美国芝加哥大学的研究团队开发出了一种人工智能新算法,利用芝加哥2014年到2016年暴力犯罪和财产犯罪的公共数据来训练模型。该模型可以提前一周预测未来的犯罪活动,准确率约为90%。
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,还将公路、火车站和公车路线等交通工具信息作为运算因子,来预测犯罪。此外,该模型还揭示出警察在执法过程中存在某些偏见。
我们的科技留言板“有意见”如下
@不倒翁:听说过针对气象的精准预报,比如将城市区域分解成许多个1公里×1公里的网格,实现两个小时内每个网格的天气预报,而这都需要对过去10年的海量雷达数据进行处理、训练和分析,预测还往往不那么准确。现在把一个城市划分为1000英尺(300米)的一个个区域,通过历史数据对人的行为进行分析,从而预测未来某个人将会实施某项犯罪行为,这不是一个科学的态度和方法。
@TomandJerry:表格蹲点已进化成了AI蹲点。涂子沛在《大数据》中就介绍了犯罪之都纽约的一个巡警杰克梅普尔通过地点标记和图表记录案发时间找到犯罪的规律,全城推广成功将地铁的犯罪率降低了27%,由此还诞生了计算统计学(CompStat)。如今表格分析已发展成为了AI,更加精准。这就是告诫人们想走捷径做劫匪也枉然。
@周一见:2002年美国电影《少数派报告》已经“预言”,随着科技发展,人类可以利用具有感知未来的超能力人——“先知”来预测并阻止犯罪。现在,AI充当了这一角色,但正如片名一样,90%的准确率,意味着”少数派“的存在,而那些即将犯罪的人又该怎样处理?AI预测犯罪的可行性,也许需要先考虑这些问题。
@锐角:作为一集不落看完五季《疑犯追踪》的人,对AI预测犯罪这个场景太熟悉了,现实版AI虽然还在萌芽阶段,但是潜力巨大。我想未来的警务模式也许是AI技术+公安系统数据+视频监控系统融合的大数据公安警务模式。
@独木舟:对信息的有效解读是个科技难题,AI如何实现读心术?犯罪行为是心理层面的问题,也是AI最难突破的情感分析能力。AI算法随着数据质量、网络覆盖、技术升级,其预测能力会大幅提升,但预测犯罪的可靠性还有待考究。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。