近两年，人工智能迅速蹿红成为人们茶余饭后谈论的新焦点。随着人工智能技术的快速发展，它正以前所未有的速度、广度和深度融入经济社会的各个领域，弗吉尼亚大学的研究人员正利用人工智能预测某些类型的犯罪。
上个月发表在科学期刊《决策支持系统》(Decision Support Systems)上的一篇研究论文称，对带有地理标签的推文进行分析，有助于预测19到25种类型的犯罪，尤其是跟踪、盗窃和某些类型的袭击等犯罪行为。
该大学预测技术实验室的首席研究员马修·格伯说，研究结果令人惊讶，尤其是考虑到人们很少在推特上直接谈论犯罪。
格伯说，即使是那些与犯罪没有直接联系的推特，也可能包含与犯罪活动相关的信息。
“人们在twitter上谈论的是他们的日常活动，”格伯告诉美国警察联合会。“这些日常活动会将他们带入可能发生犯罪的环境。
“所以如果我在推特上说今晚喝醉了，很多人也都在谈论喝醉了，那我们就知道有些犯罪与那些导致犯罪的东西有关，这是间接的。”
在这项研究中，格伯和他的同事分析了来自芝加哥的推特信息，这些推特被标记在特定的社区——以每平方公里为单位衡量——以及该市的犯罪数据库中。
然后，他们查找历史信息，就能够对可能发生某些犯罪的地区作出有用的预测——这可能有助于部署警察资源。
该研究称:“这种方法使分析人员能够快速地观察和识别犯罪率历史最高的地区。”
“未来的犯罪经常发生在过去的犯罪附近，这使得热点地图成为一个很有价值的犯罪预测工具。”
近年来，“预测式警务”的理念得到了推动，警务部门开始依靠IBM等公司的“大数据”分析。
这项研究是继其他研究之后的又一项研究，这些研究显示如何分析推文来预测选举、疾病爆发和其他重要事件。
我发送我们的算法
格伯说，Twitter的数据相对容易使用，因为推文是公开的，而且其中很多都带有位置信息。
此外，研究人员自己也不需要进入高犯罪率地区去研究这些信息。
相反，“我将我们的算法发送到这些地点，看看人们在谈论什么，”格伯说。
“计算机算法学习这些犯罪模式并做出预测。”
这项研究是由美国陆军资助的，格伯说，美国陆军使用类似的技术来确定伊拉克和阿富汗等地的威胁。
但格伯指出，这项技术也是有局限性的，它需要有足够的历史数据，一些犯罪，如绑架和纵火，可能不会具有相同的可预测性模式，原因研究人员也无法解释。
不过，他说纽约警察局已经与他取得了联系，他已经开始审查该市的数据，以确定芝加哥的成果是否可以在纽约市被复制。
他希望能够从其他社交媒体上获取信息，看看这些信息是否有助于改善预测。
最终，一个重要的目标是弄清楚这项技术是否可以以一种非常实用的方式投入使用。
他说:“我们没有说明这项技术是否减少了犯罪，那是接下来的步骤之一。”
（原标题：大数据时代：人工智能开始使用推特帮助预测犯罪）
