📖 ZKIZ Archives

當今電腦已能預估誰會犯罪，而且準確率還不低；但現階段若凡事都靠電腦打擊犯罪，恐怕是本末倒置。

電腦的預測功力愈來愈厲害，甚至比人腦更準。

亞馬遜與Netflix等企業，能判斷你我的購物和收視喜好，氣象專家能精準預報未來十天氣象，全拜電腦之賜。

現在電腦還能預估誰會犯罪，準確率連法官都甘拜下風。根據刊登於二月號《法律實證研究期刊》(Journal ofEmpirical Legal Studies)的報告，有位科學家打造出一套先進的電腦系統，輸入家暴者的相關數據後，可判斷出哪些人最容易再犯。

有了這項技術，遭家暴而受傷、甚至喪命的被害人數可能降低，亦可讓情節輕微的施暴者避免坐牢，造成無謂成本。但用電腦預測一個人會不會犯罪，總讓人隱隱不安。

警方以電腦判斷何時何地可能發生犯罪事件，進而主動出擊，已有二十年歷史，如今技術再升級，透過分析大數據，可找出哪些人有犯罪傾向。這些系統的透明度與科學測試程度不一，比方說，加州夫雷上諾市(Fresno)採用名為「必威」(Beware)的系統，將市民分成高、中、低危險三級。

數據運作遭疑「不科學」

媒體報導指出，該系統除了彙整過去犯罪事件的數據外，還分析網路搜尋紀錄、不動產紀錄與社群媒體貼文。但有人批評說，這套技術未經公眾充分討論便上路，有很多問題尚待釐清，例如軟體運作原理(供應商稱是商業機密)，效果是否經過科學證實。

反觀這份家暴預測系統的報告中，詳盡說明該系統的目標與效果。發明人之一、賓州大學統計學教授伯克(RichardBerk)指出，這套系統以遭到逮捕的施暴者為資料，並不蒐集分析一般民眾的數據，進而預測是否該收押或釋放某嫌犯，就與法官或警員執法時面臨的抉擇一樣。

伯克十年前開始研究犯罪預測技術，二00八年研發出能判斷哪些假釋犯最容易再犯的電腦系統，比專家更精準。他使用機器學習(machine learning)系統，將大量不同數據輸入電腦，讓電腦找到模式後作預測，再將預測結果比對實際數據。

機器學習產生的演算法，人類未必能了解。使用者知道有哪些參數，但不明白機器會如何使用它們，算出答案。

判斷再犯率準確率九成

在研發這項新預測技術時，伯克和同樣任職賓大的心理學教授索蘭森(SusanSorenson)，分析0九年到一三年間約十萬個案件。這次亦使用機器學習系統，將年齡、性別、郵遞區號、首犯年齡的數據輸入系統，還加入可能的前科紀錄，如酒駕、虐待動物、槍枝犯罪等。種族因素雖然沒納入考量，但伯克表示，系統從郵遞區號，還是能稍微推斷出一個人的種族。

他們使用三分之二的數據「訓練」系統，讓機器分析原始資料和後續結果(是否再犯)，其餘三分之一則用來測試系統，只輸入法官在傳訊時知道的資訊，藉此測試系統預測家暴再犯率的準確度。

伯克說，要把家暴再犯率降到零，把每個嫌犯都關進牢裡就可以了，但這樣成本太高，有些人其實不會再犯。在被捕的施暴者中，目前有半數在傳訊時由法官當庭釋放，其中約兩成再犯；但由電腦判斷而釋放的人，再犯率只有一成。

伯克和索蘭森目前正與費城警方合作，要調整這套機器學習系統，預估哪些住家容易出現家暴，藉此加強監督。

而費城現有的假釋制度已採用機器學習系統，將假釋犯分成高、中、低風險三個族群，讓假釋官能夠多注意高危險群。

讓人依賴電腦不相信專業

但這種制度可能會造成決策過程流於片面。我幾年前撰文討論費城的假釋制度時，發現有些假釋官認為這套制度太作繭自縛，如果也能多關心低危險群，幫助他們戒毒、找工作、拿到高中學歷等，整體成效可能更大。他們擔心長官寧可相信電腦，而不信他們這些假釋官。

伯克也有同樣的擔憂，深伯各界美化了這項預測技術。未經科學測試的系統，自然會招來質疑聲音，即使是經證實準確率高於人類的系統，也絕對稱不上完美。有了機器學習的幫助，警方能掌握足夠資訊再下判斷，但現階段如果凡事都靠電腦打擊犯罪，恐怕是本末倒置。

人總有那些年，有夥伴，有夢想，令人懷念陶醉。當夥伴結合夢想，投射在身邊的實境中，或可解釋擴張實境（Augmented Reality）的手機遊戲《Pokmon GO》，為何大受歡迎。遊戲週一在港推出前，媒體已蜂擁報導。《壹計就明》上月一篇文章雖沒有媒體蜂擁報導，卻受到本刊社長楊懷康及名筆左丁山的關顧，在他們專欄先後具名引用，令人陶醉。名筆或和大家般，已玩過或聽過推出不足一個月的遊戲，但不知有否留意生效不足一月的最新稅務修訂條例，當中影響深遠，值得深入分享。利潤轉移減稅負

分享先從社交網站Facebook（FB）說起，Facebook在2014年有收入125億美元及溢利29億美元；在2015年，溢利升至37億美元。2014年逾一億英鎊來自英國的Facebook，英國賬目卻虧損，須繳付英國所得稅僅4,327英鎊。此稅付消息不但引發媒體廣泛報導及質疑，而且最後使Facebook在今年決定自願改變會計安排，將在愛爾蘭出單入賬源自英國的收入，搬回英國出單入賬，稅務負擔將因此增加數以百萬英鎊計。在歐洲，面對Facebook同樣情況的企業罄竹難書，包括蘋果（AAPL）及谷歌（GOOG）等。多國因反避稅而徵收的稅項，甚至被戲言為「谷歌稅」（Google tax）。你我今天都營營役役工作，賺取微薄收入而仍要交稅之時，有大企業10年來大賺千億，而現金流量卻是淨收稅數以千萬計，令人佩服，卻情何以堪！

承擔公平份額的稅款

企業透過地域之間的稅例差異，將利潤轉移到不同地域，藉此減低稅務負擔，被稱為「稅基侵蝕及利潤轉移」（Base Erosion and Profit Shifting），簡稱BEPS。自2013年，經合組織（OECD）就提出方案針對BEPS，希望建立新國際稅務標準；2015年，20國集團（G20）終通過經合組織的應對BEPS方案；上月，香港亦承諾落實相關方案的包容性框架。應對BEPS方案目的包括：確保跨國企業就其利潤承擔應繳稅款，及避免地域之間就企業利潤出現「雙重不徵稅」的漏洞等。首先，香港政府中文公報用「應繳稅款」，翻譯英文公報中的「pay a fair share of taxes」，似未反映真意，中文用「應繳一個公平份額的稅款」應較精準，亦較能反映Facebook等經驗。其次，假如企業有分店不在港，不在港分店不用在港交稅，難道也不用在分店所在地交稅？那麼又是否「雙重不徵稅」？

自動交換資料

OECD提出的新國際稅務標準亦包括自動交換資料，上月底生效的香港稅務修訂條例，就是為此而訂立。為履行承諾，香港要在2018年底前進行首次自動交換資料。在標準下，財務機構須按程序，識辨及收集其他地域伙伴稅務居民（包括個人及企業）的須申報財務資料，並交到香港稅務局；香港稅務局會每年與相關地域夥伴，自動交換相關資料。新國際稅務標準未必會影響沒有海外護照而又長期居港的人士，但對於其他人及跨國企業，將有深遠影響。大家有需要，要問問專業人士，不是名筆說了不用交稅，就是不用交稅。那些年永遠令人懷念，但平行時空中真實的沈佳宜亦結婚了，不論是否名筆亦應回到現實。陶醉過去的實境，不知國際標準已變，後果可能非常嚴重！

林智遠Nelson Lam執業資深會計師，會計專業發展基金主席，最愛與太太旅行，出名講talk及撰寫大學會計書，其著作已被翻譯成不同語言。目標以淺易簡單的方法，使牛頭角順嫂也能看懂會計數字和陷阱。