一名正在街头巡逻的芝加哥警察与两名市民打招呼　

利用大数据，芝加哥警方有效预防了枪支犯罪行为的泛滥

用电脑预测什么人可能在何时、何地犯罪？这听起来仿佛汤姆·克鲁斯主演的科幻电影《少数派报告》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。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。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。警方分析枪杀与“拉丁王者”帮密切相关，特意派人上门奉劝“拉丁王者”头目放弃报复行为，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在做什么。”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。

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，他仍好好活着，与他所在帮派相关的枪杀报复行为也没再继续。

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·肯尼迪负责为该项目搭建数据库。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。

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，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。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。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

掌握数据是一回事，如何让数据背后的人彻底放下武器却是另一回事。这正是预防犯罪最关键也最困难的一步。芝加哥警方为此尝试过一些方式，包括增强街头巡逻、上门提示犯罪风险、帮助改善生活条件等。

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。

但质疑者认为，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，“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。他曾身穿防弹衣，多次跟随警察上门“家访”，并成功为一些前帮派成员找到仓库搬运工等工作。

还有人质疑，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，警方不该仅仅因为某人过去的错误而把他列入犯罪“热名单”。

对于这类质疑声，警察局长麦卡锡反驳说：“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，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%。