用电脑预测什么人可能在何时、何地犯罪？这听起来仿佛科幻电影里的情节，已经在不少国家成为现实。

    美国芝加哥警方联手信息技术和犯罪研究专家，尝试运用大数据，在当地帮派暴力集中的社区预防犯罪。成效如何？

    防患未然

    今年2月份的一个寒夜，美国芝加哥警察局女警官玛丽亚·培尼亚敲响该市南区一户人家的大门。南区是芝加哥市犯罪率最高的居住区之一，而培尼亚造访的这户人家主人，正是当地帮派“拉丁王者”的一个头目。

    不过，培尼亚此次上门并非要问讯或逮捕他，而是想和他及其母亲“谈心”，目的是救他一命。

    开门的是头目本人。“他一见是我，有点警惕，”培尼亚说。他的母亲把来访者迎进门，大家围坐在厨房餐桌边。培尼亚直视着这位母亲，开门见山道：“老实说，您希望看到您儿子去送死吗？或者，让您的小孙女成为下一个受害者吗？”

    她向脸色大变的母亲解释说，南区最近发生一起帮派间报复性枪杀，一名10个月大的女婴遇害。警方分析这起枪杀与“拉丁王者”帮密切相关，为此特意派人上门奉劝“拉丁王者”头目放弃帮派活动或报复行为，避免更多伤亡。

    培尼亚的警告并非简单主观臆断，而是警方在长期收录的犯罪数据和趋势分析基础上做出的科学预测。近年来，芝加哥警察局联手来自信息技术和犯罪研究领域专家，运用大数据、云计算和科学分析模型，预测枪击等犯罪行为可能在何时、何地、哪些人之间发生。

    基于这些预测，警方更有针对性地投入警力、锁定目标，以期防患于未然。实践证明，辖区警察上门“家访”，向可能成为受害者或犯罪者的居民提出警示和忠告，是有效预防犯罪的手段之一。

    “不是所有家庭成员都清楚知道这些家伙（帮派成员）在做什么。当你向他们的家人说明情况时，他们能看到自己母亲眼里的痛楚，”培尼亚认为，这能让一些帮派成员因顾及家人感受而有所收敛。

    2月份那次“家访”以后，培尼亚不确定“拉丁王者”头目是否彻底脱离帮派、弃暗投明，但她能确定的是，他时至今日仍好好活着，而且，与他所在帮派相关的枪杀报复行为没再继续。

    有的放矢

    利用大数据预防犯罪，是芝加哥警察局局长加里·麦卡锡上任以来力推的项目。麦卡锡认为，城市警方的执法方式正经历改变，从几十年前接到报警才“出兵”的做法，转变为扎根社区、重视预防。而随着大数据时代的来临，数据分析势必成为预防和打击犯罪的新武器。

    要想有效预防犯罪，充分了解辖区情况和人员信息是必要前提。根据芝加哥刑事委员会统计，该市目前有大约70到100个非法帮派，成员10万人左右。为此，警方与麦克阿瑟基金会、耶鲁大学、芝加哥大学等机构和院校合作，开展“芝加哥减少暴力战略”项目，在帮派集中的南区试点运行。

    约翰·杰伊刑事司法学院的犯罪预防和控制中心主任戴维·肯尼迪负责为这个项目搭建数据库。他带领团队收集记录当地帮派的基本情况，包括哪些帮派近年比较活跃，哪些比较安静，而哪些之间素有冤仇。

    “这些信息越具体，越有助于（警方）了解帮派动态，”肯尼迪说。

    耶鲁大学社会学教授安德鲁·帕帕克里斯托斯及其团队侧重为数据库收集历年案件信息。根据受害人、嫌疑人和犯罪者的具体信息，包括犯罪前科、是否入狱、庭审记录、社交圈子等，协助警方拟出一份“热名单”，预测哪些人是成为下一个犯罪者或受害者的“高危人群”。

    “热名单”帮助警方缩小行动范围，更有的放矢。例如，帕帕克里斯托斯的团队统计发现，在2006年到2011年期间，芝加哥某黑人社区平均1万人中发生55.2起谋杀案件，是全市平均水平的四倍。按照老思路，人们会认定这个社区是“危险之地”，警方也会派出大量警力在那里执勤，把那里变成“战场”。

    但大数据分析结果显示，这个社区绝大多数谋杀案其实是由一小撮犯罪分子制造，其中85%的人有犯罪前科，而这其中又有不少人与受害者同属一个社交圈。如此一来，犯罪者比例仅占全区人口4%。这意味着，警方的防范范围可以从数万人缩小到3000多人身上。

    “犯罪更关乎人际网络，而非地点，”帕帕克里斯托斯说，“运用大数据，你突然间意识到70%到80%的枪杀都发生在某个特定人际网络中，只占当地人口的3%到5%。面临危险的也不过几百人。他们是谁，警方心里更有数。”

    质疑难免

不过，掌握数据是一回事，如何让数据背后那些人彻底放下武器，是另一回事。而这正是预防犯罪最关键但也最困难的一步。芝加哥警方为此尝试一些方式，包括增强街头巡逻、上门提示犯罪风险、帮助相关家庭改善生活条件等等。

自去年7月以来，芝加哥警局已按照预测名单实施66次上门“家访”。培尼亚造访“拉丁王者”头目家时，随行同去的还有一些当地社区工作人员。他们根据这个家庭的需求，承诺提供医疗保险服务、重返校园或就业培训等机会。

但一些质疑者认为，长远来看，这样做“治标不治本”。

“问题的症结在于贫困，这一点他们没法解决，”公益机构“芝加哥公平项目”负责人特雷西·西斯卡说，“除非你上门给他提供一份正经工作，否则很难让他脱离黑帮生活。短期内，警察家访不失为一个好主意，也可能产生一定影响。但要长期实现预防犯罪，必须让这些人彻底改变生活方式。”

警方又何尝不清楚这一点。约翰尼·奥特洛经营一个非营利组织，受邀与芝加哥警察局合作，为那些有犯罪记录但愿意脱离帮派的人提供工作岗位。他本人曾身穿防弹衣，多次跟随警察上门“家访”，还成功为一些前帮派成员找到仓库搬运工、长途货运司机等工作。

还有一些人质疑，大数据预测罪犯的本质等同于“戴着有色眼镜看人”、给有犯罪前科的人“贴标签”。质疑者认为，警方不该仅仅因为一个人过去的错误而把他列入犯罪“热名单”。

对于这类质疑声音，警察局长麦卡锡反驳说：“贴标签是一种仅凭借种族、肤色或宗教信仰就划分群体的做法。我们做的是基于实践经验的科学分析，恰恰与贴标签相反。”

他说，事实上，科学的大数据分析和预测更有助于改观人们对那些高犯罪率社区的整体印象，促进社会理解和接纳这些社区中“95%的好人”。

无论遭遇何种质疑，大数据项目面临的最大考验只有一个：能否真正减少犯罪。芝加哥警方提供的初期数据鼓舞人心，该市2013年枪击案比上年减少24%；谋杀案件从503起减至414起，下降了18%。

“我认为这是全美各个警察局都需要的，”麦卡锡说，“大数据项目适用于各地，运用范围也能进一步扩大。”

相关链接：多国警方尝试“大数据”

美国加州圣克鲁斯市警方2011年开展大数据试点项目，把该市8年来的犯罪记录输入一个软件，再加上其他潜在相关数据，比如天气状况、公园资讯和公交线路等，用以计算何时何地可能发生夜盗、抢劫、偷车等犯罪行为。其中三分之二预测切实发生了。

“起初，很多人持怀疑态度，包括我自己，”圣克鲁斯警察局副局长史蒂夫·克拉克说，“但数据本身证明确实有效。”据他介绍，使用犯罪预测系统一年后，夜盗案件减少11%，盗车案件减少8%，破案率大幅提升56%。

目前，圣克鲁斯整个警界都在使用犯罪预测系统，所有警察外出巡逻时都配备智能手机和接入预测系统的平板电脑。只要有机会，他们就会进入标识出的案发高概率区域，制止可能的犯罪行为。

美国《基督教科学箴言报》报道，纽约、洛杉矶、亚特兰大、西雅图等大城市警方已成功运用大数据项目预防和打击诸如抢劫、枪击、贩毒等犯罪。英国肯特郡警方也开始使用这种科学预测方式打击犯罪。

作为2014年亚太经合组织(APEC)领导人非正式会议的举办地，中国北京市怀柔区警方也运用大数据、整合历年案件信息，建立犯罪数据分析和趋势预测系统，助力APEC期间的安保工作。

怀柔公安分局青年民警科技小组组长于淼鑫介绍，这套系统共收录怀柔区近9年来1.6万余件犯罪案件数据，通过标准化分类后导入系统数据库，同时采用地图标注，将怀柔分成16个警务辖区，抓取4700余个犯罪空间坐标实施空间网格编号，通过多种预测模型，自动预测未来某段时间、某个区域可能发生犯罪的概率以及犯罪的种类。