最近幾個(gè)月，軍用AI和主動(dòng)攻擊型武器的問(wèn)題鬧得沸沸揚(yáng)揚(yáng)，很多AI研究者聯(lián)名反對(duì)這項(xiàng)技術(shù)的軍事化。

但令人無(wú)奈的是，AI的很多特征確實(shí)能夠與極端復(fù)雜環(huán)境相結(jié)合，類(lèi)似技術(shù)很難在民用市場(chǎng)找到落腳點(diǎn)，軍用AI也就順理成章作為了技術(shù)加持的方向。但是換個(gè)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(huì)不會(huì)好很多?

用AI來(lái)加持公共安全，提升警方的工作效率，似乎是個(gè)不錯(cuò)的主意?

當(dāng)然，我們距離影片《機(jī)器戰(zhàn)警》中描繪的世界還有很長(zhǎng)的路要走。但在我們平時(shí)很少關(guān)心的警用技術(shù)世界里，AI從未缺席，甚至很多技術(shù)非常前沿，有點(diǎn)科幻味道的技術(shù)已經(jīng)投身到了實(shí)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(zhēng)議和焦慮感也是必不可少的話題。今天讓我們來(lái)盤(pán)點(diǎn)一下警用AI的發(fā)展方向、層次和背后引起的爭(zhēng)論。

在很多警匪片中，我們經(jīng)常會(huì)分不清臥底和警察。說(shuō)不定未來(lái)某一天，我們也會(huì)分不清執(zhí)法的是真人警察還是AI警察。想想也是蠻有意思的。

工利其器：從警具開(kāi)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(lèi)。在現(xiàn)實(shí)世界里，AI的首要任務(wù)是升級(jí)警察叔叔手里的警具，讓他們不用那么辛苦。

美國(guó)電影中，警察用發(fā)射帶電飛鏢的泰瑟槍制服嫌犯(有時(shí)候是主角)的畫(huà)面可謂深入人心。而泰瑟槍的制造商Axon如今已經(jīng)開(kāi)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(guó)多地警方裝配的AI執(zhí)法記錄儀，可以通過(guò)攝像頭背后的算法識(shí)別和分類(lèi)功能，來(lái)對(duì)執(zhí)法信息進(jìn)行全自動(dòng)編輯和存檔。這個(gè)功能原理等同于我們手機(jī)中的圖片識(shí)別，但要建立在海量數(shù)據(jù)庫(kù)和針對(duì)警用信息的強(qiáng)化機(jī)器學(xué)習(xí)基礎(chǔ)上。有了這個(gè)能力，執(zhí)法警員就不必再對(duì)拍攝的資料進(jìn)行大量剪輯、歸檔，從而節(jié)省工作時(shí)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。他們希望通過(guò)AI帶來(lái)的識(shí)別、判斷和主動(dòng)分析能力，來(lái)取代警察所有的文書(shū)和資料編輯工作。

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

日立和麻省理工合作推出過(guò)一個(gè)AI攝像頭解決方案，可以精準(zhǔn)識(shí)別出被拍攝人的心跳、脈搏等數(shù)據(jù)。這項(xiàng)技術(shù)的一個(gè)應(yīng)用場(chǎng)景就是在審訊時(shí)，監(jiān)控嫌疑人的生理狀況和臉色變化等，并得出嫌疑人可能說(shuō)謊或者精神高度緊張等結(jié)論。其實(shí)就相當(dāng)于是一個(gè)AI測(cè)謊機(jī)。 

這項(xiàng)技術(shù)的價(jià)值在于它并沒(méi)有收集太多嫌疑人資料，而是將一個(gè)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(lèi)技術(shù)才剛剛開(kāi)始出現(xiàn)。

另外還有一個(gè)很大的市場(chǎng)——警車(chē)。就在不久之前，美國(guó)媒體披露福特申請(qǐng)了一項(xiàng)新的自動(dòng)駕駛警車(chē)專(zhuān)利。根據(jù)相關(guān)信息，福特的新警車(chē)不僅能夠自動(dòng)駕駛，還可以通過(guò)車(chē)載攝像頭和傳感器發(fā)現(xiàn)街上其他車(chē)輛的違規(guī)信息，同時(shí)它還能連接到公共攝像頭等設(shè)備，組成立體化的車(chē)輛自動(dòng)執(zhí)法體系。 

根據(jù)專(zhuān)利信息，這種警車(chē)可以在不用人類(lèi)介入的情況下自己開(kāi)出罰單，甚至還能根據(jù)事態(tài)來(lái)主動(dòng)追蹤甚至跟蹤嫌疑車(chē)輛。

你的違章罰單竟然是一輛警車(chē)給開(kāi)出來(lái)的，這聽(tīng)起來(lái)夠神的吧?然而福特只是自動(dòng)駕駛警車(chē)眾多玩家中的一個(gè)而已，隨著自動(dòng)駕駛產(chǎn)業(yè)的發(fā)展中，警車(chē)市場(chǎng)恐怕也會(huì)成為老牌車(chē)廠和新造車(chē)公司的必爭(zhēng)之地。

我是城市的眼睛和耳朵：攝像頭背后的超級(jí)AI警察

以上說(shuō)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(gè)人都有的，AI大概也不例外。

如果AI能夠?yàn)槲覀冏鲆恍┤祟?lèi)警察做不到的事情，那么它們當(dāng)然也就順勢(shì)上位了。比如說(shuō)，同時(shí)看完城市中無(wú)數(shù)個(gè)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(jí)警察”粉墨登場(chǎng)。

城市攝像頭背后的AI，第一個(gè)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(shí)候，警方出動(dòng)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(xiàng)工作，那當(dāng)然是一大善舉。

以今天人臉識(shí)別技術(shù)的完成度來(lái)看，近距離認(rèn)出逃犯并不難。難點(diǎn)是要在城市攝像頭拍攝到的人山人海中精準(zhǔn)識(shí)別出某個(gè)人臉數(shù)據(jù)。比如歐洲一個(gè)叫做Indect的攝像頭+人臉定位項(xiàng)目，就號(hào)稱(chēng)能在足球場(chǎng)定位觀眾席里的嫌犯。用攝像頭+人臉識(shí)別抓捕逃犯的技術(shù)在中國(guó)也得到了飛速發(fā)展，很多機(jī)器視覺(jué)公司提供類(lèi)似的算法解決方案。

另一個(gè)攝像頭背后的AI安全應(yīng)用，是預(yù)判人流密集度，從而實(shí)時(shí)示警引導(dǎo)人群疏散。我們這樣的人口大國(guó)，在人群密集時(shí)發(fā)生踩踏事故是嚴(yán)重的社會(huì)安全隱患。用AI識(shí)別人流擁擠程度是有效的解決方案。在今天中國(guó)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(kāi)始上崗工作。

與人流控制相似，車(chē)流控制也是城市安全AI的一個(gè)主攻方向。比如通過(guò)攝像頭判斷車(chē)禍發(fā)生從而第一時(shí)間報(bào)警，甚至通過(guò)車(chē)輛行駛軌跡異常來(lái)判斷酒駕和疲勞駕駛。這些都已經(jīng)在部分中國(guó)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(jiàn)”，還能“聽(tīng)見(jiàn)”。

硅谷一個(gè)創(chuàng)業(yè)公司開(kāi)發(fā)了名叫ShotSpotter的城市警用系統(tǒng)，它的能力是通過(guò)麥克風(fēng)，借助AI能力在復(fù)雜的城市聲音中識(shí)別出槍聲。一旦聽(tīng)見(jiàn)槍響，系統(tǒng)就會(huì)自動(dòng)向警方報(bào)警，并準(zhǔn)確定位槍擊事發(fā)地。

當(dāng)然了，能看能聽(tīng)之外，還能想就最好了。別急，這個(gè)AI也能做到。2016年，富士通與日本電子通訊大學(xué)公布了一個(gè)合作項(xiàng)目，內(nèi)容是通過(guò)城市攝像頭監(jiān)控到犯罪事件之后，AI系統(tǒng)自動(dòng)規(guī)劃出警方案和警力調(diào)配計(jì)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(jì)出封閉道路和設(shè)置路障的方案。目前這個(gè)系統(tǒng)在人口密集、地形復(fù)雜的東京，已經(jīng)可以在五分鐘內(nèi)給出一個(gè)警力調(diào)配方案。

躲在攝像頭背后的AI警察，已經(jīng)開(kāi)始在全世界上班，注視著城市的一舉一動(dòng)。假如你覺(jué)得這還是不夠厲害，那預(yù)測(cè)犯罪了解一下?

《少數(shù)派報(bào)告》看過(guò)沒(méi)?大預(yù)測(cè)術(shù)已經(jīng)在路上

不知道今天提《少數(shù)派報(bào)告》是不是一件暴露年齡的事，但一說(shuō)到AI預(yù)測(cè)犯罪，還是會(huì)聯(lián)想起電影里的“先知”。 

提起預(yù)測(cè)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(gè)市場(chǎng)，但2012年才建立的PredPol已經(jīng)覆蓋了全美上百個(gè)地區(qū)的警局，在降低犯罪率上給出了很強(qiáng)勢(shì)的數(shù)據(jù)反饋。

PredPol的業(yè)務(wù)說(shuō)起來(lái)沒(méi)那么神秘。它的基本邏輯是根據(jù)過(guò)往犯罪率曲線和不斷變化的犯罪事件時(shí)間、地點(diǎn)等數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析算法，來(lái)得出哪個(gè)街區(qū)犯罪事件高發(fā)、哪條街道搶劫事件較多、哪個(gè)時(shí)間段城市比較危險(xiǎn)這樣的結(jié)論。再通過(guò)這些結(jié)論，來(lái)指導(dǎo)警方調(diào)整巡邏路線和巡邏時(shí)間，把更多警力投入到犯罪率偏高的時(shí)間地點(diǎn)上去。 

這好像聽(tīng)起來(lái)也沒(méi)什么，任何警員肯定都知道重點(diǎn)巡邏這件事。但以前重點(diǎn)巡邏靠的是個(gè)人經(jīng)驗(yàn)，而且整個(gè)警隊(duì)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(shuō)明了這種“犯罪預(yù)測(cè)”是有效的。

類(lèi)似方案已經(jīng)開(kāi)始從美國(guó)拓展到其他國(guó)家。比如前幾天日本神奈川縣警方剛向財(cái)政部門(mén)申請(qǐng)研究經(jīng)費(fèi)，希望能為2020年?yáng)|京奧運(yùn)會(huì)建立一個(gè)預(yù)測(cè)性治安體系。結(jié)合大數(shù)據(jù)體系和AI分析能力來(lái)設(shè)定更嚴(yán)密的安全保護(hù)機(jī)制。

如果覺(jué)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(gè)警用科技創(chuàng)業(yè)項(xiàng)目，而是兩名科學(xué)家的研究成果。站在PredPol背后的其中一個(gè)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(cè)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(duì)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(lái)識(shí)別幫派犯罪的特征，從而將幫派分子從人群中找出來(lái)。

事情到了這里，大概有一點(diǎn)“科幻”的味道了。

在布蘭汀漢姆團(tuán)隊(duì)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(gè)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中，由算法自動(dòng)生成對(duì)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(lái)主動(dòng)補(bǔ)完。經(jīng)過(guò)長(zhǎng)時(shí)間的訓(xùn)練，AI開(kāi)始掌握了一套對(duì)幫派犯罪和黑幫分子的獨(dú)特理解。回到現(xiàn)實(shí)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(lái)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(duì)提出的城市時(shí)空犯罪預(yù)測(cè)模型

研究人員表示，這項(xiàng)研究的未來(lái)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(shuō)是非常激進(jìn)的技術(shù)了。

千萬(wàn)不要以為這項(xiàng)技術(shù)僅僅是科學(xué)家搞著玩的，人家可是明確拿到美國(guó)國(guó)防部的資助，目標(biāo)是以時(shí)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(cè)之后，布蘭汀漢姆團(tuán)隊(duì)還將在具體犯罪種類(lèi)預(yù)測(cè)和實(shí)時(shí)預(yù)測(cè)犯罪上展開(kāi)進(jìn)一步探索。

顯然，不管你愿不愿意，AI預(yù)測(cè)犯罪的“大預(yù)言術(shù)”已經(jīng)向現(xiàn)實(shí)逼近。而一路伴隨他的，是關(guān)于隱私、歧視和不靠譜的爭(zhēng)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(zhǎng)文指出，中國(guó)某高校用人臉數(shù)據(jù)來(lái)預(yù)測(cè)罪犯的研究十分不靠譜。原因是這項(xiàng)研究分析了犯罪分子數(shù)據(jù)庫(kù)，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(chǎng)類(lèi)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(lái)，也過(guò)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(wèn)題的心理下被強(qiáng)行得出的。

比如就有批評(píng)者指責(zé)上文提到的AI幫派犯罪預(yù)測(cè)。由于其數(shù)據(jù)來(lái)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(duì)于幫派犯罪來(lái)說(shuō)，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(cè)類(lèi)的警用AI從一開(kāi)始就備受質(zhì)疑。而其深度學(xué)習(xí)過(guò)程中的黑箱性也是觀察家和民眾批評(píng)的焦點(diǎn)：研究者都不明白AI是怎么預(yù)測(cè)犯罪的，居然就敢說(shuō)我有問(wèn)題? 

更無(wú)奈的是，技術(shù)問(wèn)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(huì)撞上非常難辦的歧視問(wèn)題和隱私問(wèn)題，在道德困境面前，技術(shù)會(huì)更加束手無(wú)策。

比如說(shuō)前面說(shuō)過(guò)的AI預(yù)測(cè)重點(diǎn)巡邏地區(qū)。這件事在日本還沒(méi)開(kāi)始，就已經(jīng)有媒體擔(dān)憂(yōu)這很有可能加大警方對(duì)某幾個(gè)具體區(qū)域的巡邏強(qiáng)度，從而讓這個(gè)區(qū)域的居民和店鋪產(chǎn)生不滿(mǎn)。

在美國(guó)，這種不滿(mǎn)早就體現(xiàn)出來(lái)了。2016年美國(guó)公民自由聯(lián)盟曾經(jīng)聯(lián)合十幾個(gè)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(duì)某些社區(qū)甚至某些族裔居民嚴(yán)重的偏見(jiàn)。

也有媒體比較陰謀論地認(rèn)為，加州很多城市的警方過(guò)度熱愛(ài)搞一下AI預(yù)測(cè)犯罪的技術(shù)，或許含有警方希望在缺少或者沒(méi)有證據(jù)的情況下實(shí)施執(zhí)法。

而關(guān)于隱私的爭(zhēng)論就更嚴(yán)重了，城市攝像頭追逃按說(shuō)已經(jīng)是比較“溫柔”的技術(shù)，但還是有很多聲音批評(píng)這些能夠高高在上認(rèn)出街上每一個(gè)人的技術(shù)，其實(shí)是對(duì)居民隱私的侵犯。“不被認(rèn)出來(lái)”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(wú)法自主。

當(dāng)警方手里的識(shí)別工具越來(lái)越強(qiáng)力，犯罪分子的活動(dòng)空間當(dāng)然會(huì)越來(lái)越小，但普通居民感到的隱私壓抑感也會(huì)隨之上升。在AI識(shí)別能力爆炸式發(fā)展的今天，這可能會(huì)是一個(gè)無(wú)法圓滿(mǎn)解釋的矛盾。

在的警用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(chǎng)無(wú)止境的博弈里。

AI從來(lái)都是一把雙刃劍，這一點(diǎn)在安全領(lǐng)域尤其明顯。