胜利。[9]

20世纪70年代末80年代初,我国开始了关于犯罪预测的研究,起步相对较晚。近年来,各地区依托大数据研发的犯罪预测系统纷纷投入使用并初见成效。北京市公安局怀柔分局自2013年4月起便开始运行的“犯罪数据分析和趋势预测系统”是北京乃至全国首个警情研判系统。这套系统通过对以往犯罪案件数据的整理,套入多种预测模型,对今后某个时间段、某个区域内可能发生犯罪的几率以及犯罪的类型进行预测。公安机关可以根据系统运算结果,有针对性地调配人手,部署警力。

据统计,该系统推行以来,该辖区抢劫案发生率明显下降。2014年5月怀柔分局对预测系统进行了升级,升级后的数据收集来源增加了治安案件、交通事故等,进一步拓宽了预测范围。[10]苏州市公安局苏州工业园区分局唯亭派出所从2014年开始使用犯罪预测系统指导巡防工作,侦查工作模式从“案后研判”调整为“案前预警”,取得了良好的安防效果。据统计,该辖区侵财类违法犯罪警情逐年下降,下降幅度超过了15%。[11]

二、大数据时代下的犯罪人预测

大数据技术同其他技术一样,是伦理中立的,它在被加以运用去实现更多的经济利益、发挥更大的社会价值过程中并不自带判断是非好坏的审视功能。大数据的蓬勃发展对社会准则、经济环境、法律法规等将会产生什么影响,预期的变化都尚未明晰,需要我们运用正确的价值观去衡量数据创新所带来的利益与风险。[12]大数据时代下犯罪人预测在一定程度上侵犯了个人隐私和自由,违背了罪刑法定原则,冲击了社会公平正义,应在适用范围上加以严格限制。

(一)犯罪人预测的设想与试水

在斯皮尔伯格导演的科幻电影《少数派报告》中,当局将能够预知未来、预测犯罪细节的“先知”们集合起来构建了一套“犯罪预测系统”,对即将发生或正在进行的“罪行”予以阻止,虽然在影片中该系统以失败告终,但是这套“犯罪预测系统”随着大数据时代的到来仿佛触手可及。

在美国,芝加哥警方掌握了更多数据之后,分析预测的目标从分析预测犯罪地点“升级”到犯罪人预测上,在这份备受争议的犯罪人热点名单上列出了临近街区前二十名最有可能犯罪的嫌疑人名字和照片,甚至具体到此人在多长时间内可能犯罪的几率。日本的商业战略专家盐野诚在《大智能时代:智能科技如何改变人类的经济、社会与生活》一书中还提到美国孟菲斯的例子,当地警察已经引进了IBM研发的预测分析软件“Blue CRUSH”。将来,警察可以用这个软件分析包括人类遗传基因在内的庞大数据,如果事先知道具有某种基因的人犯罪的可能性很高,就可以逮捕此人,甚至最终可以使这种基因不再出现在地球上。[13]

COMPAS人工智能算法从2000年初就开始在美国的司法机构使用,目前已经修改到第四版,这个十分制的“打分”机制被美国司法部用于判断有过犯罪记录的人未来犯罪的几率,各个州法官量刑或者警察盘查疑犯的时候,会把COMPAS分数作为参考。

2016年武筱林教授和博士生张熙的论文《基于面部图像的自动犯罪性概率推断》引起广泛争议。他们用机器扫描了1856张中国成年男子的身份证照片,运用机器学习算法和图像识别技术来判断这个人是否罪犯,并称成功率高达90%。在论文中还总结了这些罪犯的面相特点:罪犯跟普通人相比,他们面部特征更为明显。Google和普林斯顿大学的三位研究人员写了一篇反驳文章,名为《相面学的新衣》。他们在文章中批评武筱林等人的研究方法跟150年前的意大利龙勃罗梭天生犯罪人理论类似,只是使用了机器学习算


  ······

法宝用户,请登录后查看全部内容。
开弓没有回头箭

还不是用户?点击单篇购买;单位用户可在线填写“申请试用表”申请试用或直接致电400-810-8266成为法宝付费用户。
【注释】                                                                                                     
©北大法宝:(www.pkulaw.cn)专业提供法律信息、法学知识和法律软件领域各类解决方案。北大法宝为您提供丰富的参考资料,正式引用法规条文时请与标准文本核对
欢迎查看所有产品和服务。法宝快讯:如何快速找到您需要的检索结果?    法宝V5有何新特色?
扫码阅读
本篇【法宝引证码CLI.A.1287229      关注法宝动态:  

法宝联想
【相似文献】

热门视频更多