11月13日，法國巴黎市中心發生多起槍擊爆炸事件，已造成逾百人死亡。據美聯社和歐洲新聞電視臺(Euronews)11月14日消息，恐襲已致129人死亡，352人受傷，其中99人受重傷。
ISIS慘絕人寰的行為引起了全世界的憤怒。但是，恐怖分子的行為並不是隨機的，而是具有一定的模式。現今最擅長識別模式的技術就是人工智慧了。那麼，能不能利用人工智慧來提前預知恐怖襲擊呢？今天我們就來介紹一位西點軍校畢業生，以及他如何用人工智慧和數據分析的方法對抗ISIS。
Paulo Shakarian現在是美國亞利桑那州立大學的計算機科學教授，曾是西點軍校的研究生，還曾擔任過美國軍方情報官員。
由於他的工作時常接觸到大量一線的情報官員，他突然意識到，有許多智能技術都能運用在這個領域。情報人員常需要分析他們所能獲得的所有數據，並對原因作出假設。但他們很少會有時間回頭檢查，尤其在戰爭延續期間。在伊拉克時，Shakarian開始用他在西點軍校學到的計算機科學知識進行情報分析，並開始構思用人工智慧的方法對曾被認為不可預測的反叛組織行為進行建模。
後來，他進入了馬裡蘭大學，獲得了計算機科學的碩士學位。他的目標非常明確：用機器學習的方法來變革情報分析領域。機器學習也正是無人駕駛汽車所仰賴的技術。當他在馬裡蘭大學獲得博士學位後，就進入亞利桑那州立大學，繼續他的人工智慧研究。
他的研究孵化了多個具有革命潛力的項目，例如遊俠特遣部隊（Task Force Paladin ）用來在阿富汗檢測簡易爆炸裝置的SCARE軟體，以及芝加哥警察局用來打擊幫派活動的社交媒體分析工具GANG和SNAKE。
近幾年，他在這個領域發表了幾篇論文。下面我們就來看看，他究竟發現了什麼？能預測ISIS的活動規律嗎？
讓恐怖分子群龍無首：挫敗首領生成機制
2012年11月，Shakarain發布了一篇論文，名字叫《攻擊強健恐怖網絡的塑造行動》（Shaping Operations to Attack Robust Terror Networks），旨在瓦解恐怖組織的首領生成機制。這篇論文引起了美國眾議院特別情報委員會的注意，並邀請他去介紹自己的發現。
為了瓦解恐怖組織和反叛網絡，安全機構通常傾向於定點打擊「高價值目標」（HVT），也就是他們的首領。然而，有無數的例子證明，首領被擊斃後，反叛網絡很快就會再生成一位新的首領。例如，2006年6月8日，臭名昭著的蓋達組織首領阿布·穆薩布·扎卡維被擊斃後，一星期之後就出現了一位新首領阿布·艾尤卜·穆哈吉爾。
如何瓦解這種首領的再生成機制呢？Shakarain引入了一個概念叫做「塑造」（shaping）行動，意思是說，在打擊首領之前，先採取行動，瓦解該組織產生新領導的能力，然後再採取普通的行動以擊斃首領。這樣，恐怖網絡就很難再生成一位新首領，也就很難東山再起。
那麼，要如何做到這一點呢？Shakarain利用了網絡理論，通過移除節點，來實現網絡中心性的最大化。直觀上看，網絡中心性代表了高度節點的臨界值。低中心性的網絡更加去中心化，因此更加容易生成新的首領。在這篇論文中，他們旨在尋找那些能夠使中心性最大化的目標節點，以便使接下來的定點打擊更加有效。
之前，這個問題被證明是一個NP完全問題。為了實際操作，他們引入了一個混合的整數線性規劃和貪婪啟發式搜索。執行貪婪啟發式搜索後，在檢查5個真實的恐怖分子網絡時發現，只需要移除12%的節點，就能提高網絡中心性17%～45%。這個算法還能應用在包含1133個節點和5541個邊的網絡中。
坦尚尼亞網絡的節點被貪婪啟發式搜索去除後的可視化表現。圖A是初始網絡，圖B去除了3個節點，圖C去除了5個節點，圖D去除了9個節點。隨著去除的節點越來越多，圖形變得越來越像星形。當去除11個節點後，拓撲結構就完全像一個星形了。
ISIS的行為並不是完全隨機的，而是有規律可循，這是Paulo Shakarian的驚人發現。
挖掘ISIS行為之間的相關性
今年8月，Paulo Shakarian的團隊在知識發現與數據挖掘會議（Conference on Knowledge Discovery and Data Mining）上發表了一篇論文，名為《挖掘因果關係：對ISIS的數據驅動研究》（Mining for Causal Relationships: A Data-Driven Study of the Islamic State），公布了他們的發現。
這篇論文中，他們分析了戰爭研究所提供的2200個ISIS相關事件的數據，構建了一個描述模型——一個模擬ISIS行為的算法。這2200個事件發生於2014年下半年，既包括了圍繞ISIS的軍事行動，以及反對ISIS的勢力（包括伊拉克、敘利亞和美國領導的聯盟）。在其中，他們將邏輯程序和因果推理相結合，試圖挖掘出事件之間的因果關係。
由此，他們得出了一些規則，這些規則的預測是由多個原子命題（不包含其他命題作為其組成部分的命題，即在結構上不能再分解出其他命題的命題）所組成，並通過比較相同事件序列的規則，來獲得因果關係的證據。除了考慮規則的概率（p）之外，他們還研究了因果關係的度量εavg，這可以看做是當同時考慮到其他類似規則時，規則的先決條件所能提供的概率提升。
結果，他們果然發現了一些規律：
1，如果在某個星期，ISIS在伊拉克採取了步兵行動並伴有間接射擊，那麼，下一個星期在敘利亞就會出現車載簡易爆炸裝置（VBIED）的行動。（p=1.0，εavg=0.92）
2，如果在某個星期，ISIS在伊拉克提克裡特市採取了行動，並進行了大規模的處決，那麼，隨之而來的就是伊拉克的敘利亞同時出現大量簡易爆炸裝置（IED）。（p=1.0，εavg=0.97）
3，敘利亞政府空襲之後的一個星期內，ISIS往往會扣留大量人質（εavg=0.91，p=0.67）。並且，在他們的資料庫中，類似的大規模扣留總是發生在敘利亞空襲之後。
4，如果聯軍空襲伊拉克摩蘇爾市的同時，ISIS正在對安巴爾省採取行動，那麼在空襲後的一個星期內，ISIS在伊拉克的簡易爆炸裝置行動會大大增加（p=0.67，εavg=0.97）。然而，如果空襲的同時，ISIS還在對敘利亞採取行動，那麼，當地簡易爆炸裝置的使用也會增長（p=0.67，εavg=0.79）。
ISIS每周在伊拉克和敘利亞的武裝襲擊
根據這些行為規律，他們得出了以下一些結論：
1，ISIS可能會在除巴格達以外的其他區域採取大規模步兵行動之前，在巴格拉採取自殺式車載炸彈，來防止伊拉克軍隊/警察的增強部署。
2，ISIS傾向於在大規模步兵行動之前，採取間接射擊（IDF）作為前導——更符合傳統軍事力量，而不是大規模使用IDF來實現騷擾的目的（這在伊拉克自由行動期間的反叛團體中很常見）。
3，聯軍空襲與ISIS對簡易爆炸裝置的使用之間存在著關係，但卻沒有激發其他更大規模的武器（例如車載炸彈），這可能意味著ISIS在這種行動後，會依賴更加分散和反叛風格的策略。
論文中，Shakarain的團隊發現，有兩個目標對ISIS似乎有特別高的價值——巴拉德和拜伊吉。拜伊吉擁有一座主要的煉油廠，而巴拉德靠近一座重要的政府軍事基地。
Shakarain說，這篇論文描述了「概念的證據」，儘管算不上真正的「大數據」，但結果是顯著的。由於數據有限，他們只聚焦在對過去的行為進行建模。
美國國防部對他的研究很感興趣，或許代表著五角大樓將越來越接受這種數據驅動的計算機研究方法。他們將繼續研究更複雜的臨時關係，可能會使用更加細分的時間區間，並且對多個時間單位進行分析。另外，他們還將研究環境變量（例如天氣、信息、社交媒體、政治情況等）來找到更多的規律，對反恐策略提供一定的幫助。
不僅如此，人工智慧還能完成更多的反恐任務，例如面部識別、分析監控錄像中的人類行為等等。希望有更多的研究者投身這個領域，讓機器保護我們的生命。但僅靠機器來維持和平是不可能的，更需要的是人的心靈。正如愛因斯坦所說：
Peace cannot be kept by force; it can only be achieved by understanding.——Albert Einstein