基于人工智能的新型警务模式探索

胡勇强

（广东省公安厅，广东 广州510050）

一、引言

警察的职责是维护国家安全，维护社会治安秩序，保护公民的人身安全、人身自由和合法财产，保护公共财产，预防、制止和惩治违法犯罪，警务即是警察职能工作的概括。为使警务工作高效有序，警察逐渐向职业化、专业化发展。伴随着警察职能的变化，专业、社区等警务模式逐渐形成。目前，我国主要采用社区警务模式。该模式在维护社会治安、打击区域违法犯罪方面相较专业警务模式有较大优势，一定时期内比较符合我国社会发展的规律，但城市规模的扩大、信息化程度的提高、社会治安压力的增加对警务模式也提出了新的挑战。

当前，网络已深度介入人类社会，在人类社会物理空间外形成了一个巨大的虚拟网络空间，人在其中活动所留下的数字“痕迹”深刻反映了人的行为习惯。对这些数字“痕迹”进行分析和运算，可以推演出人在网络中实施的行为。通过预测人工智能技术的发展，可以将大量警力从繁重的数据识别、分析工作中解脱出来。在日常警务中，如果能充分利用网络和人工智能的强大技术优势，逐步将犯罪预警和预防、打击同步，进而提升警务效率，就能够有效破解当前社区警务工作面临的警力不足、犯罪率居高不下等难题。

二、社区警务模式的历史演变和现实困境

突出社区服务、依靠社区力量的社区警务模式是由专业化警务模式发展而来的。专业化警务模式强调快速反应、机动巡逻和对案件的科学调查。警察是一支纪律良好、高机动性、准军事化的打击犯罪专门力量。应按照人口数量配比警察数量，并提升警察器械装备的配置与技术层次，以提高警察的快速反应和打击犯罪的能力[1]。专业化警务模式的核心理念在于发现犯罪、逮捕犯罪嫌疑人，而不是致力于消除社会问题发生的根源。随着人口流动更频繁、社会贫富差距加大，该模式的弊端日渐凸显：社区犯罪率并没有随着警察数量增加及反应时间缩短得到有效遏制；过于强调打击犯罪和执法职能导致警民关系疏远，警察不能发现并消除犯罪和骚乱的根源，社区居民很难感受到社会治安的改善和生活质量的提高。为破解难题，社区警务模式应运而生，其实质是从打击犯罪为主向预防犯罪为主的警务战略思想转变[2]。

（一）警务的起源与发展

人类进入阶级社会后，“警察”开始萌芽。在人类部落或氏族时期，首领任命部落成员扮演“警察”角色，对违反习俗和规则的氏族成员采取一定的执法行动，将罪犯的处置权交给受害人或受害人的家庭[3]。奴隶制时期，“警察”逐渐从社会分工中独立出来，执行巡逻、火警预警、消防、查案捕盗以及部分追缴税收和裁判官、法官的业务。到封建制时期，“警察”已成为社会管理不可或缺的部分并趋于职业化，职业内部开始进一步细化分工，出现了专门的验尸官“仵作”、侦探“捕快”、狱警“狱差”等。到了近现代，随着工业化的发展，特别是工业城市的出现，警察承担的职责更加明朗化。其既是执法者，又是社会秩序的维护者和社会服务的提供者。警察的服务功能被强化，有时警察服务民众远比控制犯罪重要。到了上个世纪六七十年代，社会群体性事件、民权运动等频发。为维护社会秩序,各国政府投入巨资，加大警察的武装力度。由于盲目追求高行政效率和低犯罪率，警务严重脱离社会，以至无法应对犯罪率上升、冲突、暴力和社会骚乱等日趋严重的社会治安问题，公众不信任警察，不支持警察的活动。警民之间的不信任使得一些国家开始重新审视警察作为服务提供者的角色，警队逐渐抛弃被动式警务战略，转而采取主动预防犯罪、解决犯罪诱因问题以及社区参与的社区警务策略[4]。

（二）社区警务的诞生

社区警务起源于20世纪70年代初的美国。在社区负面反映和联邦资金匮乏的刺激下，美国部分警察局推行社区和警察互动的项目，倾听民众的声音。到20世纪90年代，美国的社区警务模式探索出一套成熟的理念，并在实践中取得巨大成功。据统计，美国实施社区警务模式10年以上的社区，犯罪率平均下降了40%，部分地区（如纽约）下降超过60%。美国警方总结出社区警务的四大工作要领：一是警察与社区合作推动问题的解决。警察机关对社区关注的重大问题进行深入分析，并促进取得实质性成果。例如，对于重复发生的案件，警察机关要探寻背后的原因，通过警民合作提升警察收集和分析数据的能力，并进一步评估警务工作的效果。二是警察在社区秩序恶化初期就应介入。为打击犯罪和降低居民对犯罪的担忧，警察必须依靠民众的支持和协助，制止影响社区民众生活质量的人为破坏行为和物理性破坏行为，保护社区安全和秩序。三是参与式管理和全员参与。一方面，基层警察被允许参与与他们具体工作有关的决策过程，鼓励内部谈论和工作创新；另一方面，警察和民众都应参与警务工作，共同寻找有效解决社区内社会问题的创新方法。四是警察是社区安全的资源、支援和培训提供者，鼓励并授权居民开展社区安全和秩序的自助活动。[5]

（三）当前我国社区警务模式面临的现实问题

受社区警务在美国取得巨大成功的示范影响，我国从上世纪90年代末开始借鉴并实施具有中国特色的社区警务。该模式下，由社区主导警务，警民密切合作，达到群防群治的效果[6]。但是，随着社区规模的扩大和社区综合关系的复杂，警察维护社会治安秩序的成效不佳，部分区域的社会治安持续恶化。当前我国社区警务模式面临的现实问题包括：

一是警力捉襟见肘，社区防控能力弱。对于一个地区来说，以社区警务为导向的各级公安由地市级公安局、区县级公安分局、镇街级派出所、社区警务室构成。为保障该机制的正常运转，各层级均需配置一定数量的警察。随着社会经济的快速发展，基层派出所的任务越来越繁重，警力应付日常事务性工作已捉襟见肘，加上对社区警务的认识不到位，社区警务力量日渐薄弱。在推进一些专项工作时，社区民警被抽调借用，进一步恶化了社区警务力量薄弱的情况。此外，近年来各地公安机关推行数字警务、智慧警务、云警务等警务新技术，导致大量基层警力被临时安排去采集基础数据、学习摸索技术和探索技战模型，使派出所、社区等民警数量进一步萎缩。

二是警务社区的任务愈渐繁重。警务社区设立的初衷是为了发动群众预防和控制犯罪，但实践中社会维稳、大数据采集及派出所台帐数据（如据广州统计有36项之多）等工作消耗了社区民警的大部分精力，留给社区民警组织和发动群众群防群治的时间不足，警务室鲜见民警现身，社区警民联系标牌成了摆设，导致部分地区的社区警务处于停滞状态，社区警务“深入群众、发动群众”的初衷仅停留于文件层面。

三是社区治安防控多头指挥，各自为战。社区警务是社会治安综合治理的重要内容之一。社会治安综合治理是组织和依靠社会各部门、各单位和人民群众的力量，综合运用政治、经济、法律、教育等多种手段来预防和治理违法犯罪，化解不安定因素，维护社会治安持续稳定的系统工程。社会治安综合治理的每项工作内容都明确由政府某个部门或单位负责，且每年有相应的考核指标。街道、城管、公安等部门为完成自己上级部门设定的考核指标各自奋战，依托公安部门的社区警务理念统筹开展打击和预防违法犯罪措施的意识不足、办法不多，导致与社区警务有关的措施常被弱化，进而使社会治安综合治理出现“木桶效应”。

四是资金投入巨大，效果有限。按照社会治安综合治理工程建设目标，社区防控是治安综合治理的重中之重，政府在社区防控方面不断投入巨资，在城市关键出入口和人口流动密集区域大范围布设治安摄像头；街道、社区在街区出入口、楼道、电梯内安装监控摄像头，并设法将其接到社区警务室或派出所。但警方无足够人力、财力对大量视频进行分析、研判，导致视频监控系统无法即时发现、预警、阻断犯罪，造成社会资源的极大浪费。

五是社区警务实施要领落实不到位。有鉴于美国社区警务实践的良好效果，我国的社区警务模式在较短时间内普及并运转起来，但美国社区警务实践中总结的四大要领并没有得到很好的贯彻落实。例如，在发动民众方面，部分社区民警没有组织、调动社会力量参与维护社会治安，辖区内“二进宫、三进宫”的人员没有得到有效教育矫正和社会引导，导致犯罪人员数量呈增多趋势。在人心趋利的作用下，部分村、乡、镇沉沦为诈骗、盗抢、制假等犯罪重点地区。

三、基于人工智能的警务模式构建

新技术、新理念、新思维对公安机关来说既是挑战也是机遇。新形势下，全国各地公安机关积极开展科技强警战略探索，努力提高警务工作的科学化、信息化和现代化水平[7]。近年来，借助人工智能技术，部分公安机关构建起新时代“智慧”新警务雏形，取得了明显的社会治安防控效果。其基本思路是“大数据+人工智能分析”的模式[8]，通过大量人力采集基础数据，运用大数据技术清洗、梳理数据，利用数据处理模型实现警务效能的提升。人工智能的运用更多集中在人像识别、声音识别等方面，推进过程中存在的问题包括：数据提取标准不一，没有统一的行为标记方案；数据分析突出关联性分析，对于痕迹捕捉分析相对较少；数据运算上，人工干预较多，“类人”智能还需深化；校验机制还是人工为主，缺乏虚实空间结合校验机制。因此，本文提出基于人的虚拟空间的行为特征，结合人工智能技术以实现警务模式的创新。相关模式构想如下：

（一）行为标记

前文已述，得益于信息技术和互联网技术，网络空间中逐步形成了与现实世界并行的虚拟世界。欲实现基于人工智能的警务，首先需要在虚拟空间记录个人行为，实现行为标记。具体可参照数字仿真战场环境[9]，以虚拟现实世界场景为基础，提取现实社会中人的活动轨迹投射到虚拟网络空间中，构建以人的动态轨迹为数据链条的虚拟世界。具体做法上，可用合理的数字编码标记独立个体，如18位身份证号码；人在某时某地出现也用字母或数字串标记，如出现在某个手机基站下可标示为“A+身份证号码+C+基站编码+基站经纬度坐标+时间+0”（A表示现实社会空间，N表示网络虚拟空间，0表示不存疑，1-9表示存疑等级），出现在某个摄像头前可标记为“A+身份证号码+D+摄像头编码+摄像头经纬度坐标+时间+0”，付款行为可标记为“A+身份证号码+F+付款形式+付款特征码别+付款台经纬度坐标+时间+0”。数字标记方式可以将个体现实轨迹以数字编码的形式记录在网络空间。

（二）痕迹捕捉

行为标记只确定了数据采集规则，我们还需通过标记行为痕迹捕捉实现数据清洗，为人工智能算法提供支撑。可在一定区域内网格化设置身份识别装置，采集获取该区域内人员每天24小时内的活动轨迹。例如，在机场、车站、码头设置身份识别装置，既可获知一定区域内人员的变动情况，又可获取具体是哪些人发生变动；商场、超市、杂货店、餐饮店的身份识别装置既可获知大部分人每天每分每秒的准确活动位置，又可在付款时对其真实身份进行再确认；利用无人机和卫星系统设置身份识别装置，既可获取动态流动目标的实时动态，又可识别出其他身份识别装置无法使用的场景。将采集的数据传输到网络空间，表现为个体在虚拟世界中同步运动，可实现对“现实中人活动”的记录、回放、查找和分析。

（三）人工智能运算

完成行为标记及痕迹捕捉，就实现了基本的数据积累。人工智能警务还需要对场景情形进行特征分析，才能实现警务的人工智能。笔者粗略梳理出三种行为分析情况：

一是对于违法犯罪行为动作的自我捕捉学习。首先应对一些违法犯罪行为样本进行行为定义和痕迹捕捉，然后将实施该犯罪行为的各个动作和步骤进行切片取样，接着完成行为要素分析与提取，形成特征矩阵，通过人工智能算法达到主动模拟和判断新出现违法犯罪行为的程度。这种学习方式如同电脑游戏中对人物行为的捕捉和编辑，但在目标人物数量较多时，需要超级计算机支持运算。

二是对于违法犯罪行为特征的跟踪学习。通过行为标记，我们很容易实现个体的行为记录和重建，并利用人工智能在虚拟空间重建和模拟该行为的各种结果，对不明行为是否有害进行辨别和定义。一旦提取到特征，当出现有害行为或某人将实施该有害行为时，人工智能就能提前预警，并在必要时通知警察干预。这种学习方式属于被动式智能识别某种行为对他人是否有害，并可实现全网域预警防控。

三是对于违法犯罪轨迹的重塑学习，即把人的行为轨迹重现在网络空间，根据行为的时间、空间坐标，结合人的行为极限等因素，运算出某种行为结果由哪些人实施或某人能实施哪些行为，再通过人与人之间的联系数据（语音、文字、视频等）辅助运算出具体的行为人或具体行为。该方式用个点代表个人，不关注每个人的具体行为动作，侧重人的社会属性，分析人与人之间的关系，实现对事件的预测和分析。其中，对违法犯罪轨迹的重塑学习是新模式下最主要的机器“智能”。其汲取互联网日志分析的成功经验，将现实世界人的轨迹类比成网络日志进行理解、重塑和自我学习、模仿。例如，通过研判一个人在网络空间中的一系列数字痕迹，可知一个人每天的所有活动；通过计算机建模运算，也可追溯出特定区域发生的某种行为是由谁实施的，还可以预知某个人下一步将实施何种行为。

（四）虚实空间结合的智能分析

人像识别、电子支付、上网及其他可验明身份的装置识别记录着每个人每时每刻的行为轨迹，遍布现实社会的身份识别装置能将人类每时每刻的位置数据传送给“中央”计算机。在“中央”计算机构建的电子虚拟世界中，每个人都以电子的形式移动。当出现违规、违法、犯罪或其他重要行为时，“中央”计算机既可以调取模拟行为的发生情况，还可以调动现实空间的摄像头、卫星等，对异常场景内的各种痕迹以数字形式记录下来，再进行研判分析并向警方提供信息。可以想象，在天眼的区域中，警方缉捕逃犯将不再需要追捕。电子虚拟世界的“大脑”——“中央”计算机将实时提供逃犯的位置和将要逃跑的路线，警察只需要在“大脑”提供的路口等待罪犯“自投罗网”。对于罪犯的违法犯罪证据，“大脑”也可以完整打包并可视化地展示违法犯罪过程，甚至连罪犯的审判，“大脑”都会提供最佳判决方案。

（五）身份查验校对机制

在基于人工智能警务新模式中，人工智能技术在虚拟网络空间对“人”进行社会化管理。当其与现实空间对应时，人在现实空间活动的复杂性，如部分人为达到欺诈、盗窃、破坏等目的而刻意隐藏或伪装自己的身份，不以真实面目示人，会给虚拟空间“人”的身份的确定带来诸多困扰，可能出现特定的行为标记字符串指向并不唯一。对此，可结合现实场景情况对存疑个体身份进行查验校对。下文以两个场景阐述查验校对机制。

一是消费支付环节。每个人支付时使用的银行卡、微信或支付宝等都需要经过实名认证，每一个都有特定的身份识别码。在支付时，摄像头会采集并识别出使用人的身份识别码。一般情况下，实名认证的登记人和使用人的身份识别码是相同的，但当借用或盗用时，这两个码是不同的。人像识别出的具体使用人优先级高于登记人的，系统会自动优先记录使用人的身份识别码，并在记录的字符串尾部标记存疑，即行为轨迹数字串“A+身份证号码+D+摄像头编码+摄像头经纬度坐标+时间+存疑值”中的“存疑值”选择0-9的数字，其中0表示不存疑，1-9表示存疑程度。

二是上网环节。每个人拥有自己独有的电子邮箱、微信、支付宝帐号等网络身份，以密码的形式固化为自己持有和使用。当临时使用人与持有人不符时，两者的身份识别码不吻合，存在身份被冒用、盗用、借用的嫌疑或临时使用人故意隐藏了真实的身份特征。当临时使用人故意隐藏了真实身份时，为进一步核明临时使用人的真实身份，需要对临时使用人前几个小时的特征进行追溯核准，以验明当前人的真实身份。

四、对人工智能警务模式的展望

在人工智能警务模式下，现有的大量警务工作将交由网络和人工智能算法实现，由“类人”智能对社会进行精细化管理，警察起引领、支撑作用。相较专业警务、社区警务等模式，基于人工智能的警务模式有巨大优势，将促使警察体制、任务范围、工作重心等发生重大变革。

（一）人工智能警务模式的优势

第一，实现智慧警务。从数据采集、分析、处理到输出结果、调度指挥等，新警务模式全部交由机器完成，全程不需要人参与。

第二，全天候工作。机器构建的虚拟人工智能警务网络（以下简称智能网）只需要通电即可以对社会进行全面监控和记录，对社会隐患、违法犯罪行为等24小时进行运算和预警，全程不需要人工干预，既避免了人为感情因素的影响，又可摆脱人自身物理属性的限制，实现警务活动全天候，做到真正客观、公正、公平处理各种社会问题。

第三，所需人力少。因计算机可以运算出某种行为结果最有可能是由谁实施的，且对特定行为结果提前预警，指挥调度、侦查取证、调查研判、查控缉捕等警务工作将由计算机给出最优工作方案，警察只需要按照运算结果工作，以最少的时间、最低的成本高效维护社会秩序。

第四，技术风险可控。一是行为提取技术成熟、设备改造简单。通过对现有的摄像头终端设备进行技术改造升级，加装微型计算芯片，人员图像的识别和比对即可在新终端边缘计算完成，识别比对后的结果可上传到节点数据中心。二是线路带宽要求大幅降低。边缘计算使图像、视频等大数据无需传送到区域节点数据中心，节省了大量带宽和数据存储空间。三是场地改造容易。现有的公安分局、派出所等警务行政单位主要按照辖区人口划分，且人口数量相对稳定，行为痕迹较稳定，新增行为人较少，故其升级为区域数据储存和分析中心耗费的资源少，计算机运算要求相对较低且更为准确。四是人工智能设备投入低。中央计算机运算准确但价格昂贵，而县区或较大的镇域人员移动较固定，数据量不大。通过将公安机关的计算机联网成分布式计算网络，充分利用空闲的运算力运算稳定小区域的数据，可实现中央计算机的运算效果。

第五，运行成本低。不论是终端的微型计算机还是超级运算，都可以利用现有成熟的技术低成本实现，且故障率低，维护技术难度低，维护成本小。

第六，投入低，见效快。资金充裕的可以改造一个城市区域，财力紧张的可以改造一个派出所的区域。将派出所区域构建成智能警务防护的“堡垒”，将违法犯罪和各种社会隐患从“堡垒”挤压出去，一个个“堡垒”连接在一起就形成了真正的“堡垒城市”，从技术上降低了城市的犯罪率和安全隐患。

第七，数据更安全。人工智能警务模式下，各种个人隐私数据存储在独立的网络中。这个网络是按照计算机网络技术构建的新的电子虚拟网络，是与互联网物理隔离的独立闭合网络空间。警察和其他安全人员无法接触到数据源，自然无法泄露数据接触。

（二）警务变革的态势

新警务模式使警察的工作任务、工作重心、工作方法发生根本性改变，有些工作岗位趋于消失，新的工作岗位将会出现，部分曾经忽略的岗位得到重视。

一是传统业务警察数量将减少。在人工智能警务模式下，每个人都被身份识别设备所监督。一方面，大众更加约束自己的行为；另一方面，人工智能能够预判每个人的行为，并针对隐患提前引导警方干预，将违法犯罪扼杀在萌芽阶段。较低的犯罪率和由机器设备承担部分侦查、缉捕、勘查和服务等警务工作将使警察人数大幅减少，社会管理成本大幅降低。

二是警察维护社区秩序的职责将得到强化。秉承警察应该在社区秩序恶化前介入并制止才能最大程度保护民众和社会财富的宗旨，警察在服务人民、管理社会秩序、打击违法犯罪和纠正各种社会乱象的同时，更应当引导民众共同维护社会秩序，服务和回报社区，如通过与社区民众广泛的互动，使有违法犯罪意向或已经违法犯罪的人认知自己的错误，反省自己的行为，自动自觉地维护社会秩序、承担社会责任，从而真正减少或阻止扰乱和破坏社会秩序的行为。

三是警察将承担新的工作——社区教育。社区教育有别于传统的“教书育人”式的教育，其工作重点是维护社区秩序和提高民众的生活质量，如社区普法、和谐社区建设、社区社会问题矫正等，解决个别人重复犯罪、个别地区区域性犯罪等问题。

四是警察服务大众的事项更加丰富。人工智能警务改变的不仅仅是警务模式，还有整个人类社会的管理模式。当一个人的各项指标数据（身体、学习、技能、衣食住行习惯等）被准确提取，人工智能网络利用这些数据对一个人所有思维和行为活动进行智能运算、模拟、重塑和预测，就可以远程办理各种证件、预警事故发生等。

五是警察工作重点和范围将发生转变。警务工作范围将被重新界定，服务、打击、教育将成为警察的新使命，社区教育将成为警察新的工作重心。由于人工智能网络能够给出优化工作方案，预防、打击的同步运行极大地减少了警务力量，但社区教育对象因其情感、思维、经历无法通过行为标记进行提取，故只能通过警察的社区干预减少或消灭违法犯罪。

六是机器人将大量参与警务。随着科技的迅猛发展、公安业务的快速增长和人口老龄化的加快，警察警力不足、安全隐患增加和劳动强度增大等问题亟需解决。在警务工作中引入机器人，以降低警察劳动强度、勤务风险，是未来警务改革的趋势之一。当前的警用机器人研制蓬勃发展，如5G智能机器警察、警用无人机、排爆机器人等能够开展服务、侦查、管理等多种活动，极大地提高了警务工作效率，减轻了一线警察的压力。在人工智能警务模式下，现有的大部分警务机器人将失去使用价值，而一些更为重要的、承担识别身份的机器人将被研发出来，承担现场勘查发现和物证提取、电子数据的提取与分析、人体痕迹提取与分析等工作，帮助确认某个位置有哪些人及具体的运动轨迹，且对现场的破坏远小于警务技术人员。

五、结语

当前我国警务战略以侧重服务的社区警务模式为主，在专项工作时参照了专业警务模式。在信息技术和人工智能技术的推动下，两种警务模式在社会治安秩序管理方面取得了较好的成效，但二者的技术升级均需大量人力物力财力支撑，且难以将社会犯罪率稳定控制在较低水平，无法满足当前社会治安的复杂需求。在不投入大量人财物的前提下，利用网络技术、人工智能技术的新警务模式能做到对人的精细化管理，预测、预警、预防各种人、组织、族群的行为，并以优化的方式方法处理难题。在该模式下，越来越多的警察能走进民众、社区，清除诱发违法犯罪的潜在因素，帮助那些有违法犯罪意图的人，使违法犯罪在萌芽阶段被制止，进而实现社会防控由“打”到“防”的转变，真正实现社会的“清风明月”。