胡 铭 严敏姬

[提要]犯罪预测是警察部门进行犯罪预警与侦查的重要手段。大数据背景下的犯罪预测兼有传统犯罪预测原理和大数据分析技术的双重特色。犯罪预测大数据化改变了传统警务的执法模式，提升了犯罪预测的效率与精确度，确保了执法过程证据留痕与可追溯。与此同时，数据化的犯罪预测中存在的“黑数据”现象、数据获取过度侵犯个人隐私、算法不透明导致的歧视偏见以及数据壁垒的存在，给科学的犯罪预测造成一定风险。为应对风险，有必要优化犯罪预测中的数据选择标准，在数据收集时坚持信息“个人自决”原则和比例原则，一定范围内促进算法公开与透明，加强数据之间的交流与共享。

“数据”在刑事司法决策领域的应用日益受到关注。以传统统计学为基础的犯罪预测早在20世纪中叶就已在西方国家的警察部门得到广泛运用。该过程被认为是“精算司法”(actuarial justice)在刑事司法领域兴起的体现。[1]随着信息技术的发展，大数据、云计算和人工智能等技术的发展与普及，一个以海量信息和数据挖掘为特征的大数据时代已经到来。2011年，美国《时代》杂志将“预测警务”称为年度50项发明之一。[2]区别于传统结构化、抽样、假设检验的犯罪预测模式，大数据背景下的犯罪预测侧重于数据的大样本、全样本分析并通过算法寻找相关变量之间的关系。在此基础上，预测警务得以快速发展。[3]近年来，国内公安机关依托大数据平台建设，利用大数据进行犯罪预测、预警的现象亦非常普遍。……