英美城市用大數據,揪出未知的細菌、罪犯與惡棍交易員

大數據、大城市。世界已有不少大都會運用數據分析與演算法建立智慧城市,改善交通、例如日本東京就把每輛車子都變成精準的「行動數據」,緩解交通堵塞甚至降低死亡車禍的數量。在歐美,從紐約、舊金山、芝加哥到倫敦、阿姆斯特丹,各種藉由搜集大量數據、發現模式、預測未來的專案不斷帶領城市前進。今天就讓我們來看看其中三種應用方式。
評論
評論

大數據、大城市。世界已有不少大都會運用數據分析與演算法建立智慧城市,改善交通、例如日本東京就把每輛車子都變成精準的「行動數據」,緩解交通堵塞甚至降低死亡車禍的數量。在歐美,從紐約、舊金山、芝加哥到倫敦、阿姆斯特丹,各種藉由搜集大量數據、發現模式、預測未來的專案不斷帶領城市前進。其中有從正面改善城市風貌的,也有提前一步,遏止未來可能發生的罪行甚至慘案。今天就讓我們來看看三種應用案例:

紐約地鐵出現大量神秘 DNA

mapping

就算沒去過紐約,也應該都聽說過擁有百年歷史的紐約地鐵,又髒又臭又陰暗,但是紐約客以及自世界各地來的旅客又都離不開地鐵,每天 550 萬人搭乘,想必每一座地鐵、每一層階梯、每一列車廂,到處沾滿人類陳年積澱的汗漬與污垢。不過,真實情況可能要你大吃一驚,不是沒那麼髒,而是比我們想像得更奇幻。

康乃爾大學 Weill 醫學院的研究者們,花了 18 個月的時間執行了一項大數據專案。他們用鑑識科學常用的棉花棒,在 486 個紐約地鐵站蒐集目標樣本,車廂門、樓梯扶手、座椅、燈桿、垃圾桶都不放過,最後總共發現 1 萬 5 千多種微生物,將近一半的樣本是人類未知的有機生物,27% 是活性並俱有抗藥性的細菌,雖然所有細菌僅有 12% 與疾病相關,還發現了三個與腺鼠疫、炭疽相關樣本,但幸而這些樣本都沒有活性。而與人類的基因組相匹配的只佔了不到 2%。

這項研究的主要作者康乃爾醫學院遺傳學家 Christopher E. Mason 說:「人們望著地鐵上的手扶梯時,從來不會有『這上面充滿生命』的念頭,但是知道這項研究之後,他們可能會開始這麼想。不過我想讓他們以看待熱帶雨林的眼光看待地鐵,這裡有那麼多物種,但並沒有影響到你的健康,簡直讓人敬畏和讚嘆。」

關於地鐵細菌的研究,不只是有趣,也不只是滿足了科學家的好奇心,研究者們將把這些物種分門別類,未來就能把它們當作對照樣本,確定某些疾病、甚至也可預測未來若恐怖份子把某些細菌當做生化武器攻擊的物質,是否已經擴散。

洛杉磯員警的關鍵報告

69_1377424011

電影《關鍵報告》中,主角靠著擁有預知犯罪者的系統,在罪行真正發生之前,就先把人逮捕到案。

預測性警務軟體「PredPol」當然沒有科幻到「人」的地步,但也有達成遏止犯罪率的效果了。該團隊花了五年時間,收集過去十年的警方數據,並且運用演算法分析,預測下一次可能產生犯罪情況的地點。共同創辦人 Jeffrey Brantingham 指出,他們基於三個因素測定發生案件的機率:容易滋養犯罪事件的場所(比如過去對鬥毆事件睜一隻眼閉一隻眼的酒吧)、多次受害地區(repeat victimization,比如曾被闖入的門戶容易再次被闖入)、受害地區的鄰近地區(曾被闖入的門戶周遭區域也容易成為下次被下手的目標),計算出 10-20 個最有可能在警察下一次執勤時發生犯罪的地點。PredPol 宣稱,只要警察花 5%-15% 的巡邏時間在劃定的紅色區域,就能只比依靠自身經驗阻止更多犯罪活動。

目前全美共有將近 60 間警局使用 Predpol,每年每間警局必須支付大約 10 萬 -- 15 萬美金的服務費。雖然公部門預算拮据,但投資 PredPol 的第一年,加州 Santa Cruz 闖空門的竊盜案就下降了 11%、搶劫案更減少了 27%。2011 年洛杉磯 Foothill 區開始使用 PredPol,四個月之後犯罪率降低了 13%,其他未未使用 PredPol 的區域微幅多出 0.4%。

洛杉磯警局 Foothill 的警官 Sean Malinowski 說,「我們一直持續使用這套軟體,Foothills 也一直都是洛杉磯犯罪率下降最高的區域。我不認為兩者之間毫無關聯。」

倫敦打擊「惡棍交易員」

Leonardo-DiCaprio-in-The-Wolf-of-Wall-Street

交易員詐欺導致銀行或個人嚴重損失的新聞時有所聞。過去非法交易只能透過「關鍵字監測(key word surveillance)」來判斷交易員是否涉及瀆職,但是 Market Practitioner Panel(MPP)指出,這種方式是有缺陷的。想要揭露失職的交易員,運用大數據技術會是揭露會是更長期而有效的方案。

MPP 建議英國金融機構採取「預測編碼(predictive codeing)」的方式,不只能夠偵測關鍵字,還能辨識出交易員非比尋常的行為,像是從非正式的管道如私人信箱、即時通訊、聊天論壇溝通,或者在奇怪的時間離開辦公室、強制休假卻搞失蹤、在組織中所扮演的角色與責任等等。

大數據技術能夠非常細微的觀測個別交易員的活動,精確建立每位交易員的個人資料與實際操作模式,一有異常就能提前預防,而且能夠大規模且即時的分析。除了交易員之外,一般個人當然也得提防。金融詐欺者愈來愈精明、愈來愈猖狂,金融業者勢必得施加更大的力道,應用最新的技術,全面整合分析資料,從個人開辦帳戶開始,就要建立檔案並針對交易監控與客戶管理保持追蹤,檢測異常的帳戶活動,從而趨吉避凶。

不過,品誠梅森(Pinsent Masons)律師事務所資訊保護專家 Kathryn Wynn 提醒,機構需注意別濫用大數據破壞隱私,未審先判。「唯有發現模式(pattern)頻繁異常,公司才能進一步做更仔細的監看某位員工的行為與對話。」

參考資料