AI公安丨世界杯安防，AI粉墨登场
▌所属行业：公安
▌应用场景：警察巡逻、AI评估是否关押、AI预测恐怖袭击
▌关键技术：机器学习算法、随机森林机器学习
▌提供商： Palantir
当球迷们都在为世界杯欢呼的时候，世界各国警察已经在街头忙碌起来了。
世界杯圣火点燃的那一刻，也点燃了世界球迷的热情。随处所见的庆祝、斗殴、恐怖袭击将引发不可控制的局面。
为维护世界杯秩序，AI新技术作为辅助警力粉墨登场。
场景一：AI精准预测聚众犯罪
为提前预测犯罪事件的发生，迪拜警察部队发明了一种对犯罪事件的发生进行预测的应用程序。
该犯罪预测软件能够根据警察所提供的犯罪数据库，对现有的场景进行分析。
软件通过对这些数据的分析，可以预测下一个聚众犯罪，最有可能发生在哪个时间点？哪个具体位置？
该软件运用“机器学习算法”进行预测，产生的数据精准，可以提醒迪拜巡逻队哪些地区更加值得注意。
该软件独特的智能之处在于，能够根据表面上毫不相关的事件，精准地判断出犯罪行为的复杂模式，从而预测出犯罪发生的可能性。
球迷聚众闹事被抓、AI评估关押还是释放
如果球迷聚众闹事，被警察抓起来，英国警察将采用AI技术来评估，是继续关押还是释放？
这套系统称为HART，它是一款“危害评估风险工具”（Harm Assessment Risk Tool）。之所以设计这个系统，是为了根据在未来犯罪的风险程度，对个人区分出低、中、高的不同级别。
HART算法的内在机制
HART是一个使用R编程语言，通过【随机森林】进行决策的机器学习系统。
所谓【随机森林】，是指一种基于一系列不同输出进行预测的方法。
随机森林（Random Forest，简称RF），通过集成学习的思想将多棵决策树集成的一种算法，它的基本单元是决策树。
从直观角度来解释，每棵决策树都是一个分类器（假设现在针对的是分类问题），那么对于一个输入样本，N棵树会有N个分类结果。
而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出。
HART所做的每一个决策都是建立在历史数据之上的，它通过分析历史数据来预测未来。
英国警方向HART的第一代模型提供了2008-2012年期间的104000起羁押时间的详细信息。
它从这些信息中提取出了包括位置数据在内的34个预测因子，并据此预测每个人的再犯几率。
HART的所有预测结果都是通过系统内部的509个投票得出的，投票分为低、中、高三个选项。
世界杯期间，连空气中都充满躁动的气息，美国洛杉矶警察任务更重了。
每天，治安巡警们每个人的电子设备都会收到一份当日的“犯罪预测电子地图”。
在这份电子地图上，红色小圆圈所在的位置代表着这个地区在当日极有可能会发生犯罪活动。
巡警们会在这个犯罪“热点”地区提高警惕，加强巡逻。
很快，巡警们在“热点”地区收到了来自实时犯罪预警中心的警告信息：
恐怖袭击、帮派斗殴即将发生...... 巡警要采取相应行动去阻止这些所谓的犯罪嫌疑人进行犯罪活动。
这份“电子地图”从哪里来的？
来自于——洛杉矶警察局与数据分析公司 Palantir 合作建立了实时犯罪预警中心。
Palantir 公司——硅谷最神秘、估值最高的大数据独角兽公司。
它通过对社交网络中的海量数据进行挖掘分析，以追踪有关恐怖分子的信息情报。
Palantir 为洛杉矶警察局提供的数据分析系统，对过去大量的案件信息数据进行了挖掘分析；能将一些看似不可能的信息关联在一起，得出隐藏在背后的重要破案线索。
①根据破碎信息搜索出嫌疑人
比如，一名正在调查一起抢劫案的警探仅需在系统中输入少量有关犯罪嫌疑人的名字信息和身体描述信息，就能找到最有嫌疑的犯罪嫌疑人。
系统会迅速为警探提供嫌疑人的年龄、身体描述、地址、帮会、汽车等信息的排序选择，然后系统通过匹配已知属性，就能大大缩小选择范围，在短时间内得出最有嫌疑的结果。
而在这以前，警探们是很难根据少量的破碎信息找出破案线索来的。
②实时犯罪预警
这个系统除了能有效提高办案效率外，关键是能做出实时犯罪预警。
街道上大量的监控摄像头将画面数据实时传入预警系统中，突发的新闻报道数据也被实时传入预警系统中。
系统将监控摄像头画面与后台的人脸特征数据库匹配，再加上突发的新闻报道数据，最后会自动地实时预测出那个地区目前极有可能发生犯罪的嫌疑人。
另外，系统还能从网络上数以亿计的匿名聊天信息中预测出潜在的犯罪活动，找出隐藏在背后的重要破案线索。
▼
一个落地的AI号