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
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。