改變已經發(fā)生。根據從亞馬遜和Fitbit等聯(lián)網數字設備收集到的證據，警方已實施多起逮捕行動。這僅僅是由物聯(lián)網、人工智能和機器人領域所帶來變革的冰山一角。使用這項新技術幫助打擊犯罪當然是有好處的，但它也提出了一些涉及到我們隱私權和安全漏洞的有挑戰(zhàn)性的問題。

1、用于打擊犯罪的物聯(lián)網

世界各地的執(zhí)法機構都在接受關于在犯罪現場尋找什么，以及如何處理數字證據的培訓。游戲機，Echo設備，甚至是Fitbits都提供了有價值的信息來幫助解決犯罪問題。大多數人都不理解這些聯(lián)網設備的強大之處，它們可以用于反駁不在場證明或分辨謊言。隨著我們對這些數字設備的依賴不斷增長——手表、手機、電視、起搏器等等——在試圖解決犯罪問題時，偵探們往往會花費更多的時間來分析這些設備。

警察在巡邏時使用身體攝像頭已經司空見慣。這些攝像頭可以提供另一組眼睛來進行互動，研究表明，它們可以提高自我意識，減少發(fā)生不可接受的行為。這些互動將被記錄下來，可以對不良行為產生巨大的威懾。

一些警車配備了GPS投射器，可以通過遙控進行射擊，并將其鉤在被指控者的車輛后面。這可以讓警察知道嫌疑犯的位置，從而防止高速和危險的汽車追擊。智能傳感器已經被開發(fā)出來，可以固定在警官的槍內，用于追蹤槍是如何被使用的，包括它是否被打開或者卸下。這些信息在刑事審判中是有價值的。

2、人工智能輔助預測警務

幾家執(zhí)法機構已經涉足預測警務行業(yè)，包括我的客戶——英國倫敦杜倫市的警察。他們使用了一種名為Hart(危害評估風險工具)的系統(tǒng)，對個體進行分類，并對他們將來再犯的可能性進行排序。該系統(tǒng)基于在2008年至2013年間收集的數據，根據當前犯罪的嚴重程度、犯罪史、潛逃風險等因素對罪犯進行評估。盡管Hart的預測準確率很高，但也有其他的研究警告使用算法和預測軟件工具，因為他們將少數人種(黑人)被告列為高風險，是白人被告率的兩倍。ProPublica的一項研究表明，人類的偏見往往會被植入到這樣的公式中，因為人類的錯誤判斷被用來創(chuàng)建最初的程序。

世界各地的機構都在朝著以數據為導向的方法來解決犯罪問題。機器學習特別擅長識別模式，并且在嘗試辨別罪犯的作案手法時非常有效。數字工具可以加速這項工作的實施，并找到可能需要人類更長時間才能發(fā)現的連接。在將來，這類算法可能會被證明對檢測同一個人或團體所犯的系列犯罪很有用。

3、Robo警察首次亮相

迪拜有一名新警官幫助打擊犯罪，盡管他戴著警帽，但他100%是個機器人。迪拜警方計劃配備機器人警官，到2030年使之占據人類警察四分之一的數量。它能說六種語言，并且被設計可用于識別面部表情。它有一個電腦觸摸屏，人們可以在上面舉報犯罪行為。該機器人主要被部署到旅游景點，并配備一個攝像頭，將實時圖像傳送回警方總部，以確定嫌疑人的身份。盡管Robo警察可以幫助制止犯罪并減輕警力活動，但是人們仍然期待警方的逮捕行動。

其他機器人被部署在世界各地收集證據，調查和引爆炸彈，以及在其他任務中控制人群。這并沒有阻止超過1000名機器人專家，如Elon Musk和Stephen Hawking，警告他們不要在沒有人類控制的情況下武裝機器人。

就像人工智能和物聯(lián)網一樣，我們都有一些問題要提出、回答和解決。世界各地的執(zhí)法機構都在努力解決這些問題，試圖找到合適的平衡點，利用這項技術的優(yōu)勢，在保護隱私和安全的同時，打擊和解決犯罪行為。