巡警約瑟夫·坎寧安和我正在搜捕罪犯。不是普通的騙子，而是入室盜竊犯。而且不僅僅是在任何地方：雖然孟菲斯市覆蓋 315 平方英里，但我們的搜尋區域已縮小到城鎮中犯罪猖獗地區僅有的幾個街區的低矮磚砌公寓樓。搜尋的日期和時間也已嚴格限定——星期四，下午 4 點到晚上 10 點之間。輪班現在開始。“我不指望今晚會有任何汽車追逐，但如果發生追逐，請務必繫好安全帶，”坎寧安在我們駛出車站時說道。
在 6540 號警車中，坎寧安和我到達了他的報告標記的區域。我們正在搜尋潛在的入室盜竊犯——“我正在尋找看起來無處可去的人，”坎寧安解釋道——以及一個特別的嫌疑人：一個名叫德文的男子，他可能是一連串該地區入室盜竊案的幕後黑手。坎寧安在儀表板上的觸控式螢幕上調出了德文的照片。
我們慢慢地駛入其中一棟樓的停車場。一個路過的男人抬起頭，注意到我們，然後匆匆躲進了一個內部庭院。坎寧安猛踩油門，我們繞著綜合樓的三面飛馳，尖叫著剎車，及時攔截了從另一邊走出來的那個男人。坎寧安跳下車，跑到那個男人面前。“等一下，”他說。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和思想的具有影響力的故事的未來。
任何優秀的警察都知道他轄區的“聚寶盆”，即犯罪最常見且最容易逮捕的地方。但坎寧安的街頭智慧今晚得到了社會學家、調查員、數學家和一個裝滿計算機的房間做出的犯罪預測的幫助。孟菲斯警察局 (MPD) 和孟菲斯大學之間的合作被稱為 Blue CRUSH（犯罪削減利用統計歷史），這項行動被認為有助於將全市重大財產和暴力犯罪數量自 2006 年啟動以來減少了 26%。汽車盜竊、搶劫和謀殺案驟降了 40%。
數字運算在警察工作中並不新鮮——紐約市警察局廣受模仿的 CompStat 計劃就是例證，該計劃在 20 世紀 90 年代中期推出時，為官員提供了頻繁更新的高犯罪率地區地圖。但在過去的幾年裡，所謂的預測性警務變得越來越複雜。最雄心勃勃的犯罪學家不再滿足於分析過去的資料——他們正在嘗試預測未來。
預測性警務是當今執法部門最熱門的話題之一，美國和歐洲正在進行十多項實驗性努力。然而，這種未來主義方法的骯髒秘密是，沒有人能確定它是否有效。犯罪的原因是多因素且複雜的，因此很難確定哪種策略最適合打擊犯罪。犯罪學家才剛剛開始將預測性警務工作的影響與其他降低犯罪的無數因素（例如美國人口老齡化）區分開來。所有專家確定知道的是，警察正在做一些正確的事情。在美國各地，犯罪率已降至四十年來最低水平。
當坎寧安帶著那個人的駕駛執照返回時，照片看起來與觸控式螢幕上的德文的照片幾乎一模一樣。但他的名字不符——這是認錯人了——所以坎寧安再次下車，讓那個人離開。“他今天真幸運，”他說。
犯罪現場
預測性警務聽起來像是作家菲利普·K·迪克想象的可怕未來，確實，他 1956 年的短篇小說《少數派報告》（後來被改編成史蒂文·斯皮爾伯格的電影）描述了一個未來，警察部門在罪犯實施犯罪之前就攔截了他們。在現實生活中，這種方法依賴於犯罪分析師和計算機軟體，而不是坐在黑暗房間裡的變種人的幻象。它也不會告訴你誰可能犯罪。相反，它會為其他一切產生最佳猜測：什麼型別的犯罪以及何時何地會發生。“有些人說你無法預測未來會發生什麼，”MPD 犯罪分析經理約翰·威廉姆斯說。“好吧，我們說，‘是的，你可以。’”
儘管有反烏托邦的色彩，但這種做法僅僅是預測分析領域的一個引人注目的例子，與艾森豪威爾時代設想的噴氣揹包和火箭汽車不同，它在今天很常見。
當亞馬遜使用口味猜測演算法推薦書籍時，這就是預測分析。信用卡公司使用占卜計算機程式來標記不安分的客戶，並在他們跳槽到另一張卡之前為他們提供更好的利率，而藍十字希望預測個人保單持有人在未來幾年需要哪些醫療服務。
人類傳統上依靠專業知識和直覺來預測未來。人們也很擅長這些直覺預測，正如馬爾科姆·格拉德威爾在他 2007 年的熱門著作《眨眼之間》中所說明的那樣。但預測分析的倡導者表示，我們每天透過相機、計算機和智慧手機生成的資訊量已經變得難以理解地龐大。“商業和政府資料集的衡量單位不再是兆位元組或千兆位元組，而是太位元組甚至拍位元組（1,000 太位元組），”伊恩·艾爾斯在他 2008 年的頗具影響力的分析著作《超級運算者》中寫道。那麼，反眨眼之間假說是，我們迷失在資訊海洋中，資訊量過於龐大，任何人類大腦都無法智慧地導航。具有遠見的機器應運而生。
在警察工作中，每一次服務電話、交通攔截、人行道採訪和逮捕都會產生資料，這些資料以可操作的線索的承諾誘惑著分析師——只要他們能夠從堆積如山的資訊瓦礫中挖掘出來。調查員歷來都是手動讀取統計資料的，從檔案儲存中提取成批的舊記錄，或者僅僅憑感覺意識到正在發生一些可疑的事情。CompStat 將定期的、半自動化的資料分析引入警務，但自早期以來發生變化的不僅是被記錄的資訊量，還有計算機輔助分析的速度。“我們過去每年都會檢視我們的犯罪統計資料，然後說，‘哇，看看發生了什麼，’”洛杉磯警察局 (LAPD) 分析工作負責人肖恩·馬林諾夫斯基隊長說。“然後我們開始每月、每週、每天，現在即時檢視。”
孟菲斯預測性警務的總部是即時犯罪中心，它以適合打擊犯罪者的堡壘的方式，隱藏在市中心一棟樸素的辦公樓的四樓。威廉姆斯帶我走過十幾位分析師，他們坐在體育場式的階梯座位上，敲擊著電腦。投影螢幕顯示著城市中佈滿圖示的地圖和監控攝像頭的即時畫面，覆蓋了前牆和側牆。新聞捲軸在一個螢幕的頂部滾動，顯示最新的報告犯罪，例如“機動車盜竊，下午 12:30:46”。
在會議室裡，威廉姆斯向我介紹了 W. 理查德·賈尼科夫斯基，他是孟菲斯大學的犯罪學家，也是 Blue CRUSH 的最初遠見者之一。該專案的種子是在警方尋求他的幫助以應對該市的性侵犯率時播下的，該市二十年來在全國排名第一或第二高。賈尼科夫斯基召集了受害者焦點小組，並親自走訪了襲擊地點。但最深刻的見解來自大約 5,000 起強姦案的大量警方報告資料——時間、地點、襲擊描述。分析顯示，許多受害者在類似情況下遭到襲擊：晚上離開家使用安裝在便利店外的公用電話時。警方告訴便利店老闆將公用電話移到室內，果然，孟菲斯的強姦案數量很快下降。
這本質上是預測性警務 1.0 的一個例子。賈尼科夫斯基及其公司使用分析軟體來深入瞭解最近發生的事情，他們理所當然地認為，類似的犯罪將在不久的將來再次發生。從那時起，預測技術變得更加強大，使警方能夠發現隱藏在更大的資料集（多達數十萬條記錄）中的模式——將訊號與周圍的噪音分離的過程，這將使典型的調查員不堪重負。
方法論也變得更加複雜。未來並不總是反映過去，因此犯罪學家必須識別個體因素，並梳理出它們單獨和組合的影響。加州大學洛杉磯分校的預測性警務專家 P. 傑弗裡·布蘭廷厄姆解釋了根本挑戰：“考慮到今天的一系列犯罪，我們能否建立一個數學模型，並說出在機率意義上，明天的犯罪模式可能是什麼樣子？”他問道。
因此，預測性警務 2.0 看起來像是弗吉尼亞州里士滿發生的事情，與孟菲斯的情況一樣，里士滿也使用 IBM 開發的分析軟體。警方計算機按一天中的時間、一週中的天和一個月中的天來分析每起犯罪。犯罪地點按街道地址以及靠近 ATM、公園和酒吧等場所的距離進行解析。計算機配備了當地主要僱主（如菲利普·莫里斯）的工資日以及當地音樂會和體育場館的日程安排。從槍支展的時間到天氣和月相，一切都被認為是潛在重要的。
評估所有這些因素可能如何影響未來的犯罪，需要人與機器之間的夥伴關係，雙方各有所長。MPD 中校豪威爾·斯塔恩斯說，計算機更擅長標記統計趨勢，但警察仍然必須解釋它們。“除非你找到了解他所在轄區的街頭警官，否則你不會知道是什麼導致了犯罪，”他說。“這就是你必須關注的。不是說你遇到了問題——而是什麼導致了這個問題。”
預測性警務的過程通常從警察的直覺開始，例如搶劫案往往會在工資日期間在 ATM 機附近增加。計算機分析可以確定這種直覺是否有效，併為理論增加細微差別。例如，事實證明，特定 ATM 子集周圍的搶劫案在工資日增加得最多，因此警察應優先駐紮在那裡。在里士滿，警方感覺在鎮上舉辦槍支展後，暴力犯罪有所增加。計算機分析證明他們基本上是對的——暴力犯罪風險並非像預期的那樣在展會後的週末達到頂峰，而是在兩週後達到頂峰。
然而，計算機遠遠超過了單獨工作的人類，因為它們具有驚人的處理能力，並且具有不受人類先入之見矇蔽的優勢。在 2007 年出版的《資料探勘與預測分析》一書中，作者兼前警察科琳·麥丘描述了弗吉尼亞州的犯罪學家在分析什麼型別的人會成為強姦犯時做出的違反直覺的發現。“毫不奇怪，先前犯罪歷史可靠地成為最可預測的變數，”麥丘寫道。“然而，令人震驚的是，先前的財產犯罪實際上比先前的性犯罪更能預測陌生人強姦犯。”特別是，以前闖入過住宅但幾乎沒有偷走任何東西的罪犯最有可能在以後強姦。他們可能是在尋找受害者，而不是想偷東西。因此，將來，當計算機標記出一連串沒有偷走任何東西的入室盜竊案時，需要提醒居民注意他們中間的強姦犯。
預測軟體甚至不需要從人類監督員的理論開始，儘管這可能會有所幫助；計算機可以轉而搜尋大量資料並自動設計預測演算法，這個過程稱為規則歸納。將一組資料輸入計算機，軟體將跟蹤導致犯罪的因素組合，從而提示對新組合如何影響整體未來風險進行猜測。例如，當槍支展安排在天氣預報預報熱浪的同一個週末，或者在即將到來的工資日的晚上將出現滿月時，可能會發生什麼？
里士滿的警察基本上可以將預測想法拋向牆壁，無論多麼古怪，看看什麼能堅持下來。每次他們引入一個新的候選因素（如家長教師協會學校會議的日程安排）時，他們都會在預測的未來過去後重新評估模型。該模型在預測實際發生的犯罪方面有多好？“最後，該模型可能只利用候選因素的子集，”IBM 軟體工程師比爾·哈菲解釋說，“但正是這個子集構成了最準確的模型。”
預言家偵探
已故的傑克·梅普爾，當時是紐約市交通警察，在 20 世紀 80 年代透過在地圖上用蠟筆和圖釘繪製地鐵暴力犯罪，啟動了現代資料驅動的警務。他稱它們為“未來圖表”。這是一個朗朗上口的名字，讓人聯想到迪士尼式的對更美好未來的憧憬，也是一個具有先見之明的名字；今天，近二十年後，地圖仍然是預測性警務的關鍵工具，即使它們反映的分析已經變得更加複雜。
在孟菲斯，我參加了每週一次的 Blue CRUSH TRAC 會議——即跟蹤責任、問責制和可信度會議。在一個大型會議室裡，該市的八個轄區指揮官輪流登上講臺，討論他們轄區最新的犯罪情況。他們身後的投影螢幕上顯示著標有犯罪象徵圖示的地圖——拳頭、破窗戶和偷東西的小人——每個圖示代表過去一週的單起犯罪事件。
然而，預測性警務方法利用的變數遠多於近期犯罪的時間和地點。在孟菲斯，分析師可能會首先調出一張顯示近期入室盜竊案的地圖。然後，他可以顯示學區報告的近期曠課的所有學生的家庭住址。第三層資料將表明哪些逃學學生有過去的入室盜竊罪定罪記錄。當一切都吻合時——在有犯罪記錄的逃學學生的家附近發生入室盜竊案——就該走上街頭，嘗試當場抓住小偷了。或者出現在逃學學生的家中。“你去敲門談話，然後，瞧，你發現偷來的東西堆滿了整棟樓，”即時犯罪中心經理約翰·哈維說。
這些演算法也開始整合犯罪學家的最新理論。例如，傳統觀點認為，精明的罪犯不會返回犯罪現場。但加州大學洛杉磯分校的布蘭廷厄姆和聖克拉拉大學的數學家喬治·O·莫勒分析了來自洛杉磯警察局的數千份入室盜竊事件和逮捕報告，得出了他們的發現，結果表明，成功的入室盜竊犯確實會這樣做。“從罪犯的角度來看，回到你昨天闖入的房子是一個好策略，”布蘭廷厄姆說。“你知道房子裡有什麼。你知道如何快速進出。”更重要的是，他們發現，附近其他房屋的入室盜竊風險也大大增加，因為它們通常具有相似的佈局和型別的財產，這使得它們成為有吸引力的目標。
布蘭廷厄姆和莫勒此後發現了搶劫、幫派暴力和盜竊汽車的重複受害效應。他們確定了這種效應的延伸範圍——在入室盜竊案中約為兩英里——以及風險水平在原始犯罪發生後的幾天和幾周內如何變化。然後，他們開發了包含這些發現的預測演算法，建立了一個預測模型，該模型已被證明在預測未來犯罪方面比假設未來將與過去完全相同的經典模型準確度高出 10% 到 20%。
在孟菲斯的 Blue CRUSH TRAC 會議上，每個轄區的地圖都標有兩個到三個“重點區域”，預計未來一週的犯罪活動將在這些區域最為猖獗。要點列表列出了要警惕的特定犯罪以及時間。這就是巡警坎寧安和我被告知在當天下午 4 點到晚上 10 點之間在格里爾街地區注意入室盜竊犯的原因。
預測還告訴我們，當我們在當晚晚些時候在另一個高風險區域——奧蘭治芒德社群巡邏時，我們接到了求助電話。當我們到達時，另外兩輛警車，車頂燈旋轉著，將一輛黑色尼桑汽車逼到路邊。坐在後座的那個男人身上有近兩盎司的大麻、幾百美元和一個巧妙偽裝成 iPhone 的秤。當其中一名警官問他秤是做什麼用的時，嫌疑人坦誠地承認自己是毒販，儘管他對自己的第五修正案權利並不尊重。“有時我的顧客認為我想騙他們，所以我必須稱一下產品，”他說。
犯有預謀謀殺罪
毒販被戴上手銬，安靜地坐在車後座。當我們把他送到縣監獄時，警察無線電裡傳來呼叫：“6011 公寓，裡奇韋和希科裡山。報告有槍擊事件。”第二天早上，我在網上閱讀了有關該事件的報道。受害者的名字叫克勞德·布雷克，一位 56 歲的退伍軍人，現在在棒約翰披薩店工作。他剛送完外賣，兩名青少年走近他，索要錢財。他拒絕了。其中一名青少年開槍擊中了他。他死了。
即使在孟菲斯這樣的大城市，謀殺案也很少發生。該市在 2010 年報告了 25,324 起盜竊案，但只有 90 起謀殺案，這種統計上的罕見性使得不可能生成一種可靠的演算法來在殺手行兇前抓住他們。布雷克的謀殺案發生在坎寧安巡邏的重點區域之外，每週報告也沒有嘗試預測如此暴力犯罪。即使像賈尼科夫斯基這樣的信徒也很快指出，猜測，無論多麼高科技和受過良好教育，也只能帶你走這麼遠。“我更願意將我們所做的事情描述為‘犯罪預測’，而不是‘犯罪預測’，”他說。這門科學是不完善的。
然而，即使警察無法預測謀殺案可能在哪裡發生，一些研究人員認為，我們可以更好地確定誰可能實施謀殺案。賓夕法尼亞大學犯罪學教授理查德·伯克開發了一種演算法，可以估算假釋或緩刑人員殺人的機率。該演算法基於對數萬起案件的回顧，包括年齡、性別、犯罪型別和首次犯罪日期等變數。“在將要開槍的人中，該演算法在大約 100 次中正確預測這些結果約 75 次，”伯克說。
如此強大的犯罪預測技術提出了一個令人不安的問題：我們是否在人們犯下罪行之前就判定他們有罪？像布蘭廷厄姆這樣的研究人員說，Blue CRUSH 等計劃並非如此。“這不是關於預測特定個體的行為，”他說。“而是關於預測特定型別犯罪在時間和空間上的風險。”使用他的分析工具的警察部隊並沒有在自由公民犯罪前就將他們關起來；相反，他們將額外的巡邏人員引導到最有可能出現危險人員的地區。
與此同時，伯克的工作似乎更接近道德底線。假釋委員會正在受到伯克關於哪些囚犯過於危險而無法釋放的調查結果的影響。然而，對未來犯罪行為做出判斷正是假釋委員會應該做的事情，伯克說。唯一的區別是，他們現在正在使用計算機分析來增強他們以前幾乎完全憑直覺所做的事情。
毋庸置疑
自從 MPD 開始用計算機分析來增強其直覺以來，嚴重的財產和暴力犯罪下降了令人印象深刻的 26%。然而，儘管所有明顯的證據都支援預測性警務，但很難知道在孟菲斯和其他地方看到的犯罪率下降有多少是軟體的結果。孟菲斯附近的大多數其他美國城市也報告了犯罪率的顯著下降，並非所有城市都實施了類似於 Blue CRUSH 的行動。
此外，正如任何犯罪統計學家都知道的那樣，您為基線選擇的年份——所有未來的收益都將以此來衡量——在您的結果看起來有多令人印象深刻方面起著至關重要的作用。對於孟菲斯來說，與 2006 年進行比較是有意義的，因為那是 Blue CRUSH 在全市範圍內推廣的年份。但恰好 2006 年是整個十年中犯罪率最高的一年，這使得之後的所有年份相比之下看起來都不錯。檢視統計資料的另一種方法是將 2006 年至 2010 年這五年 Blue CRUSH 年份的平均犯罪率與 2001 年至 2005 年的前五年進行比較。從這個角度來看，孟菲斯發生的事情並沒有那麼神奇：後十年財產犯罪略有下降 8%，而暴力犯罪實際上上升了 14%。
賈尼科夫斯基說，Blue CRUSH 在犯罪率達到頂峰時推出並非巧合，也不是試圖進行統計欺騙。“[在 2006 年] 我們知道，過去兩年犯罪率一直在上升，而我們所做的一切都沒有奏效，”他說。“我們必須嘗試一些新的東西。”他指出，Blue CRUSH 行動中的許多方法，例如熱點警務，實際上已在嚴格的大規模研究中得到驗證，並且自 2006 年以來，犯罪率逐年下降。但是“預測性內容本身是否已得到科學證明？”他問道。“關於這一點，你可以合理地提出疑問。”
由於執法部門的人們都在尋找答案，國家司法研究所也參與了進來。它最近向美國七個城市警察局（包括波士頓、芝加哥、紐約、洛杉磯和華盛頓特區）發放了撥款，以評估預測性警務在精心控制的測試中的有效性。例如，洛杉磯警察局和布蘭廷厄姆將比較城市中使用他的重複受害模型的地區的犯罪率與不使用該模型的地區的犯罪率。為了增強公正性，所有城市研究的結果還將由蘭德公司進行額外審查。布蘭廷厄姆謹慎樂觀：“我們正處於警務新時代的風口浪尖，”他說。他很快就會證明這一點。
本文最初以“預防犯罪部門”為標題在印刷版上發表。