当地时间 8 月 3 日和 4 日，美国发生了两起大规模枪击事件，共造成 31 人死亡，51 人受伤。在枪击案几乎成为日常的美国，很多公司借助于人工智能技术，来实时定位枪击案发地点、预测犯罪行为，并成功降低了犯罪率。
在刚过去的周末，美国两个州（德州和俄亥俄州）接连枪声四起，当地人被这两起噩梦一般的枪击案，惊扰得惶惶不安。
德州埃尔帕索大规模枪击案共造成 22 人死亡，24 人受伤，成为美国有史以来第七大最致命枪击案。
第二权利法案：笼罩美国 200 多年的持枪阴霾
当地时间 8 月 3 日（周六）早上，德州埃尔帕索市（El Paso）一家沃尔玛大卖场发生枪击案。一名 21 岁的白人男子手持 AK-47，对在场的居民进行扫射，22 人无辜丧生。
而距离德州枪击案发生不到 14 个小时，大家还惊魂未定之时，俄亥俄州代顿镇又紧接着于当地时间 4 日凌晨，发生一起重大枪击事件，造成 9 人死亡，27 人受伤。
枪杀已经成为美国最常见的死因。据非营利性机「枪支暴力档案」(Gun Violence Archive) 的统计，在今年，美国迄今已发生 253 起大规模枪击案（截至发稿时最新数据）。
24 小时内连续的两起枪击事件，让美国民众处于焦虑与恐惧之中。他们举行示威活动，要求美国政府和国会积极推动控枪法律。
然而，美国合法持枪的法律历史已久，形成了根深蒂固的枪支暴力顽疾，如同阴霾一般，笼罩美国已有 200 多年。
1791 年 12 月 15 日，第二权利法案（也叫美国宪法第二修正案）被批准，即：
A well regulated militia, being necessary to the security of a free state, the right of the people to keep and bear arms, shall not be infringed.
「一支训练有素的民兵，对一个自由州的安全实为必要，民众拥有并且佩带枪支的权利不容侵犯。」
美国犯罪学家菲利普·库克（Philip J. Cook）推测，如果枪支没这么泛滥，罪犯可能还是会行凶，但至少会使用其它较不致命的武器。
AI 反恐反暴力：警方的制胜利器
枪击案之后，美国网友发帖称 「在任何地方都感觉不安全」，还有人担心他们在公共场所随时都需要逃生计划。
如果寄希望于美国控枪法律的制定，终究充满太多不确定性，谁都不知道这一天何时到来。
所以，美国政府机构与很多公司都从犯罪预防、预警的角度出发，积极尝试用 AI 去减少犯罪的发生。
类似于电影《少数派报告》中的机器人「先知」，它能侦查出人的犯罪企图，所以在某人犯罪之前，犯罪预防组织就会将其逮捕，避免造成犯罪与伤害。
报警利器：即时锁定枪击现场
来自麻省理工学院、斯坦福大学以及莱斯大学的三位硕博士共同创立了 ShotSpotter，该公司使用传感器、人工智能算法及系统，通过对公共场所的监听，实时定位枪击现场，帮助执法部门遏制枪支暴力。
他们检测枪火一共分为以下三个步骤：
第一步：实时监听和定位
将声学传感器放置在公共场所，设置软件过滤掉环境背景噪声，如汽车鸣笛。当有枪声发出时，传感器检测到脉冲。至少三个传感器测为枪声的脉冲后，再基于声音多点定位传感器收到声音的时间差，以及利用机器学习算法分析声音，确定射击位置。之后将信息发送到事件评估中心（IRC，Incident Review Center）。
第二步：声学评估与分类
机器分类器将声音与已知枪声和其他社区声音的脉冲大型数据库进行比较，以确定它是否为枪声。IRC 的声学专家进行进一步分析，添加相关的战术情报，如「多个射手」和「自动武器」。这可能会改变警察接近犯罪现场的方式。
第三步：警报通知
事件被确认后，会出发事件通知，发送到调度中心，巡逻车 MDT 和智能手机、桌面、浏览器等应用程序。从最初检测出枪声到警报，总时间少于 60 秒。此外，警报可以集成并触发其他系统（如摄像头），以便在枪击事件的区域进行平移，倾斜和缩放，以了解实时情况。
据 ShotSpotter 称，他们的系统可以实时有效地为当局提供有关枪击类型的信息，位置可以精确到 10 英尺的范围。
目前，他们的设备已经部署在纽约，芝加哥和圣地亚哥等 100 个城市，大多数客户都在美国，去年南非的开普敦也成为他们的客户。去年，在这个设备的威慑下，辛辛那提的枪击案发生率下降了近 50%。
防范利器：预测犯罪高发地区
Predpol 是一家使用大数据和机器学习来预测犯罪发生的时间和地点的公司。他们声称，通过分析过去犯罪的现有数据，可以预测新犯罪最有可能发生的时间和地点。
目前他们的系统正在美国的几个城市（包括洛杉矶）投入使用。
该团队与加州大学洛杉矶分校和圣克拉拉大学的数学家、行为科学家合作，评估了各种数据类型，行为和预测模型。这些模型由来自洛杉矶警察局和圣克鲁斯（加利福尼亚州）警察局的犯罪分析员和官员进一步完善。
他们最终确定警察部门收集的三个最客观的数据点为预测提供了最准确的输入数据：犯罪类型，犯罪地点，犯罪日期和时间。
他们的算法基于观察到某些犯罪类型倾向于在时间和空间上聚集。例如，如果某房子今天被盗窃，那明天被破坏的风险实际上会增加，同时，该房子的邻居也将面临更大的风险。
他们称这种技术为实时流行型余震序列犯罪预测。他们的系统突出了地图上可能存在的案发地点，警方应该考虑更多地巡逻。
打击犯罪，全球共识
据估计，美国每年执法方面的总支出超过 1000 亿美元，而这还只是政府在犯罪上的一小部分支出，此外还需要承担一些由犯罪造成的医疗费用、公共财产损失。
因此，降低犯罪率于国于民，都刻不容缓。人工智能技术在降低犯罪率方面，也凸显出其快速、准确的优势。
现有使用人工智能和机器学习来通过声音或摄像机检测已发生犯罪的系统，已被证明有效，并有望继续扩大。
我们相信，技术的发展，一定会让这个世界更美好。
