在电影《少数派报告》中，犯罪已经消失，而未来是可以预知的。人类发明了能侦察人的脑电波行为的智能机器“先知”。“先知”能预测出人的犯罪企图，所有罪犯在实施犯罪前就会被犯罪预防组织的警察逮捕并获刑。
如今，这种类似的场景正在洛杉矶警察局的实时犯罪预警中心上演：一堵高耸的电脑屏幕墙上显示着洛杉矶地区的电子地图，地图上正不停地闪烁着，每一次闪烁都代表着那个地区可能即将发生一次犯罪活动。公安指挥中心根据地图上的实时预警，及时向预警地区派遣警力，阻止犯罪。
巡逻“热点”把控犯罪信息
每天清晨，洛杉矶治安巡警们的电子设备会收到一份当日的“犯罪预测电子地图”。在这份电子地图上，红色小方框所在的位置代表着这个地区在当日极有可能会发生犯罪活动。所以巡警们会在这个犯罪“热点”地区提高警惕，加强巡逻。
很快，巡警们在“热点”地区收到了来自实时犯罪预警中心的警告信息：帮派斗殴即将发生，盗窃案即将发生，抢劫即将发生…… 巡警要采取相应行动去阻止这些所谓的犯罪嫌疑人进行犯罪活动。
洛杉矶警察局是第一个跃进大数据时代、采取大数据公安警务模式的公安机构。它与数据分析公司 Palantir 合作建立了实时犯罪预警中心。Palantir 通过对社交网络中的海量数据进行挖掘分析，以追踪有关恐怖分子的信息情报，并在美军击毙本拉登的行动中为美军提供了重要的情报。
Palantir 为洛杉矶警察局提供的数据分析系统对过去大量的案件信息数据进行了挖掘分析，能将一些看似不可能的信息关联在一起，得出隐藏在背后的重要破案线索。
比如，一名正在调查一起抢劫案的警探仅需在系统中输入少量有关犯罪嫌疑人的名字信息和身体描述信息，就能找到最有嫌疑的犯罪嫌疑人。系统会迅速为警探提供嫌疑人的年龄、身体描述、地址、帮会、汽车等信息的排序选择，然后系统通过匹配已知属性，就能大大缩小选择范围，在短时间内得出最有嫌疑的结果。而在这以前，警探们是很难根据少量的破碎信息找出破案线索来的。
这个系统除了能有效提高办案效率外，关键是能做出实时犯罪预警。街道上大量的监控摄像头将画面数据实时传入预警系统中，突发的新闻报道数据也被实时传入预警系统中。系统将监控摄像头画面与后台的人脸特征数据库匹配，再加上突发的新闻报道数据，最后会自动地实时预测出那个地区目前极有可能发生犯罪的嫌疑人。另外，系统还能从网络上数以亿计的匿名聊天信息中预测出潜在的犯罪活动，找出隐藏在背后的重要破案线索。
这就是洛杉矶警察局现在的公安警务模式，也是未来的公安警务模式，也是大数据公安警务模式的开始。虽然它才刚刚开始，但是它的潜力不可忽视。
在大数据时代，未来的公安系统将以海量的数据为中心开展工作，这些数据包括公安系统长年以来收集积累下的犯罪数据、个人数据、地点数据、环境数据以及越来越多的来源于社交网络上的社交数据和来源于联网传感器和联网监控摄像头的数据。
另外，得益于人工智能技术、数据挖掘分析技术以及数据存储技术的发展，我们收集、存储、分类、分析数据的能力也将与日俱增。我们能迅速地在海量的数据中找到破案的关键线索，还能实时地在海量的数据中预测出潜在的犯罪活动。
警方可以确定哪里最有可能发生汽车盗窃案，哪里最有可能发生枪击案；还可以找出重要的破案线索，找出最有可能破坏社区稳定的犯罪网络；还可以鉴别出犯罪人员、犯罪网络以及犯罪手法。
大数据和人工智能技术为侦查案件和预防犯罪提供了强有力的手段，提高了公安系统的执法效率，并以一种看似客观和中立的方式将犯罪扼杀在了摇篮里。
偶尔也失误
和《少数派报告》中一样，预测犯罪的“先知”们也有可能会做出致命的错误预测一样，这种犯罪预警系统也有可能会做出错误预测，并产生“少数派”效应。
在这个预警系统所利用的数据中，有一大部分是来源于以往的案件信息。但是要知道，在这些以往的案件中，某些执法机构总会夹杂着对有色人种、移民、宗教、穷人等少数群体的偏见去执法，导致案件被误判。
所以，如果长期以往利用这些以往的不公正的案件数据来预测未来的犯罪的话，就会加剧对那些少数群体不公平。这就是所谓的“少数派”效应。
另外，预测系统所依赖的数据可能是错误的、虚假的。所以，基于这些错误数据所得出来的结果可能也是错误的。如果警方基于这些错误的预测去执法的话，就可能会伤害到无辜的人。
再者，这种基于大数据的实时犯罪预防手段还给民众带来了关于过度监控和数据隐私保护的恐慌。如果要获得各种各样的海量数据和及时阻止犯罪的发生，公安机构就不得不监视着公众们在 Facebook、YouTube 以及推特等社交媒体上的行为活动，就不得不在没有获得民众个人的许可的前提下擅自获取民众的隐私数据，就不得不安装大量的随处可见的监控摄像头来日以夜继地拍下人们的一举一动。
说到底还是那句话，任何新技术都是把双刃剑，关键是人们要如何权衡利用它们。就像电影《少数派报告》中一样，真理还是掌握在我们人类的选择之中。
那点关于自杀的小心思，一样逃不过AI法眼
根据世界卫生组织统计，每年约有80万人自杀身亡。评估自杀风险是心理健康临床医生面临的最大挑战之一：具有自杀想法的病人常常掩盖其自身意图，而临床医生对自杀风险的预测也一直不甚理想。因此，我们亟需不依赖于自我报告的自杀风险标记。
近日，《自然-人类行为》在线发表的一篇论文表明，利用机器学习技术表征人脑内的死亡和生命相关概念，可以高度准确地区分具有自杀想法的病人和无自杀想法的个体。该方法还可以在具有自杀想法的人中，进一步区分出哪些做出过自杀尝试，而哪些没有。
美国卡内基梅隆大学的Marcel Just、David Brent和同事向具有自杀想法的病人和对照组个体展示死亡和生命相关单词，在此过程中对他们进行功能性磁共振成像扫描。结果发现，对其中六个单词（死亡、残忍、麻烦、无忧无虑、良好和赞美）的神经活动应答以及五个脑区的神经活动最能区分想自杀的病人和对照组个体。之后，作者训练一个机器学习算法使用该信息来鉴定哪些被试是病人，哪些是对照组个体。算法准确鉴定出17位自杀组病人中的15位，以及17位对照组健康个体中的16位。之后，作者仅研究想自杀的病人，他们被分为两个小组：曾尝试过自杀（9位）和未尝试过自杀（8位）。作者训练了一个新的算法，它准确鉴定出了其中16位的情况。
自杀组和对照组的大脑稳定体素群。
Just et al.
该研究样本数量不大，因此有必要进行重复实验。尽管如此，正如Barry Horwitz在相应的新闻与观点文章Identifying suicidal young adults中所说的，如果复制并扩展到其它精神疾病群体，那么Just与同事开发出的方法与类似的功能性神经造影方法将有望成为诊断神经精神疾病的主要医学工具。
预测犯罪、监控自杀，厉害的AI可谓十八般武艺样样精通了，你想更深入了解AI技术进展和产业情况吗？那就快来“2017中国物联网大会”。本届大会将于11月9—10日在福建省福州市举办，由中国电子学会主办。
在我国经济快速发展的大背景下，“2017中国物联网大会”将以智慧城市、车联网、智能硬件等为代表的物联网新兴产业为热点。汇聚物联网主管部门、政府、专家、企业家资源，紧扣物联网的核心、热点、难点问题，深度剖析物联网产业的机遇与挑战，探讨全球物联网科技前沿发展态势，搭建物联网产学研用合作的交流平台，推动我国物联网的产业发展和应用普及。
目前，大会已经进入倒计时阶段，众多大咖将上演“华山论剑”。科猫应邀作为本次大会的合作媒体参展，将独家收录大会论坛视频，带您一睹大咖风采。
此次大会，科猫APP上设有便捷的报名通道，更有50张免费门票赠送，感兴趣的小伙伴快来报名吧！
中国科技工作者之家”科猫APP（SciMall）于今年5月25日上线，是中国科协为全国科技工作者打造的智能、便捷、有效、安全的一站式服务的综合社区，是专注科技人才知识分享与社交服务的平台。
