信任很多人马上想到了《少数派陈述》里边，阿汤哥在违法施行前率人冲进现场，制服罪犯的耍酷容貌。可是，，那个乃至都不是科学。在《少数派陈述》里，猜测违法依托的不是计算机，而是某种嗑药取得的超能力。（考虑到原作者的药瘾，这个设定没缺点）

　　因而，人工智能预防违法，从不嗑药的视点来想，更像是另一部片子《疑犯追寻》(Person Of Interest) 描绘的姿态。 在那部片子里边，城市被高度监控，计算机一直在搜集信息，剖析信息，指出有几率产生违法的当地，当然后边仍是相同的，男主仍是要冲上去耍酷一番的，趁便阻止违法。

　　事实上，世界上已经有一些国家和区域开端运用最新的“人工智能”展开违法预防。 美国奥兰多的 奥兰治（Orange County）正在运用此项技能进行“猜测性警力布置”项目。

　　警局运用称为Predpol的智能软件技能，完结了区域的巡查热门剖析。 浅显来说，便是AI会告你，哪里可能有严峻违法危险，你们快点派警力或男主上去巡查。考虑到警力资源是有限的，漫无目的的巡查和仅仅靠人脑经历的法律往往是及其低效的。“人工智能”则给咱们带来一个最大化出警功率的好办法。

　　PredPol运用的算法是一种自我学习的“人工智能”，它会在违法类型在时刻和空间维度上调查成果。

　　PredPol从每个部分的记载办理体系(RMS)获取一个提要来搜集违法类型、方位和日期/时刻。这一数据至少每天搜集一次，并为咱们的猜测引擎供给反应，该引擎每天运转一次，为不同的值勤和使命创立猜测。

　　咱们开端处理数年的数据来拟定违法形式的“布景”等级，并了解违法在整个城市的传达进程。这是运用一种盛行类型的傍边的“余震序列(ETAS)”模型完结的。

　　跟着新式违法的呈现，数据被映射到城市里现存的形式中。依据对数据的开端剖析所提醒的传达形式，PredPol 猜测何时何地与这些违法有关的相似罪过最有可能产生。每6个月，PredPol 将强制“重新学习”。这保证了体系也会学习到新的违法行为形式。

　　除了援助警局预防违法，美国印第安那的公路州警渐渐的开端用此类技能猜测“事端多发”的热力区域了。

　　洛杉矶警察局的Foothill分局从2013年1月到2014年1月的猜测违法下降了20%，并且在2014年2月13日一整天完结没有违法。头4个月里，违法数量下降了13%，而别的当地的违法率则上升了0.4%。Foothill也因而成为了洛杉矶警局（LAPD）的违法率下降的领先者。

　　阿尔罕布拉市警察局（ Alhambra, CA Police Department）陈述，自2013年1月布置以来，入室盗窃案下降了32%，车辆失窃率下降了20%。2014年5月，该市陈述了历史上违法率最低的一个月。

　　除了美国的PredPol，意大利的KeyCrime也在从事违法猜测和剖析，跟着人工智能，尤其是物体，人脸辨认技能的开展，咱们一直信任结合未来无处不在的摄像头，违法猜测将变得更简单。

　　届时科幻电影里的情节就会真的产生在咱们周围了。所以，咱们不可以得出这样的定论：做坏事要趁早，今后就没机会了也说不定了。而是说，与其费尽心思的和人工智能对立做坏事，不如和咱们一同有功率的行点善事吧！