人工智能破案的三個絕招

據說今年的柯南劇場版又能在中國上映了。作為一個二十年柯南老粉，我決定跟大家聊一聊人工智能和偵探的故事。

警用AI其實已經不算是新鮮話題，各種安防、巡邏、審訊技術，包括各種警械，都已經可以找到AI的身影。但在案件的核心偵破環節，也就是需要用到大偵探親自登場的時候，AI還只是一個初出茅廬的見習偵探。

好在AI這東西有幾個絕招，在人類同行面前還是具有一些優勢的。張學友演唱會上的人臉識別若乾連殺，或許可以看做AI破案的一次小試牛刀——畢竟熱愛音樂的犯罪分子是自己暴露在重點監控範圍裡的。

而在近一年多時間裡，一件有意思的事是AI開始更多參與到正兒八經的案件偵破裡。這一方面是因為城市智能監控系統的不斷完善，另一方面也跟AI處理複雜數據的能力提升有關。

綜合來看，AI偵探可以在案件偵查和推理時，做到三件人類很難做到的事。這三個絕招又常常是連環出擊，一體化辦案，已經讓我們看到了很多疑難案件新的曙光。

個子很小（小到根本看不見），善於動用科技裝備（攝影頭、傳感器），習慣於躲在人類背後說話……感覺AI偵探的代言人已經呼之欲出了。

AI破案的三個絕招分別是：

利用智能攝影頭，找到隱藏的證據

就在上個月，衢州警方剛剛公布了一個案例。利用阿里雲的ET城市大腦技術，警方破獲了一個長達6年的“電魚案”。

錢某夫婦從2012年開始，就在錢江源國家公園的主要支流信安湖裡非法電魚，然後倒賣給固定下家，再將魚流通進菜市場。6年裡夫妻倆非法獲利60萬元，儼然靠電魚奔小康的節奏。

而這個案件的難點在於，按照法律規定，非法電魚必須達到500公斤才能立案。而實際偵破過程中犯罪嫌疑人都不會一次攜帶這麽多魚。導致很難人贓俱獲，達到立案標準。

利用遍布城市的智能攝影頭，AI破案的邏輯是通過識別和鎖定犯罪嫌疑人的特徵，來準確捕捉嫌疑人的行動路線。從電魚到運輸再到銷贓，AI天網很容易就記錄下其犯罪的全過程。

類似的AI取證技術，在很多案件的實際偵辦過程中都能用到。

比如在有些偷盜、非法捕獵、盜竊公共財產案件中，由於單次涉案金額普遍輕微，嫌疑人經常打著“被抓到就認倒霉，反正大部分時候抓不到”的態度，讓警方十分難辦。而基於AI攝影頭的人臉識別、特徵識別和運動軌跡跟蹤能力，可以準確發現那些不容易找到的證據。還可以有效找到嫌疑人的同夥，留下銷贓、藏匿贓物的證據。這類工作不用AI的話只能依靠辦案人員跟蹤和群眾舉報，效率上較差，留存證據也十分困難。

AI+攝影頭的另一個作用，是可以大幅度提高警方跟蹤的效率。偵查員與AI攝影頭協同工作，可以讓跟蹤變得難以提防，從而加快破案進度。

人眼找不到的，天眼來找，這在某種程度上對區域安全是一個質的提升。

在龐大數據中發現線索

大部分普通人都會覺得，犯罪分析是一個腦力勞動，講究的是偵探和犯罪分子鬥智鬥勇，靈光一閃就知道犯罪分子的真實身份了。

然而現實是，犯罪分析是一個絕對的勞動密集型工作。推理和技術偵查固然重要，但絕大部分時候還是要靠看無窮無盡的檔案資料，查看數量巨大的影片監控，接聽無數舉報電話。

這些工作在數據累積到了一定程度後，會變成警力根本無法負擔的任務。當年抓捕周克華的時候，曾經調集大批警力24小時看監控影片。而一般案件顯然無法聚集這麽多警力，那麽在茫茫人海的城市中，找到一部車、一個人，就變成了非常困難的“數據挑戰”。

AI技術的另一個能力，多元數據處理和跨平台數據處理，就在這個時候顯現出了價值。今年年初的時候，深圳市曾經快速破獲了一個拐騙兒童案。利用華為雲與深圳合作的智能安全系統，警方對拐騙者的模糊照片進行了全城監控數據中的影像搜索。依靠AI快速的影像識別與處理能力，很快鎖定了嫌疑人的位置。從報案到抓捕，僅僅用了19個小時時間。

類似的AI處理海量資訊能力，最大的價值在於可以解放大量人工操作時間。對影片、音頻、文檔等資料進行有條件篩選與結構化分析，將漫長的搜尋任務在分鐘級的時間完成。比利時警方在去年還曾經引入AI的數據處理能力，來監控恐怖襲擊可能爆發前的社交網絡異動、銀行資金流動等情況，希望能夠用AI來跟恐怖主義爭搶時間。

對於綁架、拐騙、交通肇事逃逸等案件來說，數據處理時間基本意味著一切。一旦犯罪嫌疑人失去蹤跡，案件的破獲難度和社會危害就會膨脹。

人機協作的案件偵破方式，在今天的數據爆棚年代已經成為了必然選擇。

理清案件背後的複雜關係

一位刑警朋友，曾經給我介紹過案件偵破過程裡的一個難點：給犯罪團夥整理口供。

由於緊張害怕、抗供心理，再加上犯罪份子普遍文化素質不高，一個犯罪團夥落網後，經常會對團夥間的關係說的亂七八糟，彼此很難吻合。誰是主謀，誰是從犯，犯罪動機如何，經常會在口供中複雜的關係裡被弄得十分凌亂。

案件偵破裡的這種狀況，可以看做一個數據文本分析問題。如果我們整理清楚數據特徵，搭建好彼此的關係，就很容易識別其中謊言和矛盾的地方。這也是一個AI可能比人類更擅長的課題，尤其是在案件關係過於複雜之後。

刑偵工作裡，有一個名詞叫做案件串並。是說如何把不同的犯罪事實歸結到一起，弄清楚一個人或團夥若乾次犯罪事實。

對於情形複雜的團夥犯罪和體系化犯罪中，案件串並尤其重要，卻也需要耗費大量的人力物力才能完成。比如電話詐騙犯罪，不同的嫌疑人有不同的犯案特徵、不同的詐騙方式以及所使用銀行卡等犯案工具。但由於受騙者可能來自不同地區，受騙經歷也不相同。想要進行全國範圍內的案件串並就很艱難。

在AI應用中，針對類似情況比較知名的是認知計算技術。利用文本歸納、文本特徵提取、語義理解等方式，來抽取犯罪行為中的相似性，提醒警方進行並案處理。

類似AI技術，已經廣泛使用在情報分析和商業組織分析當中，IBM i2系統就是這類AI應用的代表。而在刑偵領域，我國也已經開始出現類似應用，來輔助偵查員在筆錄、回訪、現場勘查記錄等資料中整理文本特徵，分析並案可能。

除了電話詐騙之外，需要大量應用AI進行文本分析，理清犯罪團夥關係的是金融犯罪和傳銷。金融犯罪當中，往往涉及複雜的账戶、公司和法人關係，錯綜複雜到一團亂麻。這種情況下，利用AI進行特徵分析，理清金融關係，就變得尤為重要。

（IBM i2進行的人物關係分析）

在傳銷網絡裡，受害者和傳銷上線、組織者往往混為一體，在破獲後很難對其進行甄別。根據口供體系等散亂資料，對組織內部關係進行整理，也是AI在破案中發光發熱的一個角度。

顯然，在成為名偵探這件事上，AI已經具備了C位出道的感覺。當然，代替人類獨擋一面的AI偵探並不靠譜，但隨著不可取代性日益加強，刑偵中的AI技術與城市智能平台已經顯現出了價值。近一年左右時間中AI破案事件直線上升，是一個非常值得關注的現象。

這麽一想，寫一個大數據+AI主題的推理小說，好像也挺不錯的。