收稿日期：2022年10月20日；录用日期：2022年12月1日；发布日期：2022年12月8日
摘要
在大数据时代下，人工智能技术的应用已经改变了传统的侦察模式。目前，警方可以通过大数据分析进行犯罪预测，对犯罪行为人的犯罪动向进行提前的研判，从而将其逮捕，提前介入，让犯罪行为还没有开始就已经结束，将其消灭在萌芽之中。这种对于犯罪活动事前型的主动介入模式在侦察、治安邻域具有重大的革新意义，但同时也带来了相应的理论问题。本文主要介绍了大数据犯罪预测的原理，并简述了其在实践中的应用情况，通过试析大数据犯罪预测的特征，得出了该模式目前在实践中的割裂性、歧视性、自动化偏差和数据管理机制缺失等问题。同时，笔者结合了大数据犯罪预测在智慧警务中的优势分析，正视其“双刃剑”的作用，初步得出了求同存异，有限、合理应用该项技术的观点。
关键词
犯罪预测，大数据，侦察，智慧警务，贪污
LegalAnalysisofBigDataCrimePrediction
HaowenZhu
EastChinaUniversityofPoliticalScienceandLaw,Shanghai
Received:Oct.20th,2022;accepted:Dec.1st,2022;published:Dec.8th,2022
ABSTRACT
Keywords:CrimePrediction,BigData,Reconnaissance,SmartPolicing,Corruption
ThisworkislicensedundertheCreativeCommonsAttributionInternationalLicense(CCBY4.0).
1.大数据犯罪预测原理简述
1.1.传统的侦察模式的突破
传统的犯罪侦查是反应型的被动侦察模式，侦察总是要劣后于犯罪行为的发生，公安机关只能做到打击犯罪而无法做到预防犯罪。但是，大数据时代，由于信息技术的发展，公安不仅仅可以通过数据搜索、数据挖掘、数据碰撞、数据建模的方式进行事后的侦察活动，甚至可以在事前进行主动型的预测和介入[1]。
2.现实运用状况
2.1.域外(美国)现状
2.2.中国现状
在我国，部分地区也已经展开了犯罪预测的实践。其中，最典型的北京和江苏、浙江、广州等地。2013年，北京市公安局怀柔分局就开始运行了“犯罪数据分析和趋势预测系统”，有针对性性地调配人手、部署警力，使得犯罪率明显降低。苏州也使用公安PPS犯罪预测指导巡防工作，改“案后研判”为“案前预警”，使得财产类犯罪下降幅度超过了15%，取得了显著成效[6]。
3.特征及存在问题
3.1.隐私权：公益与私益之争
3.2.割裂性：大数据并非全数据
3.4.“人”的影响：弱人工智能的自我强化与自动化偏差
人工智能是基于对人类智能实质的理解而产生的，一种以智能方式对人类意识、思维、行为模拟后进行学习并能够做出反应的机器，最终达到机器能够像人类一样思考、学习、行动的目的，甚至可能产生具有超过人类智能的类人机器。但是，归根结底，目前的人工智能还是需要依靠算法模型，并且只能做出一些简单的自动化决策。我们不难发现，现阶段我们的人工智能犯罪预测技术还只是弱人工智能，其行为的起点和终点都已经被程序预设，无法通过机器的自我学习来修补隐藏算法固有的漏洞。虽然我们有神经元的信息处理模型，但是机器始终无法做到像人一样思考。这意味着我们始终需要“机器+人”的模式研判。可是，人们往往会迷信科学，仿佛无人为因素介入的客观数字才是最科学的合理预测。但是，我们已经反复提及，犯罪预测系统存在着固有缺陷，谎言重复一万次就会变成真理，试问一个品德高尚的人总是和罪犯、抢劫、贪污这样的因子关联起来，你是否会对其人品产生怀疑？不幸的是，在很多时候，出于对于数据的迷恋，这种机器的错误在一遍遍的简单重复中自我强化，人类也老是陷入这一自动化陷阱之中。这在相当程度上冲击了人人平等的司法核心要义。
3.5.数据的管理机制
3.6.介入可行性分析：俄狄浦斯效应
目前的犯罪预测实践中，我们经常陷入一个误区“预测即干预”，而忽略了这种干预是否合理。有学者引入了“俄狄浦斯效应”来解释，人的活动结果往往与语言或者目的背道而驰。因为，我们是人，退一万步讲，即便预测系统能够做到科幻片中那样的精准不存在误差，但是我们有感情、有七情六欲、是活生生的血肉。不同于地震、海啸、天气预报，人类对自然预测是确定性的，但我们的主观随意性和非理性导致了我们的行为发展是非线性的，是充满随机性的[9]。正因如此，对于犯罪预测后的介入行为应该保持一个审慎的态度。
4.大数据控制犯罪的运用优势——以智慧警务和反腐为例
4.1.智慧警务的新理念和新模式
智慧警务是“数据+业务”双智能驱动的新型警务发展，当前大数据背景下的智慧警务应用仍处于发展探索阶段。智慧警务的应用已逐渐深入到犯罪侦查、犯罪预警、执法监督、民生服务等各项日常公安工作中。在数据和技术方面，智能警务以业务智能化为目标，通过洞察、挖掘警务数据规律和价值，来提升警务智能应用能力，加速实现业务驱动到数据驱动警务的转型。在业务方面，整合刑侦、反恐、禁毒、情报、科信等部门实现警种联动，进行智能情报分析、侦查行动、指挥调度、惠民服务，推动公安各项业务的信息化融合。犯罪预警作为智慧警务业务之一，将合成作战、预警布控和情报研判等业务进行一体化整合，对违法犯罪行为进行预警、预测和预防。在前文中，我们已经讨论过智慧警务在实践中对于犯罪预测的推动作用。接下来，我将进行把大数据运用到智慧警务的内部优势和外部机会的分析。
4.2.内部优势
4.3.外部机会
大数据是警用机器人等技术的未来发展方向。以警用无人机为例，无人机可以对犯罪嫌疑人及其手机进行精准定位和监控，对情报信息实时进行分析研判，公安机关可以结合警用地理信息系统制定抓捕方案。无人机通过大数据对人物图像精准采集和监测，并将这些非结构化数据转化为结构化数据，与数据挖掘技术的有机结合，揭示犯罪活动及犯罪嫌疑人的内在规律和趋势，从而达到预测犯罪的目标。
智慧警务与人工智能的结合正在不断地消除传统警务模式的弊端，重构警务组织框架，重组警务工作模式，在以海量数据和多边算法为特征的数字社会基础上，人工智能技术凭借其智性与算法在驱动警务决策、警务组织、警务技术、警务服务及警务监管变革的同时，也为建设数字中国和平安中国提供了强大的技术支撑和智慧支持。总之，面向人工智能时代的智慧警务是云端警务、网状警务、智能警务和协同警务。
4.4.智能警务的运用实践——以贪污贿赂犯罪预测为例
贪污是人类社会的顽疾，腐败治理更是一项系统性工程，在新的起点上，研究贪污腐败“数据画像”具有更加重要的政治价值、法律价值、社会价值和时代意义。尤其在党的十九大以后，领导干部更是实现中华民族的伟大复兴过程中的“关键少数”。通过贪污腐败犯罪的大数据画像分析，有利于进一步提升新时代腐败惩治的精准化。犯罪现状的测量评估和研判，是“宽严相济”的刑事立法政策，、刑事司法政策、刑事执行政策订立的犯罪学基础，也是明确监察调查、刑事侦查的重点领域和优先方向的事实依据。在信息时代，对贪污贿赂犯罪已办结案件的大样本、甚至全样本分析，可以辅助纪检监察机关、司法机关将有限的人力、物力、财力资源集中到腐败的多发高发领域，防止腐败的蔓延和扩散。贪污贿赂犯罪的大数据分析画像分析也有利于进一步提升新时代预防腐败的科学性与对腐败贪污研究的客观性。
5.发展前景
5.1.保持谦抑性
5.2.统一的预测机构与制度：企业平台与公权力机关
前文多次提及，目前的犯罪预测实践中，急需出台统一的数据管理机构和制度。虽然，随着《个人信息保护法》的出台，公民的个人信息得到了较为充分的保护，但是在本文犯罪预测的语境下，依然存在许多的制度空白值得探讨。下面，本部分将展开对于之前问题的集中探讨。
5.3.比例原则
6.总结
但是，大数据犯罪预测也具有一定的局限性：大数据毕竟是冷冰冰的数据，算法再厉害也不可能完全取代人的智慧与灵活性。在目前的实践中也存在着割裂性、歧视性、自动化偏差和数据管理机制缺失等一系列问题。如果一味地将大数据运用于社会，就会产生一系列的伦理问题，人类社会是非常神奇的，它奇妙于算法和硅片并不能完全预测人类的活动走向。文艺复兴时期，人类举起了人文主义的大旗，第一次战胜了神。而现在，我们使用大数据技术进行犯罪预测的目的并非给人类再造一个新的神。从刑法的谦抑性角度，本文还是持审慎试用的态度。
笔者认为，尤其是当下正尚处于弱人工智能技术条件，目前阶段需要我们主动、积极作为地优化算法，建立完善、统一的法律机制，在侦测对象上采取比例原则(严格限缩为刑释人员、领导干部等有限群体)；在侦测类型上加强地区、案件种类的整体防控，审慎适用具体人员的犯罪预测分析。