深度学习能拯救枪支泛滥下的美国吗?

枪支,是美国的立国之本,也是社会问题之源。每一次残忍的枪击案后,关于枪支泛滥和管理问题总能引起一场大讨论不同立场,也总是能给出各种结论。比如,据民调,有超过一半的美国人希望出台更严格的控抢法案。然而,另一半的人坚信,由于第二修正案赋予美国人的权利,这样的法案一定会因为违宪而遭否决。

2周前,佛罗里达的校园枪击案又将这个问题带回到了桌面上。惨剧之后,美国最大的体育用品连锁店Dick’s Sporting Goods宣布,不再销售突击式步枪,同时,停止向21岁以下的人出售枪支。除了商家的抵制之外,经济学家和机器学习的科学家们也给出了控枪手段建议,据悉,人工智能的方法也许能讨好两个不同阵营的美国人们。

“负外部性”是一个经济学的名词,指第三方为交易负担的额外成本。比如,社会为部分人造成的污染承担的环境受损的后果。庇古税,就是社会为了平衡这种负外部性行为而采取的手段。最典型的例子,就是政府收取的高额的烟草税。当然,这一手段往往并不能抵消负外部性行带来的后果,因为要在事前衡量它带来问题的程度,是一件极为困难的事情。

枪支暴力也是一种负外部性,几百万的美国人购买枪支,给社会造成了犯罪、谋杀、自杀、大规模枪击等安全隐患。简单地对枪支收取高额的税费,让买枪的成本变得难以负担是理论上消解枪支泛滥的解决之道。不过,现实当然是在强压之下,可能出现的大量的黑市,给社会带来另外的问题。

而经济学家认为,像强制车险那样,强制持枪人为枪支购买保险,可能是一个更好的办法。就像保险公司根据开车人的年龄、性别、驾驶历史、习惯等做出大数据统计,从而测定风险一样,他们也能为持枪人设计类似保险。类似的枪支保险在美国的不少州已经存在。再2012年的康涅狄格州桑迪胡克小学枪击案后,纽约、加州、康州都开始了类似的政策。

为了让保险的价格不至于太高,从而损害大部分人买枪的权利,即让政策不会违宪,人工智能和大数据分析就成了这个时代最重要的工具。才传统的保险计算的法则,如健康、年纪、犯罪记录等因素之外,机器学习和数据分析专家们给出了其他的参考意见。Facebook的人工智能部门主管、卷积网络之父Yann LeCun认为,在足够的数据之下人工智能会给出更周全的模型。

▲Yann LeCun

几年前,类似的枪支保险由于有着太多的设置条件、影响因素,让整个投保过程十分繁琐冗长。随着机器学习技术的进步,对几百项条件、因素的筛选变得更加容易,对于风险的预测也更加准确。它能够让符合条件的购买者,以几乎无负担的价格买到保险下的枪支,让绝大部分人在购买保险的同时不会损害自己的自由持枪权利。责编:容承纠错

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180302C017V300?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券