人們運(yùn)用各種工具想預(yù)測犯罪實(shí)行有些年頭，但過去人們選擇使用哪種模式預(yù)測犯罪時(shí)，選擇本身就充滿偏見。此外，也有執(zhí)法人員使用犯罪預(yù)測模型過于狹隘，結(jié)果造成錯(cuò)誤針對(duì)特定人士缺失。隨著AI算法日新月異，不但能為犯罪預(yù)測模型輕松排除上述缺失與問題，人們甚至可直接問算法更復(fù)雜的問題，如：如果財(cái)產(chǎn)型犯罪上升，暴力型犯罪會(huì)發(fā)生什么變化？
根據(jù)刊登于《自然─人類行為》（NatureHumanBehavior）期刊研究指出，芝加哥大學(xué)社會(huì)科學(xué)家開發(fā)出城市犯罪預(yù)測算法，將城市切分成每塊只有1,000立方英尺（約302.5平米）區(qū)塊測試，結(jié)果準(zhǔn)確率高達(dá)90%。
研究人員使用芝加哥暴力犯罪與財(cái)產(chǎn)犯罪的歷史數(shù)據(jù)文件來測試自家模型，模型會(huì)隨著時(shí)間逐步檢測這些區(qū)塊的犯罪模式，并試圖預(yù)測未來可能的犯罪事件。研究人員并使用亞特蘭大、落杉磯及費(fèi)城等其他大城市的數(shù)據(jù)文件測試模型，準(zhǔn)確度表現(xiàn)一樣好。
過去一些預(yù)測模型會(huì)認(rèn)為犯罪集中所謂的“熱點(diǎn)”處，然后再從熱點(diǎn)擴(kuò)散到周圍區(qū)域。這種預(yù)測方法往往會(huì)忽略城市復(fù)雜的社會(huì)環(huán)境，以及犯罪與警察執(zhí)法力的微妙關(guān)系，造成偏見。
此外，2012年芝加哥警察局（CPD）聯(lián)手學(xué)術(shù)研究人員共同實(shí)施“犯罪與受害風(fēng)險(xiǎn)模型”（CrimeandVictimizationRiskModel），會(huì)生成所謂“策略性對(duì)象”清單，也即根據(jù)年齡和被捕記錄等因素判定的潛在受害者及行兇者名單。模型并提供分?jǐn)?shù)，以為判定名單人需監(jiān)控之迫切程度依據(jù)，2017年《芝加哥太陽報(bào)》（ChicagoSun-Times）調(diào)查指出，模型判定為潛在犯罪者的人，近一半從未非法持有槍支，另有13%從未犯嚴(yán)重罪行。
反觀芝加哥大學(xué)研究人員設(shè)計(jì)的工具及模型，采用成千上萬個(gè)社會(huì)學(xué)模塊計(jì)算特定時(shí)間和空間的犯罪風(fēng)險(xiǎn)，所以能排除偏見與狹隘因素，有效提升犯罪預(yù)測模型的準(zhǔn)確率。
（首圖來源：CityofChicago）
