紐約大學：研究發現社交媒體上種族仇恨言論越多的地區犯罪率越高

時至今日，網際網路世界和現實世界已經不能用虛擬和真實來區分了，人們線上上的行為可能會影響著線下，反之亦然。

最近紐約大學坦登工程學院和全球衛生公共學院釋出了一項新的研究結果，他們在分析了美國 100 個城市的 Twitter 推文後，發現 Twitter 上關於種族仇恨言論數量較多的城市，相關的犯罪率也更高。

研究人員通過機器學習設計了一種演算法來識別種族歧視等惡意言論，並利用 Twitter 的 API 爬蟲分析了 2011 年到 2016 年期間共計 5.32 億條公開推文。發現那些種族歧視言論的推文數量和所在城市的關於種族仇恨的犯罪數量呈正相關。

研究人員 Rumi Chunara 認為那些釋出種族歧視言論的推文可能營造了一種犯罪的環境，但他也強調，現在的研究還不足以說明兩者之間存在因果關係，未來還需要進行更多的研究。

而 Chunara 等人的目標，就是通過分析過去幾年的推文，能將一些型別的推文和犯罪行為建立起一個標準化的關聯，從而改變 Twitter 對於相關言論的處理方法。

其實紐約大學也不是第一個研究 Twitter 與犯罪率關係的機構，早在 2017 年國弗吉尼亞大學助理教授 Matthew Gerber 就表示發現了 Twitter 上的推文和犯罪行為之間的關係。

Matthew Gerber 對比了 2013 年 1 月 到 3 月期間芝加哥地區使用者釋出的 150 萬條推文，和當地同一時期的犯罪記錄，發現罪犯發推文的密度越高，就越有可能在預謀犯罪。

Matthew Gerber 通過這些資料建立了一套演算法來預測犯罪行為，據稱可用於 19-25 種犯罪行為的預測，尤其是尾隨、盜竊等型別的犯罪，後來他還和芝加哥和紐約警方合作搭建犯罪預測系統。

實際上目前在美國一些地區已經在引入了基於 AI 的犯罪預測系統，比如新奧爾良警局的預測性警務技術，由矽谷公司 Palantir 開發，通過追蹤人們和其他幫派成員的關係和犯罪記錄，並分析社交媒體，從而預測出某個人實施犯罪或成為受害者的可能性。

在 AI 進行分析和預測過程中，社交媒體資料是重要的樣本資料之一，新奧爾良警局這條系統採用了一種叫做「社交網路分析」的智慧技術，能從社交媒體帖子中找到與資料庫中人物、地點、武器等資訊的關聯。

此外芝加哥警察局利用 AI 系統生成一份「熱名單」，標記出「芝加哥最危險的 400 人」，單裡除了包括有犯罪前科的人，但也有一些未曾犯罪，但被認為有潛在犯罪風險的人，其中很大程度是基於社交媒體資料分析的。

耶魯大學的社會學家 Andrew Papachristos 曾對芝加哥的犯罪問題進行過深入研究，他認為社交媒體很適合讓興趣相同的人聚在一起，當這些興趣也包括槍支和毒品時，那麼這些犯罪行為就可以被預測。

不過這些技術的興起也會帶來關於個人隱私等問題，如果第三方機構可以自由收集和分析社交媒體上的海量資料，所做的事恐怕不會只是預測犯罪而已。

自 愛範兒