最好用的大数据分析软件大数据预测技术软件( 四 ) _经验常识

促进刑事侦查理性与经验的平衡
三、犯罪预测数据化的可能风险
随着信息化的发展，计算机处理器的加快以及存储数据量的增多，先前离散的数据网络得到新的发展。基于数据质量和数量对“预测警务”的重要性，导致警察部门和相关合作公司会积极寻求大量的数据应用于相关预测系统。由于缺乏明确的监督和制约法规，在数据的获取、运用、整合阶段都易产生相应的风险。
数据搜集——“黑数据”现象导致歧视
刑事司法制度有其自身固有的偏见。在西方刑事司法系统中，种族和宗教容易引发歧视。经济、社会地位上的弱势群体以及一些少数族裔人群，受到暴力以及其他犯罪侵害的概率明显更高。进而有德国学者指出， “预测警务”可能会放大现有的偏见和歧视。例如，警察在被定义为“热点”的地区更频繁地巡逻，在该地区将记录更多的犯罪报告，同时，在未来预测中该地区的犯罪数量占比将更重。美国Palantir和DAS预测系统的反对者认为，警察依据自己的种族偏见使用数据监控，从而监控甚至逮捕更多的人，是“种族主义的循环” 。 2016年，美国非营利组织人权数据分析小组（Human Rights Data Analysis Group）利用Predpol算法，在奥克兰市地图上推演了由警察记录数据所构成的毒品案件逮捕的空间分布。结果显示，逮捕行动主要集中在非白人和低收入人口占主导的社区。如果将这些数据输入机器学习算法，则可能加剧人口逮捕的不平等分布。因而，在数据搜集阶段如何最大程度避免黑数据，提高搜集数据的质量至关重要。
数据获取——过度侵犯个人隐私
数据获取是“预测警务”开展的前提。在数据获取过程中， “个性化数据”的过度整合与利用是“预测警务”过度侵犯隐私权的重要体现。美国洛杉矶警察局曾与Palantir公司合作整合个人数据用于警务监测和预防。 Palantir平台可以获取自动车牌读取器（automatic license plate readers）的数据以搜集所有公民的信息，而不限于犯罪嫌疑人。随后，系统可以绘制数据地图以帮助警察追踪城市中的车辆和人员，使执法部门了解驾驶员的典型出行方式并识别差别。据此，警察部门可建立一个庞大的个人信息数据库，即使从未与警察直接接触，个人信息亦可能被存储在数百万个数据点中，包括驾驶汽车的型号、家庭住址等。美国纽约警察局与微软公司曾合作开发一项大数据犯罪预防和反恐技术——DAS系统。 DAS可以利用摄像机、车牌读取器和射频感应器创建纽约市的实时监测地图。该系统与整个纽约市的私人闭路电视监控（privately-owned CCTV cameras）合作，并与多个非纽约警察局的情报数据库进行对比。在DAS运行后，纽约市市民认为其严重侵犯了个人隐私权以及免于无根据监视的权利。 2018年，纽约市议员凡妮莎L.吉布森（Vanessa L. Gibson）提出了《监视技术公共监督法》（The Public Oversight of Surveillance Technology）以期对此进行规制。同时，美国各地开始制定协议，确保不会滥用自动车牌阅读器和其他监视技术。
算法黑箱——预测缺乏公正、透明
此外，当以大数据为基础的算法软件具备机器学习能力时，将使预测过程变得更难掌控。机器学习取决于数据，可以访问的数据越多，学习的效果就越好。数据的质量、数据输入系统的方式以及如何“训练”系统以分析数据可能会严重影响由算法生成的信息的有效性、准确性和实用性。机器学习的结果意味着，预测过程可能会超出其初始编码并使用新的数据产生结果。在这种情况下，使用者甚至程序员也可能不知道算法运行的过程究竟如何。不透明问题带来的影响可能是致命的。有学者认为，在犯罪学语境下，使用增强型机器学习（reinforced machine learning），即机器试图建立为特定问题提供正确答案的规则是一个解决办法。然而，这意味着除非每个犯罪都被举报，警察平等追究所有人犯下的所有类型犯罪，否则不可能有一个能够预测犯罪本身的强化学习系统。事实上，行为会影响结果，导致得到的预测反馈非常有限。因此，算法黑箱实际上可能使社会公众处于“黑暗”之中，我们并不知道什么时候、出于什么原因，我们可能就会出现在犯罪预测系统当中。

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。

最好用的大数据分析软件 大数据预测技术软件( 四 )

最好用的大数据分析软件大数据预测技术软件( 四 )