最近杭州的失踪案在经过十几天网民各种福尔摩斯的推测后，终于被侦破了。毋庸置疑，大数据对案件的侦破起到了关键的作用。通过对小区和邻近路段的监控视频的分析，最终推断出来某某没有出过小区，然后将嫌疑人锁定。然而，从公开的报道来看，人工智能似乎并没有发挥其应有的能力。公安人员在分析视频时，是通过人工检查，24小时的视频要看一天甚至更长时间，以免漏掉潜在的目标。一如在世界人工智能大会上，张宏文讲的“新冠在中国得到成功的控制，也不是得益于人工智能，而是传统医疗和有效的城市管理”。

       为什么人工智能在此次案件的侦破没有发挥应有的作用呢？按道理来说，利用人工智能的快速检索能力，通过对视频监控数据进行摘要提取，可以很快的把嫌疑犯找出来。更何况，人工智能在海量搜索和计算速度两块都有人无法比拟的优势。然而，事实并非如此。

        其中的原因可以从判断人工智能算法优劣的两个指标说起。 误检率和漏检率 （常称为召回率）。误检率是指本来没有发生的，如未发生的交通违章、没有新冠的人被误判为新冠病人。而漏检率是指发生了却未被检出的，如明明有嫌疑人出现了却未检出、有新冠症状却没被检出。

        误检率相对来说，损失小一些，但仍然是会浪费时间和成本。比如在交通违章上，疑似违章者需要花时间去与 交通部门进行交涉后方能取消。在刑事案件中，可能导致公安部门不必要的出警，极端情况会产生“狼来了”的不利影响。而在医疗诊断中，对于心理素质不强的人来说，误诊为癌症对身心的打击会很强烈。所以，基于人工智能的模型应该尽量避免这个指标过高。

        类似地，漏检率的危害就大多了。举例来说，在监控视频的快速检索中。如果把出现嫌疑人的视频漏掉了，那么有可能会让整个案件无法形成闭环的证据链。而新冠病人如果漏检，则会导致病毒被快速扩散，对疫情的防控、相关地区各行业的正常运营都产生巨大的阻碍。

        那么，人工智能有没有可能把误检率做到零，同时也把漏检率降到零呢？

       很不幸，答案是否定的。如果在文献看到有这种情况出现，一种可能是数据集本身的规模太小，并没有涵盖更多未知样本的情况。 

        而达不到单个指标或两个指标为零的原因也不少。一是有可能数据本身是有噪的，如不可约简掉的噪声。二是数据的分布。如果对数据做了某种分布假设，那也就无法保证不满足该假设的样本能被正确分类或预测。除此以外，当数据缺乏明显的标签时，就更难保证了。比如这起失踪案，如果连嫌疑犯是谁都未知，人工智能就无法建成有效的预测模型。

       据说本次失踪案的监控视频中，有一帧是只有半个下半身影子的图像。依赖现有的人工智能算法，这种图像很容易被忽略掉，因为它可能达不到能形成响应的阈值。但这样处理，却会严重地影响对案件的分析。此时，快的搜索就不如人类慢的、缜密的思维模式有效了。

       总之，尽管我们能看到人工智能在众多刑事案件侦破中起到了重要作用，但也要认识到，仍然有一些情况是不能完全依赖人工智能的，尤其是需要用到人强大的因果推断和直觉思维能力的场合。

       未来也许需要人和机器实现混合智能增强，才能把各自的优势有效结合，形成更强大的智能计算。

张军平

2020年7月27日