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。 |
“當我們還不知道一個什麽東西是什麽的時候,我們就相信它能改變世界、改變未來,這好像是神一樣的存在了。”德勤中國區塊鏈發起人、亞太區投資管理行業主管合夥人秦誼女士今日在第一財經技術與創新大會上談到區塊鏈技術時表示。
秦誼表示,區塊鏈是的特點已經非常明確——去中心化、不可篡改、分布式的架構、共識原理。“但其實區塊鏈是幾種技術的結合。” 秦誼說,“第一個是加密技術,第二個是共識算法,第三個是智能合約,第四個是分布式的架構。以上技術結合在一起,幾十年前,中本聰做成了比特幣。”
秦誼重點談到了區塊鏈的共識機制。“如果今天我們在做一筆金融交易的時候,共識的基礎是很高的,因為不僅券商是國家監管的機構,還要符合各種監管的要求。共識基礎高,對區塊鏈的要求就很高。” 秦誼表示。
“但是另一方面,如果我們兩個人互不相識,在淘寶上面大家買個5塊錢的東西,那麽共識的基礎就很低。”她舉例稱,“所以在這種情況下,就牽涉到了區塊鏈的設計,在共識基礎很低的情況下,我們這個交易用區塊鏈挖礦的技術來達到共識,這樣速度就會加快。然後我們也更能夠在一個沒有信任的環境中,達到一個交易的目的。”
秦誼表示,為了能更有效地達成共識,更快地促進一筆交易的形成,便誕生了挖礦的機制。“我們要求區塊鏈的基礎的架構,共識能夠更快更有效地達到,使得大家能夠在這個平臺上面,更快地形成交易的結果。”她說道,“在沒有信用的環境中,產生信用,這也是一個非常值得研究的。”
“現在從機構的角度來講,當然是從盈利、效益、開源這個角度出發,很多國外的金融機構開始研究區塊鏈。” 秦誼說道,“但是區塊鏈究竟是什麽?現在哪些區塊鏈是在應用?那些技術機構在群的哪一層上面進行突破?傳統的區塊鏈在無信任情況下面,要進行交易的這些區塊鏈,究竟在研發哪些商業模式?遇到哪些困難?我覺得這是大家回去要好好思考。在我們投資哪家公司的時候,需要思考的問題。”