美国国家地理创刊编辑点评犯罪预测系统（二）

“预测警务”的发展

早在上世纪80年代，已故的纽约交警杰克· 梅珀（Jack Maple）就开创了“数字警务”的先河，他用蜡笔和图钉在地图上标记出发生在地铁上的暴力犯罪。梅珀将此称为“未来图表”。 这是一个很容易理解的词汇，会让人想起迪斯尼式的更加光明、 可以预测的明天。20年过去了， 虽然目前的地图分析远比当年 复杂，但地图仍然是“预测警务”中的关键工具。

我在孟菲斯参加了一次“蓝色粉碎”项目的每周例会。在 宽敞的会议室里，来自孟菲斯8个不同地区的指挥官轮流介绍 了自己辖区内的最新犯罪情况。在他们身后，投影大屏幕显示 的地图上标注了一些用来代表不同犯罪的图标——包括拳头、 破碎的窗户以及盗贼小人，每个图标都代表了在过去一周发生 的一起独立案件。

然而，“预测警务”所需的数据远不止近期案件的发生时间 和地点。在孟菲斯，一名分析员可能会打开一幅显示近期盗窃 案件的地图。然后，他会列出教育局公布的所有未到校上课的 学生的家庭住址。第三层数据则会是，哪些逃课学生曾有盗窃 前科。如果这些数据产生了联系——也就是说，盗窃案件通常 发生在有盗窃前科的逃课学生的住处周边，我们就可以奔赴那 些地区去抓盗窃犯了，或者通过地图，找到那些逃课学生的住址。 “然后，你可以去那儿查访一下，你可能会惊讶地发现，这里到 处都堆放着偷盗而来的赃物，”犯罪活动实时监测中心的主管约 翰· 哈维（John Harvey）说。

这些算法也开始融入犯罪学家最新提出的理论。例如，传 统观点认为，聪明的罪犯不会回到作案现场，但美国加利福尼 亚大学洛杉矶分校的布兰廷汉姆和圣克拉拉大学的数学家乔 治· O · 默勒尔（George O. Mohler）对成千上万起盗窃案，以及 洛杉矶警察局提供的逮捕报告进行研究之后发现，一名“成功”的盗窃犯往往反其道而行之。“从罪犯们的角度来看，再次‘光 顾’昨天闯入过的民宅是一个不错的主意，”布兰廷汉姆说：“他 知道屋里都有些什么，还知道如何迅速进入与逃跑。”而且，布 兰廷汉姆和默勒尔还发现，被盗者的邻居遭到盗窃的概率也很 高，因为这些住宅的室内摆设和财产情况通常比较相似，对盗 贼也极有吸引力。”

布兰廷汉姆和默勒尔还在抢劫、群体暴力以及机动车盗窃 领域发现了“重复受害效应”（repeat-victimization effect）。他们 确定了这种效应的范围——大约在某入室盗窃案件事发地点的 3 000米范围内，以及在首次案发之后，被盗风险如何随时间变 化。然后，布兰廷汉姆和默勒尔根据他们的发现开发了一种有 效的算法，建立了预测模型。与那些仅仅简单假设未来将与过 去完全类似的传统模型相比，他们的新模型在预测未来犯罪时， 准确率要高出10%~20%。

在孟菲斯召开的“蓝色粉碎”项目例会上，每一幅辖区地 图上都标注出了两三个“焦点地区”，也就是未来一周里犯罪事 件最高发的地方。一些需要小心提防的特殊案件及相应的发生 时间也被重点标注出来。这就是我和坎宁安为什么会选择下午4 点到晚上10点这个时间段去暗中巡逻，侦察是否有盗窃案件的 原因。

也正是依据这份预报，在当天稍晚一点，我们接到一个求 助电话时，前往附近一个叫做“橙色高地”的高危地区进行巡 逻。当我们到达的时候，另外两辆巡逻车正闪着警灯，把一辆 黑色尼桑车强行拦截在路边。坐在后排的男子携带了50多克大 麻、数百张10美元的钞票，以及一个伪装得极像iPhone的天平。当一名警员上前询问天平是拿来做什么的时候，这名疑犯老老 实实地承认了他是一名贩毒者。“有时，我的客户会觉得我在欺 骗他们，所以我必须用天平来称重，”这名疑犯说道。

准备谋杀也有罪？

这名毒贩被戴上手铐，关进了巡逻车的后厢。正当我们将他送往地区拘留所的时候，警用无线电广播传来了一个紧急呼 叫：“山脊路和西克里山附近的6011公寓旁发生枪击事件。”第 二天早上，我上网查看了这起事件的相关报道。受害者名叫克 劳德· 布雷克（Claude Brake），他是一名56岁的退伍军人，目 前在棒约翰比萨店（Papa John’s Pizza）工作。在送外卖的路上， 两名大男孩拦下他，向他要钱，但遭到拒绝，于是其中一名男 孩开枪杀死了布雷克。

即使在孟菲斯这样的大城市，谋杀也不多见。孟菲斯在2010年一共报道了25 324起盗窃案，但谋杀案仅90起。如果要 想构建一种可靠的预测算法，在歹徒实施杀害之前将他逮捕， 从统计学上讲，这点数据远远不够。布雷克遭到枪击的地点在 坎宁安辖区中的焦点地区之外，而每周的例会上并没有提到这 里可能会发生暴力案件。即使是詹尼柯斯基这样的支持者也很 快指出，虽然运用了高科技并进行了完善的培训，但迄今为止，预测工作仍然还很不成熟。“我更倾向于用‘犯罪预测’来描述 我们的工作，而不是‘犯罪预报’，” 詹尼柯斯基说：“相关技术 还不够完美。”

尽管从目前来看，警方连哪些地方可能发生谋杀案都还没法预测，但一些研究者认为，在预测谁将会是杀人犯上，我们可以做得更好。理查德· 贝克（Richard Berk）是美国宾夕法尼 亚大学的犯罪学教授，他开发了一套算法，能够评估一名被假 释或被判缓刑的犯人在未来杀人的概率。这种算法是基于对上 万起案件的深入调查，算法中的参数包括年龄、性别、犯罪类型、首次犯罪的时间等。“在预测哪些人可能杀人上，该算法的准确率能达到75%，”贝克说。

这类强大的犯罪预测技术也带来了一个难题：我们可以在 一个人实施犯罪之前判定他有罪吗？布兰廷汉姆等研究者认为，“蓝色粉碎”之类的项目并不会涉及这种问题。“这不是预测特 定个体的行为，”布兰廷汉姆说：“而是在空间和时间上，预测 特定犯罪类型的发生几率。”警方使用了他开发的分析工具后， 所采取的措施并不是在自由公民实施犯罪之前就把他们关押起来，而是在那些高危人物出没的地区加强巡逻而已。

不过，贝克的工作更容易触及伦理道德的界线，因为根据他的方法，可以预测哪些人释放后，可能会很危险，而这种预测会影响假释委员会的决定。但是，对犯人在假释之后的行为作出判断，本来就是假释委员会应该做的，贝克说。唯一的区别在于，现在他们是借助计算机分析技术来评判，而以前，几乎只能靠委员会成员的主观臆测。

在质疑中前行

自从孟菲斯警局在作出主观判断的同时，加入了越来越多的计算机分析，5年来，严重的财产和暴力犯罪率下降了惊人的25%。但是，尽管从表面上看，这一成就都归功于“预测警务”，我们仍然很难判断，在孟菲斯或者其他地方，犯罪率的下降究竟在多大程度上，是因为计算机软件的功劳。在美国，和孟菲 斯规模相当的其他城市的犯罪率也在大幅下降，但其中一些城市并没有实施类似“蓝色粉碎”项目的行动。

而且，就像每位犯罪统计学家都知道的，你所选择的作为参照的年份（即以后每年的情况都会与这一年相比较），对最终结果的影响会非常大。以孟菲斯为例，选择2006年作为参照年 份算是比较合理的，因为“蓝色粉碎”项目就是那一年在孟菲斯开展起来的。但是，2006年恰恰是本世纪头10年中犯罪率最 高的一年，这就是说，以2006年为参照，后面几年的情况似乎 都有较大程度的改善。还有一种对比方式是，拿“蓝色粉碎” 行动开展以来这5年（2006年—2010年）的平均犯罪率，与此前5年（2001年—2005年）的数据做比较。如果以这种方式来 看这几年的变化情况，孟菲斯的犯罪情况其实并不那么乐观： 在这10年的后半段，财产犯罪率仅下降8%，而暴力犯罪率上 升了14%。

“蓝色粉碎”项目于2006年启动不是巧合，也不是故意在 统计学上耍小聪明，而是因为犯罪率当时已经到达顶峰，布兰廷汉姆说。“2006年时，我们意识到，过去两年的犯罪率一直在 攀升，而我们当时的工作都没有起到任何效果，”他说：“我们 当时必须要有新动作。”布兰廷汉姆指出，警方在“蓝色粉碎” 项目中采用了很多种方法，其中就包括“热点执法”（hotspot policing）这种业已通过大规模研究严格论证的有效手段，犯罪率也从2006年起逐年下降。但是，“‘预测警务’的效果已经得到证实了吗？”他问道，“这就是说，对于这种方法，你提出任何质疑都是合理的。”

执法领域的各类人士也试图找出答案，美国国家司法研究 所（National Institute of Justice）已经插手此事。他们最近给美 国7座城市的警察局划拨了专款，包括波士顿、芝加哥、纽约、洛杉矶、华盛顿，希望通过严谨的对照实验来评估“预测警务” 的效力。例如，洛杉矶警察局和布兰廷汉姆将会开展一个比较 实验，看用了“重复受害模型”与没有用该模型的地区，在犯 罪率上有什么不同。为了保证结果的准确性，所有城市的评估 结果都将再次接受兰德公司（Rand Corporation，美国最重要的 以军事为主的综合性战略研究机构）的评估。布兰廷汉姆对此表示了谨慎的乐观，“我们即将跨入一个新的警务时代”。也许，他的这句话很快就能得到证明。

詹姆斯 · 弗拉霍斯的报道领域涵盖科学、技术与 旅游。他是美国《国家地理探险》杂志（National Geographic Adventure ）的创刊编辑之一，还常常为《纽约时报杂志》（New York Times Magazine ）、《国家地理 旅行者》（National Geographic Traveler ）、《大众科学》 （Popular Science ）及《大众机械》（Popular Mechanics ） 等杂志撰稿。

（撰文：詹姆斯·弗拉霍斯（James Vlahos） 翻译：张燕晶 来源：环球科学）