AI新算法提前一周预测犯罪，生存率达90%

美国科学家开发借助于了一种人工智能（AI）新迭代，通过从恐怖主义和财产刑事犯罪的公共数据中都研习时间和地理位置的模式来预期刑事犯罪。该建模可以提前一周预期更进一步的刑事犯罪活动，比部将约为90%。该建模也揭示了警察在纠察每一次中都的某些成见。无关研究发表于已经有的《大自然·人类行为》杂志。

机器研习和人工智能层面的技术革新激起了各国当地政府的兴趣，他们希望利用这些工具推展预期性警务来促使刑事犯罪。鉴于此，麻省理工学院科学家开发借助于了一种新迭代，以提前预期刑事犯罪。

研究学术著作资深作者、麻省理工学院外科助理大学教授伊沙鲁·查托帕德哈伊博士及其熟人，利用洛杉矶市恐怖主义刑事犯罪（杀人、袭击、爆炸等）和财产刑事犯罪（入室不法分子、机动车不法分子等）的历史数据，对该人工智能工具进行了测试和检验。

研究人员指借助于，以前的刑事犯罪预期工具忽略了卫星城复杂的社会状况，并且很难权衡刑事犯罪与警察纠察优点之间的关系。而新建模通过观察离散惨案的时间和空间坐标，发现能预期更进一步惨案的模式，以此来已确定刑事犯罪，比部将达90%。新迭代将卫星城区分为大约1000英尺宽的空间块，并预期这些区域内的刑事犯罪，而非依赖传统的邻里关系或社会变革边界，因为这些也会让人产生成见。研究团队用来自美国其他7个卫星城——亚特兰大、奥斯汀、底特律、纽约、费城、克利夫兰和旧金山的数据测试了该迭代，其表现举例来说借助于色。

而且，研究团队还通过比对刑事犯罪惨案频发后的扣押多人并比较不同社会在经济上地位生态村的扣押部将，来研究警察对刑事犯罪的反应。他们发现，贫穷地区的扣押部将比较较低，中下阶层生态村的扣押部将相比之下较低。然而，在贫困生态村刑事犯罪并很难导致更多人被捕，这表明警方在针对刑事犯罪作借助于反应和纠察方面不存在成见。

查托帕德哈伊还强调，该工具比部将较低，并不意味着它应该用于指导工作纠察，相反，它应该被添加到增大刑事犯罪的卫星城政策和警务战略工具包中都。