人工智能:打擊犯罪的新武器

犯罪現場調查 Image copyright Getty Images

菲達爾戈(Eduardo Fidalgo)電腦上顯示的是一些平常場景的圖片:沙發上隨意擺放的抱枕、牀上疊放著的羽絨被、扔了一地的兒童玩具。這是我們大多數人都會在自己家看到的景象。

但這些平淡無奇的照片正在成為打擊犯罪的新武器。菲達爾戈和同事用這些圖片訓練機器,在犯罪現場照片中發現線索。

在犯罪現場或嫌疑人家中,警察往往要面對大量視覺信息。他們在這些地方找到的日常物品可能隱藏著重要的證據,可將罪案與某個人聯繫起來。

菲達爾戈是西班牙西北部萊昂大學(University of Leon)的計算機科學家。他一直在開發一種證據識別工具,利用人工智能識別警方照片中的物品,並從中尋找與其他罪案之間的聯繫。比如,以一個性侵案現場的臥室為例,警察通常會對這些地方進行拍照,在此過程中捕捉關鍵信息。

Image copyright Getty Images
Image caption 將犯罪現場的物品同過往案件中的物品進行比對,可能發現不同罪案之間的聯繫。否則,這些聯繫可能會被辦案人員遺漏(Credit: Getty Images)

「這些臥室裏的東西,玩具、窗簾的材質、地板的紋理——所有這些,」菲達爾戈說。「假設這個玩具已被系統登記錄入,如果同案犯在其他罪案中使用了,就能檢索到。」

這可能不會確切地將嫌疑人同過去的罪案聯繫起來,但一定會提供值得調查的線索。否則,調查人員(具體取決於誰在犯罪現場)可能會漏掉這些線索。

菲達爾戈和同事已經開發出了一個能夠完成這項任務的系統雛形。他希望西班牙警方能馬上試用。但他提到,警方目前已經在使用其他圖像識別工具了。

一種小型工具包,像一系列工具箱一樣安裝在筆記本電腦上。對電腦進行此番設置是為了對從犯罪嫌疑人的電子設備上下載的大量照片進行分析。系統能夠自動識別已知面孔,並對照片中人物的年齡和性別進行估計。它還能發現可能和兒童性侵有關的圖片,無需警察自己搜索完整的圖片庫。

這只是世界各地的警方用人工智能打擊犯罪的方式之一。人工智能被用於分析照片、閉路電視畫面、證據文件和犯罪記錄,幫助警方在與試圖逃脫法律制裁的罪犯進行鬥爭時取得優勢。隨著全球多國警務預算收緊,高級官員通常希望用人工智能縮減部門花費。反過來,公眾也認為社區會因此變得更加安全。

Image copyright Alamy
Image caption 對成千上萬張來自互聯網陰暗角落的照片進行掃描,有助於破獲侵犯兒童的罪案(Credit: Alamy)

目前,這類技術的應用範圍遠比公眾知道的廣。比如,Facebook最近透露,該公司利用人工智能在短短3個月內就在其社區發現近900萬張兒童裸照,之前幾乎所有都沒有被舉報過。Facebook將涉嫌犯罪的細節交給美國全國失蹤和被欺侮兒童中心(National Center for Missing and Exploited Children)。

全美還有近200個執法機構在使用南加州大學(University of Southern California)開發的一種算法。該算法可在互聯網上搜尋販賣人口和性交易受害者的線索。它在開放網絡和所謂的暗網上,搜索性廣告中包含的信息並進行解讀,幫助調查人員追蹤潛在的受害者。

該算法已經搜索了2500萬個頁面。事實證明,它非常成功,美國國防部(US Department of Defense)正在嘗試將其用於調查毒品、非法武器售賣和假冒商品。

人工智能真正能夠幫助調查人員的,是收集一系列複雜的證據。數字取證公司Cellebrite開發出可自動檢查嫌疑人手機中潛在證據的軟件,英國警方正在試用。此軟件能夠分析圖像和聯絡模式、比對人臉,並交叉引用來自多台設備的數據,幫助警方迅速、詳細地了解嫌疑人之間的互動情況。前不久,該軟件幫助識別了捲入一樁人口販賣案的泰國官員,其中包括警察、三名政客和一名軍方將領。

Image copyright Alamy
Image caption 用機器學習算法進行人臉識別,已被一些國家的警方採用(Credit: Alamy)

算法還可快速查詢警方數據,找出刑事案件之間各種可能的聯繫。密德薩斯大學(Middlesex University)人機交互教授威廉·王(William Wong)表示,這是為了幫助警方意識到,有關罪犯、證據或犯罪模式的信息是現成的。

他參與開發了一個名為「罪案情報視覺線索分析」(Valcri,Visual Analytics for Sense-Making in Criminal Intelligence Analysis)的系統。

「我們不是讓機器給你一個答案,而是給你可能有關的信息,」他說。「讓我知道在我的各種數據庫裏,有什麼案件看上去可能與這起犯罪的作案方式類似。」

在歐洲,包括英國警方進行了幾年的基礎試用後,Valcri正在成為一件應用工具。

「我們不再用虛擬的匿名數據做試驗,我們現在是用真實的數據進行試驗,」威廉·王說。他表示,這個系統可能會在未來幾個月內首次偵辦真實的罪案。

倫敦大學學院(University College London)的取證專家摩根(Ruth Morgan)表示,警方數據庫的強大功能,在某種程度上沒有得到開發,正等著與人工智能攜手,前景誘人。

她說,「潛力絶對驚人。」但她指出,使用算法時,並不總是能夠在法庭上判斷它們的決策。要麼技術屬於專利,持有專利的公司不想交出自己的機密,要麼是系統太過複雜,幾乎不可能證明它是如何得出結論的。此類問題可能會妨礙技術應用。

Image copyright Alamy
Image caption 幫助警方解密自己數據庫中的信息,人工智能可能會成為打擊犯罪的重要工具(Credit: Alamy)

然而,一系列令人難以置信的應用仍在研究中。

摩根本人正在開發一個計算嫌疑人鞋底上的微粒數量的圖像分析系統。比如花粉顆粒或槍彈殘留物。根據鞋上某類微粒的數量,警方能夠估計出鞋的主人在多久前出現在某個特定區域。

計算這些顆粒的數量,可能需要人類取證專家工作數周甚至數月。摩根表示,讓機器對這些粒子自動拍照並進行計算只需要幾個小時。在對顆粒計數系統進行測試後,她希望接下來開發一種同時能夠凖確識別顆粒種類,比如是哪種花粉的算法。

在取證中,像這樣的微小痕跡可能會產生極大的影響。30年前DNA分析得以應用,對刑事調查產生了巨大的影響。但DNA分析仍存在較大問題。比如,在對衣服、物品或受害者的身體進行取樣時,提取的DNA通常有多個來源。這可能包括來自受害者、嫌疑人、警察、證人甚至寵物的遺傳物質。如何區分它們並計算"影響因子"?

人類DNA分析人員一直在進行這項工作,但費時且容易出錯。幾年前的一項研究發現,在美國108個法醫實驗室中,74個實驗室在一份只含有兩個人的遺傳物質的測試樣本中檢測出了3個人的DNA。在現實生活中,這可能會導致一個無辜的人被捲入一起罪案。

如果實驗室對樣本影響因子的數量更有把握,發生這類錯誤的機率就會降低。隸屬於紐約州雪城大學(Syracuse University)的美國法醫與國家安全研究所(US Forensic & National Security Institute)的馬西亞諾(Michael Marciano)和阿德爾曼(Jonathan Adelman)設計了一個名為Pace的系統,為DNA分析人員提供幫助。Pace的全稱是影響因子估算概率評估(Probabilistic Assessment for Contributor Estimation)。

他們用數千份虛擬樣本訓練一種機器學習算法,這些樣本包含來自多個來源的DNA。該算法逐漸學會了區分含兩個人的DNA的樣本和含三組DNA的樣本等任務。雖然Pace不能100%確定影響因子的數量,但馬西亞諾和阿德爾曼稱其凖確性略高於其他分析方法。

Image copyright Alamy
Image caption 鞋上的微量花粉或火藥殘留物可提供重要的線索,將嫌疑人同犯罪現場聯繫起來,但讓它們相匹配是一項艱巨的工作(Credit: Alamy)

但馬西亞諾說,利用機器學習可加快這個過程,最多只用3分鐘便會給出結果。

有時候,案發現場除了遺傳物質還會留下些東西,但依然令人費解。在尋找失蹤人員或謀殺案的受害者時,警方偶爾會在辦案過程中發現骨頭碎片。他們可能無法將這類物質同DNA樣本進行比對,但知道一個人的臉長什麼樣可能有助於找到他們。目前,法醫人類學專家會利用粘土等材料將顱骨碎片拼湊在一起,構建面部組織層,以復原顱骨主人的面孔。

這項工作極其艱巨,凖確性可能會因為操作的法醫人類學專家不同而存在差異。路易斯安那州立大學(Louisiana State University)的計算機科學家李新(音譯)認為,機器可以提供幫助。

他正在開發一個能夠對少許頭骨碎片進行三維掃描,然後再像拼圖一樣把它們拼起來的系統。該系統是用人類頭骨的形狀和比例來進行訓練的,它知道如何用數字化的方式填補空白,並保持適度的凖確性。

Image copyright Alamy
Image caption 就像DNA指紋制取和彈道學領域的進步讓刑事調查實現了飛躍一樣,專家預計人工智能也會帶來巨大的進步(Credit: Alamy)

但接下來的部分特別巧妙。李新還用人臉的照片訓練一種算法,以便找到與復原的顱骨最相符的面孔。面對一個身份未知的頭骨時,該系統會創建成千上萬個三維復原模型,然後通過搜索找到一個匹配的面孔。

「我們從網上收集了很多照片,先試著(為每張照片)復原一張3D人臉,」他解釋說。「然後進行所謂的疊印,讓這張3D人臉與頭骨對上號。」

對3D復原人臉中任何一個與實驗對象的頭骨不完全對應的區域,系統都能夠重新繪圖,通過不斷的修改,讓3D人臉看起來更像潛在的受害者。

「考慮到持續的衰老,看這種方式會如何發揮作用將是一件有趣的事情,」摩根說。「人臉可能會隨著時間的推移而發生很明顯的改變,但頭骨會保持不變。」

李新說,他設計的系統目前運行正常,希望法醫人類學專家能在幾個月內進行試用。

Image copyright Getty Images
Image caption 骨頭碎片往往難以確定主人身份,但機器學習提供了利用頭骨殘骸復原受害者面孔的方式(Credit: Getty Images)

從長遠來看,這些技術有多高的凖確度,仍存在質疑。它們可能會在小規模的試用中表現得更快、更有用,但只有在實際案件中,才是真正的考驗。警方必須證明,採用這些系統不僅能帶來切實的好處,也符合法律和道德。

「我們使用的一切都必須在合法的刑事司法框架內,」英國斯塔福德郡警察局(Staffordshire Police)副局長貝克(Nick Baker)指出。「法庭必須認可,這樣公眾也會認可。」

一個世紀前,全球各地的法庭開始接受指紋證據,但這不是在一夜之間發生的。1902年,在英國的一場刑事審判中,指紋證據首次證明嫌疑人有罪。但又過了9年,美國的法庭才接受這類證據。

警務人工智能目前大多進入了測試階段。在此之後,我們會對它的實際能力和業務效果有更好的了解。但正如摩根所指出的那樣,在不久的將來,那些加快分析速度、匯集待分析數據的工具可能會對刑事調查產生巨大影響。

「當我們幾年後回過頭來說『你能相信我們五年前還沒有這個嗎?』,那時,它會是其中之一,」她說。

請訪問 BBC Future 閲讀 英文原文

相關主題內容

更多有關此項報導的內容