【小哈划重点：新算法将城市划分为大约1000英尺宽的空间块，并预测这些区域内的犯罪，而非依赖传统的邻里关系或政治边界，因为这些也会让人产生偏见。】
美国科学家开发出了一种人工智能（AI）新算法，通过从暴力和财产犯罪的公共数据中，学习时间和地理位置的模式来预测犯罪。该模型可以提前一周预测未来的犯罪活动，准确率约为90%。该模型也揭示了警察在执法过程中的某些偏见。相关研究发表于最近的《自然·人类行为》杂志。
机器学习和人工智能领域的进步引发了各国政府的兴趣，他们希望利用这些工具开展预测性警务来遏制犯罪。鉴于此，芝加哥大学科学家开发出了一种新算法，以提前预测犯罪。
研究论文资深作者、芝加哥大学医学助理教授伊沙鲁·查托帕德哈伊博士及其同事，利用芝加哥市暴力犯罪（杀人、袭击、爆炸等）和财产犯罪（入室盗窃、机动车盗窃等）的历史数据，对该人工智能工具进行了测试和验证。
研究人员指出，以前的犯罪预测工具忽略了城市复杂的社会环境，并且没有考虑犯罪与警察执法效果之间的关系。而新模型通过观察离散事件的时间和空间坐标，发现能预测未来事件的模式，以此来确定犯罪，准确率达90%。新算法将城市划分为大约1000英尺宽的空间块，并预测这些区域内的犯罪，而非依赖传统的邻里关系或政治边界，因为这些也会让人产生偏见。研究团队用来自美国其他7个城市——亚特兰大、奥斯汀、底特律、洛杉矶、费城、波特兰和旧金山的数据测试了该算法，其表现同样出色。
而且，研究团队还通过分析犯罪事件发生后的逮捕人数并比较不同社会经济地位社区的逮捕率，来研究警察对犯罪的反应。他们发现，富裕地区的逮捕率比较高，弱势社区的逮捕率相对较低。然而，在贫困社区犯罪并没有导致更多人被捕，这表明警方在针对犯罪作出反应和执法方面存在偏见。
查托帕德哈伊还强调，该工具准确率高，并不意味着它应该用于指导执法，相反，它应该被添加到减少犯罪的城市政策和警务战略工具箱中。
