俄科学家研究用人工智能反腐，能预测特定地区未来三年的腐败情况

甚至还能预测腐败的传播速度，为反腐提供重要参考。

据外媒报道，俄罗斯高等经济学院和西班牙巴拉多利德大学的研究人员最近展开合作，通过对腐败发生过程的模拟，开发和训练了一种人工神经网络，可以预测特定地区未来腐败发生的情况。他们把研究成果发表在了科学刊物《社会指标研究》上。 

科学家们训练所用的数据，来自西班牙公开报道的腐败案件，然后使用基于神经网络的自组织映射网络来预测同类事件的发生。

自组织映射网络最早由芬兰赫尔辛基理工大学 Kohen 于 1981 年提出，是一种无指导训练的神经网络。它模拟人脑中处于不同区域的神经细胞分工不同的特点，自动学会检测样本数据背后的规律和样本之间的相互关系，并且自适应调整网络，使网络以后的响应和输入样本相适应。 

研究人员称，这种方法能发现腐败蔓延的规律，使对腐败的预测更加有效，在一些特定地区，预测周期甚至能到未来三年。 

被研究人员纳入影响一个地区腐败发生情况的因素包括，房地产税的变化、经济增长率、房屋价格上涨情况以及同一政党的执政时间。科学家称这种研究模型不仅能够预测腐败在未来是否会发生，还能预测腐败传播的速度，这能为政府在制定反腐败措施时提供重要参考。 

研究人员认为这种预测方法可以应用于世界上的许多地区，因为他们使用了非常普遍的宏观经济和政治变量。 

事实上，神经网络分析方法在其他领域的应用早已开始。上世纪 40 年代，已经有人用它进行财务危机预测；上世纪 90 年代，它开始应用于信用风险评估领域。不过，由于工作随机性较强，这种模型的应用受到了一定限制。

运用人工智能反腐其实也早有先例。2016 年 1 月，英国欺诈重案办公室（SFO）和伦敦人工智能创业公司 RAVN 合作，运用后者的数据分类机器人，完成了对某知名车企商业腐败案的调查。SFO 在对该公司的四年调查中积累了 3000 万份文档，如果人工去分类，是一个漫长而痛苦的过程。借助RAVN 的机器人，每天有 60 万份文件被自动归档，错误率还比人工小。今年 1 月，SFO 完成审计，发现被调查公司存在贿赂行为，对该公司处以了 6.71 亿英镑的罚款。 

责任编辑：双筒猎枪

图片来源：视觉中国

本文由极客公园原创

转载联系 zhuanzai@geekpark.net