最近幾個月，軍用AI和主動攻擊型武器的問題鬧得沸沸揚(yáng)揚(yáng)，很多AI研究者聯(lián)名反對這項技術(shù)的軍事化。

但令人無奈的是，AI的很多特征確實能夠與極端情況和復(fù)雜環(huán)境相結(jié)合，類似技術(shù)很難在民用市場找到落腳點，軍用AI也就順理成章作為了技術(shù)加持的方向。但是換個角度想想，如果軍用AI容易引發(fā)普遍恐慌，那么切換到警用會不會好很多？

用AI來加持公共安全，提升警方的工作效率，似乎是個不錯的主意？

當(dāng)然，我們距離經(jīng)典的《機(jī)器戰(zhàn)警》還有很長的路要走。但在我們平時很少關(guān)心的警用技術(shù)世界里，AI從未缺席。甚至很多非常前沿，有點科幻味道的技術(shù)已經(jīng)投身到了實戰(zhàn)中。

就像眾多AI應(yīng)用領(lǐng)域一樣，在AI+公共安全的旅程上，爭議和焦慮感也是必不可少的話題。今天讓我們來盤點一下警用AI的發(fā)展方向、層次和背后引起的爭論。

在很多警匪片中，我們經(jīng)常會分不清臥底和警察。說不定未來某一天，我們會分不清執(zhí)法的是真人警察還是AI警察。想想也是怪有意思的。

工利其器：從警具開始的AI進(jìn)化

羅馬不是一天建成的，AI警察也不可能馬上取代人類。

在現(xiàn)實里，AI的首要任務(wù)是升級警察叔叔手里的警具，讓他們不用那么辛苦…

美國電影中，警察用發(fā)射帶電飛鏢的泰瑟槍制服嫌犯（有時候是主角）的畫面可謂深入人心。而泰瑟槍的制造商Axon如今已經(jīng)開始了全面的AI化轉(zhuǎn)型。

比如他們就把AI技術(shù)用到了執(zhí)法記錄儀中。

已經(jīng)被美國多地警方裝配的AI執(zhí)法記錄儀，可以通過攝像頭背后的算法識別和分類功能，來對執(zhí)法信息進(jìn)行全自動編輯和存檔。這個功能原理等同于我們手機(jī)中的圖片識別，但要建立在海量數(shù)據(jù)庫和針對警用信息的強(qiáng)化機(jī)器學(xué)習(xí)基礎(chǔ)上。有了這個能力，執(zhí)法警員就不必再對拍攝的資料進(jìn)行大量剪輯、歸檔，從而節(jié)省下工作時間。

依靠警用設(shè)備起家的Axon，如今已經(jīng)將企業(yè)目標(biāo)全面設(shè)定為AI化。他們希望通過AI帶來的識別、判斷和主動分析能力，來取代警察所有的文書和資料編輯工作。

假如你覺得只是取代文書工作不太給力，那當(dāng)然還有更強(qiáng)悍的。比如用AI來配合審訊。

日立和麻省理工合作推出過一個AI攝像頭解決方案，可以精準(zhǔn)識別出被拍攝人的心跳、脈搏等數(shù)據(jù)。這項技術(shù)的一個應(yīng)用場景就在在審訊時監(jiān)控嫌疑人的生理狀況和面色變化等，并得出嫌疑人可能說謊或者精神高度緊張等結(jié)論。

這項技術(shù)的價值在于它并沒有收集太多嫌疑人資料，而是將一個審訊員察言觀色的能力集成到了AI上，為審訊提供輔助。當(dāng)然了，目前這類技術(shù)才剛剛開始。

還有一個很大的市場，叫做警車。

就在不久之前，美國媒體披露福特申請了一項新的自動駕駛警車專利。

根據(jù)相關(guān)信息，福特的新警車不僅能夠自動駕駛，還可以通過車載攝像頭和傳感器去發(fā)現(xiàn)街上其他車輛的違規(guī)信息，同時它還能連接到公共攝像頭等設(shè)備，組成立體化的車輛自動執(zhí)法體系。

根據(jù)專利信息，這種自動警車可以在不用人類介入的情況下自己開出罰單，甚至還能根據(jù)事態(tài)來主動追蹤甚至跟蹤嫌疑車輛。

你的違章罰單竟然是一輛車給開出來的，這聽起來夠神的吧？然而福特只是自動駕駛警車眾多玩家中的一個而已，隨著自動駕駛產(chǎn)業(yè)的深入，更高應(yīng)用度的警用車市場恐怕是兵家必爭之地。

我是城市的眼睛和耳朵：攝像頭背后的超級AI警察

以上說的那些AI，放在警匪片里顯然都是配角。但是演主角的心是每個人都有的，AI大概也不例外。

如果AI能夠為我們做一些人類警察做不到的事情，那么它們當(dāng)然也就順勢上位了。比如說，同時看完城市中無數(shù)個攝像頭的拍攝數(shù)據(jù)。在城市攝像頭網(wǎng)絡(luò)與公眾安全這幕大戲中，AI已經(jīng)準(zhǔn)備作為一名“超級警察”粉墨登場。

城市攝像頭背后的AI，第一個任務(wù)當(dāng)然是從人海中找出逃犯。記得當(dāng)年抓周克華的時候，警方出動了大量警員日夜不停的看監(jiān)控，假如AI能夠快速完成這項工作，那當(dāng)然一大善舉。

以今天人臉識別的完成度，近距離認(rèn)出逃犯數(shù)據(jù)已經(jīng)毫不困難。難點是要在城市攝像頭拍攝到的人山人海中精準(zhǔn)識別出某個人臉數(shù)據(jù)。比如歐洲一個叫做Indect的攝像頭+人臉定位項目，就號稱能在足球場定位觀眾席里的嫌犯。用攝像頭+人臉識別抓捕逃犯的技術(shù)在中國也得到了飛速發(fā)展，很多機(jī)器視覺公司提供類似的算法解決方案。

另一個攝像頭背后的AI安全應(yīng)用，是預(yù)判人流密集度，從而實時示警引導(dǎo)人群疏散。我們這樣的人口大國，在人群密集時發(fā)生踩踏事故是重要的社會安全隱患。用AI識別人流擁擠程度是有效的解決方案。在今天中國很多一二線城市里，城市攝像頭背后的AI預(yù)警裝置已經(jīng)開始上崗工作。

與人流控制相似，車流控制也是城市安全AI的一個主攻方向。比如通過攝像頭判斷車禍發(fā)生從而第一時間報警，甚至通過車輛行駛軌跡異常來判斷酒駕和疲勞駕駛。這些都已經(jīng)在今天部分中國城市中得到了應(yīng)用。

比較好玩的是，負(fù)責(zé)城市安全的警用AI不僅能“看見”，還能“聽見”。

硅谷一個創(chuàng)業(yè)公司開發(fā)了名叫ShotSpotter的城市警用系統(tǒng)，它的能力是從通過城市里的麥克風(fēng)，借助AI能力在復(fù)雜的城市聲音中識別出槍聲。一旦聽見槍響，系統(tǒng)就會自動向警方報警，并準(zhǔn)確定位槍擊事發(fā)地。

當(dāng)然了，能看能聽之外，還能想就最好了。別急，這個AI也能。2016年，富士通與日本電子通訊大學(xué)公布了一個合作項目，內(nèi)容是通過城市攝像頭監(jiān)控到犯罪事件之后，AI系統(tǒng)自動規(guī)劃出警方案和警力調(diào)配計劃。其算法包括就近警力分配原則、預(yù)判嫌犯逃跑路線，還能設(shè)計出封閉道路和設(shè)置路障的方案。目前這個系統(tǒng)在人口密集、地形復(fù)雜的東京，已經(jīng)可以五分鐘內(nèi)給出一個警力調(diào)配方案。

躲在攝像頭背后的AI警察，已經(jīng)開始在全世界上班，注視著城市的一舉一動。假如你覺得這還是不夠厲害，那……預(yù)測犯罪了解一下？

《少數(shù)派報告》看過沒？大預(yù)測術(shù)已經(jīng)在路上

不知道今天提《少數(shù)派報告》是不是一件暴露年齡的事…但一說到AI預(yù)測犯罪，還是會首先聯(lián)想起電影里的“先知”系統(tǒng)。

現(xiàn)實世界里的預(yù)測犯罪系統(tǒng)沒那么神，但它的前沿研究已經(jīng)在某種程度上開始向著玄學(xué)蕩漾…

提起預(yù)測犯罪，就不能不提到警用科技界赫赫有名的PredPol公司。雖然IBM、摩托羅拉等企業(yè)都涉足預(yù)防犯罪系統(tǒng)這個市場，但2012年才建立的PredPol已經(jīng)覆蓋了全美上百個地區(qū)的警局，在降低犯罪率上給出了很強(qiáng)勢的數(shù)據(jù)反饋。

PredPol的業(yè)務(wù)說起來沒那么神秘。它的基本邏輯是根據(jù)過往犯罪率曲線，和不斷變化的犯罪事件時間、地點等數(shù)據(jù)，通過一個大數(shù)據(jù)分析算法，來得出哪個街區(qū)犯罪事件高發(fā)、哪條街道搶劫事件較多、哪個時間段城市比較危險這樣的數(shù)據(jù)結(jié)論。從而指導(dǎo)警方調(diào)整巡邏路線和巡邏時間，把更多警力投入到犯罪率偏高的時間地點上去。

這事好像聽起來也沒什么，任何警員肯定都知道重點巡邏這件事。但以前重點巡邏靠的是個人經(jīng)驗，而且整個警隊難以統(tǒng)籌協(xié)調(diào)。PredPol在6年間擴(kuò)大了幾十倍的使用率，已經(jīng)在某種程度上說明了這種“犯罪預(yù)測”是有效的。

類似方案已經(jīng)開始從美國拓展到其他國家。比如前幾天日本神奈川縣警方剛向財政部門申請研究經(jīng)費，希望能為2020年東京奧運會建立一個預(yù)測性治安體系。結(jié)合大數(shù)據(jù)體系和AI分析能力來設(shè)定更嚴(yán)密的安全保護(hù)機(jī)制。

如果覺得已經(jīng)投入使用的系統(tǒng)不夠神，那我們應(yīng)該看看更前沿的研究。PredPol最早并不是一個警用科技創(chuàng)業(yè)項目，而是兩名科學(xué)家的研究成果。其中一個站在PredPol背后的男人，就是加州大學(xué)洛杉磯分校的杰夫·布蘭汀漢姆教授，他是今天“預(yù)測犯罪”領(lǐng)域的先驅(qū)和代表人物。

不久之前，杰夫·布蘭汀漢姆團(tuán)隊在名為《Partially Generative Neural Networks for Gang Crime Classification》的論文中提出了這樣一種設(shè)想：用深度學(xué)習(xí)網(wǎng)絡(luò)來識別幫派犯罪的特征，從而將幫派分子從人群中識別出來。

事情到了這里，大概有一點“科幻”的味道出來了。

在布蘭汀漢姆團(tuán)隊的研究中，他們收集了洛杉磯警局2014年到2016年所有關(guān)于黑幫犯罪的數(shù)據(jù)，輸入到一個深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中，由算法自動生成對于幫派犯罪的特征理解和行為框架。很多案件中缺失的證據(jù)環(huán)節(jié)也將有AI來主動補(bǔ)完。經(jīng)過長時間的訓(xùn)練，AI開始掌握了一套對幫派犯罪和黑幫分子的獨特理解。回到現(xiàn)實中，當(dāng)警方把新的嫌犯信息輸入進(jìn)AI系統(tǒng)后，就可以由AI來判斷該人是不是參加了幫派組織和幫派犯罪。

布蘭汀漢姆團(tuán)隊提出的城市時空犯罪預(yù)測模型

研究人員表示，這項研究的未來目標(biāo)是在缺少很多數(shù)據(jù)的情況下，依舊能判斷嫌疑人是否參加了幫派……可以說是非常激進(jìn)的技術(shù)了。

千萬不要以為這項技術(shù)僅僅是科學(xué)家搞著玩的，人家可是明確拿到美國國防部的資助，目標(biāo)是以時空博弈論和機(jī)器學(xué)習(xí)技術(shù)打擊極端主義。在幫派犯罪預(yù)測之后，布蘭汀漢姆團(tuán)隊還將在具體犯罪種類預(yù)測和實時預(yù)測犯罪上展開進(jìn)一步探索。

顯然，不管你愿不愿意，AI預(yù)測犯罪的“大預(yù)言術(shù)”已經(jīng)向現(xiàn)實逼近。而一路伴隨他的，是關(guān)于隱私、歧視和不靠譜的爭議。

要安全還是要隱私：警用AI的原罪博弈

去年，谷歌曾經(jīng)發(fā)長文指出，中國某高校用人臉數(shù)據(jù)來預(yù)測罪犯的研究十分不靠譜。原因是這項研究分析了犯罪分子數(shù)據(jù)庫，從而得出了“某種面部特征的人更容易犯罪”，顯然是把兩種不相關(guān)的信息強(qiáng)行結(jié)合到了一起。

這場類似于“相面”的AI鬧劇告訴我們這樣一種可能：我們太想知道未來，也過分愿意做數(shù)據(jù)歸因。很多看似神奇的結(jié)果，可能都是在這兩種有問題的心理下被強(qiáng)行得出的。

比如就有批評者指責(zé)上文提到的AI幫派犯罪預(yù)測。由于其數(shù)據(jù)來源完全是洛杉磯警察局提供的案件信息和警察得出的結(jié)論。那么AI想要判斷準(zhǔn)確，就必須建立在洛杉磯警察局所有判斷都正確的基礎(chǔ)上，而對于幫派犯罪來說，這顯然不可能。

數(shù)據(jù)關(guān)系之間的牽強(qiáng)，讓很多預(yù)測類的警用AI從一開始就備受質(zhì)疑。而其深度學(xué)習(xí)過程中的黑箱性也是觀察家和民眾批評的焦點：研究者都不明白AI是怎么預(yù)測犯罪的，居然就敢說我有問題？

更無奈的是，技術(shù)問題還僅僅是警用AI科技面臨的第一重困境而已。向上一層則會撞上非常難辦的歧視問題和隱私問題，在道德困境面前，技術(shù)會更加束手無策。

比如說前面說過的AI預(yù)測重點巡邏地區(qū)。這件事在日本還沒開始，就已經(jīng)有媒體提出這很有可能加大警方對某幾個具體區(qū)域的巡邏強(qiáng)度，從而讓這個區(qū)域的居民和店鋪產(chǎn)生不滿。

在美國這種不滿早就洋溢出來了，2016年美國公民自由聯(lián)盟曾經(jīng)聯(lián)合十幾個人權(quán)組織發(fā)表聲明，認(rèn)為警方用AI作為巡邏，甚至審訊和逮捕的工具并不恰當(dāng)。其背后隱藏著警察系統(tǒng)對某些社區(qū)甚至某些族裔居民嚴(yán)重的偏見。

也有媒體比較陰謀論地認(rèn)為，加州很多城市的警方過度熱愛搞一下AI預(yù)測犯罪的技術(shù)，或許含有警方希望在缺少或者沒有證據(jù)的情況下實施執(zhí)法的可能。

而關(guān)于隱私的爭論就更嚴(yán)重了，城市攝像頭追逃按說已經(jīng)是比較“溫柔”的技術(shù)，但還是有很多聲音批評這些能夠高高在上認(rèn)出街上每一個人的技術(shù)，其實是對居民隱私的破壞。“不被認(rèn)出來”也是隱私權(quán)力之一，更何況數(shù)據(jù)如何應(yīng)用居民也無法自主。

當(dāng)警方手里的識別工具越來越強(qiáng)力，犯罪分子的活動空間當(dāng)然會越來越小，但普通居民感到的隱私壓抑感也會隨之上升。在AI識別能力爆炸式發(fā)展的今天，這可能會是一個無法圓滿解釋的矛盾。

在警用AI科技領(lǐng)域，強(qiáng)調(diào)公眾安全還是強(qiáng)調(diào)居民隱私，優(yōu)先考慮技術(shù)的妥善度還是應(yīng)用效率，處在一場無止境的博弈里。

AI從來都是一把雙刃劍，這點在安全領(lǐng)域給人的感受尤其明顯。