据说今年的柯南剧场版又能在中国上映了. 作为一个二十年柯南老粉, 我决定跟大家聊一聊人工智能和侦探的故事.
警用 AI 其实已经不算是新鲜话题, 各种安防, 巡逻, 审讯技术, 包括各种警械, 都已经可以找到 AI 的身影. 但在案件的核心侦破环节, 也就是需要用到大侦探亲自登场的时候, AI 还只是一个初出茅庐的见习侦探.
好在 AI 这东西有几个绝招, 在人类同行面前还是具有一些优势的. 张学友演唱会上的人脸识别若干连杀, 或许可以看做 AI 破案的一次小试牛刀 -- 毕竟热爱音乐的犯罪分子是自己暴露在重点监控范围里的.
而在近一年多时间里, 一件有意思的事是 AI 开始更多参与到正儿八经的案件侦破里. 这一方面是因为城市智能监控系统的不断完善, 另一方面也跟 AI 处理复杂数据的能力提升有关.
综合来看, AI 侦探可以在案件侦查和推理时, 做到三件人类很难做到的事. 这三个绝招又常常是连环出击, 一体化办案, 已经让我们看到了很多疑难案件新的曙光.
个子很小(小到根本看不见), 善于动用科技装备(摄像头, 传感器), 习惯于躲在人类背后说话...... 感觉 AI 侦探的代言人已经呼之欲出了.
AI 破案的三个绝招分别是:
利用智能摄像头, 找到隐藏的证据
就在上个月, 衢州警方刚刚公布了一个案例. 利用阿里云的 ET 城市大脑技术, 警方破获了一个长达 6 年的 "电鱼案".
钱某夫妇从 2012 年开始, 就在钱江源国家公园的主要支流信安湖里非法电鱼, 然后倒卖给固定下家, 再将鱼流通进菜市场. 6 年里夫妻俩非法获利 60 万元, 俨然靠电鱼奔小康的节奏.
而这个案件的难点在于, 按照法律规定, 非法电鱼必须达到 500 公斤才能立案. 而实际侦破过程中犯罪嫌疑人都不会一次携带这么多鱼. 导致很难人赃俱获, 达到立案标准.
利用遍布城市的智能摄像头, AI 破案的逻辑是通过识别和锁定犯罪嫌疑人的特征, 来准确捕捉嫌疑人的行动路线. 从电鱼到运输再到销赃, AI 天网很容易就记录下其犯罪的全过程.
类似的 AI 取证技术, 在很多案件的实际侦办过程中都能用到.
比如在有些偷盗, 非法捕猎, 盗窃公共财产案件中, 由于单次涉案金额普遍轻微, 嫌疑人经常打着 "被抓到就认倒霉, 反正大部分时候抓不到" 的态度, 让警方十分难办. 而基于 AI 摄像头的人脸识别, 特征识别和运动轨迹跟踪能力, 可以准确发现那些不容易找到的证据. 还可以有效找到嫌疑人的同伙, 留下销赃, 藏匿赃物的证据. 这类工作不用 AI 的话只能依靠办案人员跟踪和群众举报, 效率上较差, 留存证据也十分困难.
AI + 摄像头的另一个作用, 是可以大幅度提高警方跟踪的效率. 侦查员与 AI 摄像头协同工作, 可以让跟踪变得难以提防, 从而加快破案进度.
人眼找不到的, 天眼来找, 这在某种程度上对区域安全是一个质的提升.
在庞大数据中发现线索
大部分普通人都会觉得, 犯罪分析是一个脑力劳动, 讲究的是侦探和犯罪分子斗智斗勇, 灵光一闪就知道犯罪分子的真实身份了.
然而现实是, 犯罪分析是一个绝对的劳动密集型工作. 推理和技术侦查固然重要, 但绝大部分时候还是要靠看无穷无尽的档案资料, 查看数量巨大的视频监控, 接听无数举报电话.
这些工作在数据累积到了一定程度后, 会变成警力根本无法负担的任务. 当年抓捕周克华的时候, 曾经调集大批警力 24 小时看监控视频. 而一般案件显然无法聚集这么多警力, 那么在茫茫人海的城市中, 找到一部车, 一个人, 就变成了非常困难的 "数据挑战".
AI 技术的另一个能力, 多元数据处理和跨平台数据处理, 就在这个时候显现出了价值. 今年年初的时候, 深圳市曾经快速破获了一个拐骗儿童案. 利用华为云与深圳合作的智能安全系统, 警方对拐骗者的模糊照片进行了全城监控数据中的图像搜索. 依靠 AI 快速的图像识别与处理能力, 很快锁定了嫌疑人的位置. 从报案到抓捕, 仅仅用了 19 个小时时间.
类似的 AI 处理海量信息能力, 最大的价值在于可以解放大量人工操作时间. 对视频, 音频, 文档等资料进行有条件筛选与结构化分析, 将漫长的搜寻任务在分钟级的时间完成. 比利时警方在去年还曾经引入 AI 的数据处理能力, 来监控恐怖袭击可能爆发前的社交网络异动, 银行资金流动等情况, 希望能够用 AI 来跟恐怖主义争抢时间.
对于绑架, 拐骗, 交通肇事逃逸等案件来说, 数据处理时间基本意味着一切. 一旦犯罪嫌疑人失去踪迹, 案件的破获难度和社会危害就会膨胀.
人机协作的案件侦破方式, 在今天的数据爆棚年代已经成为了必然选择.
理清案件背后的复杂关系
一位刑警朋友, 曾经给我介绍过案件侦破过程里的一个难点: 给犯罪团伙整理口供.
由于紧张害怕, 抗供心理, 再加上犯罪份子普遍文化素质不高, 一个犯罪团伙落网后, 经常会对团伙间的关系说的乱七八糟, 彼此很难吻合. 谁是主谋, 谁是从犯, 犯罪动机如何, 经常会在口供中复杂的关系里被弄得十分凌乱.
案件侦破里的这种状况, 可以看做一个数据文本分析问题. 如果我们整理清楚数据特征, 搭建好彼此的关系, 就很容易识别其中谎言和矛盾的地方. 这也是一个 AI 可能比人类更擅长的课题, 尤其是在案件关系过于复杂之后.
刑侦工作里, 有一个名词叫做案件串并. 是说如何把不同的犯罪事实归结到一起, 弄清楚一个人或团伙若干次犯罪事实.
对于情形复杂的团伙犯罪和体系化犯罪中, 案件串并尤其重要, 却也需要耗费大量的人力物力才能完成. 比如电话诈骗犯罪, 不同的嫌疑人有不同的犯案特征, 不同的诈骗方式以及所使用银行卡等犯案工具. 但由于受骗者可能来自不同地区, 受骗经历也不相同. 想要进行全国范围内的案件串并就很艰难.
在 AI 应用中, 针对类似情况比较知名的是认知计算技术. 利用文本归纳, 文本特征提取, 语义理解等方式, 来抽取犯罪行为中的相似性, 提醒警方进行并案处理.
类似 AI 技术, 已经广泛使用在情报分析和商业组织分析当中, IBM i2 系统就是这类 AI 应用的代表. 而在刑侦领域, 我国也已经开始出现类似应用, 来辅助侦查员在笔录, 回访, 现场勘查记录等资料中整理文本特征, 分析并案可能.
除了电话诈骗之外, 需要大量应用 AI 进行文本分析, 理清犯罪团伙关系的是金融犯罪和传销. 金融犯罪当中, 往往涉及复杂的账户, 公司和法人关系, 错综复杂到一团乱麻. 这种情况下, 利用 AI 进行特征分析, 理清金融关系, 就变得尤为重要.
(IBM i2 进行的人物关系分析)
在传销网络里, 受害者和传销上线, 组织者往往混为一体, 在破获后很难对其进行甄别. 根据口供体系等散乱资料, 对组织内部关系进行整理, 也是 AI 在破案中发光发热的一个角度.
显然, 在成为名侦探这件事上, AI 已经具备了 C 位出道的感觉. 当然, 代替人类独挡一面的 AI 侦探并不靠谱, 但随着不可取代性日益加强, 刑侦中的 AI 技术与城市智能平台已经显现出了价值. 近一年左右时间中 AI 破案事件直线上升, 是一个非常值得关注的现象.
这么一想, 写一个大数据 + AI 主题的推理小说, 好像也挺不错的.
来源: http://ai.51cto.com/art/201808/581887.htm