据外媒报道，根据布数据显示，芝加哥市今年遭枪击身亡的人超过600人，其中绝大多数人死于手枪袭击。这已经是该市连续第二年枪击死亡人数超过600人，也是自从2003年以来的第三次。

到今年目前为止，芝加哥全市发生了3400多起枪击事件。可悲的是，尽管警察在竭尽全力地试图解决枪支暴力泛滥的问题，但他们所依赖的技术似乎效果有限。

举例来说，芝加哥警察局不仅扩大了对数字监控的使用，而且还采用了警用预测算法，尽管许多专家质疑后者的科学有效性，称其并没有帮助减少杀人行为。现在，警方还采用了枪声探测和定位技术，该技术使用音频传感器、GPS软件和机器学习算法来识别和定位枪击事件。然后，系统将这些枪声警报以及近似地点等信息，实时地传送给警方及其指挥官。

芝加哥市警方声称，这些系统效果很好，因为自该技术在两个警区部署以来，枪击事件明显减少。但是，正如我们许多人在第一年统计和科学课程中学到的，这种相关性并不意味着它们之间存在因果关系。这项技术当然可以探测到枪声，但却没有独立的科学研究来证明它能减少芝加哥或其他地方的枪支暴力事件。

芝加哥使用的枪声探测系统是由旧金山湾区的ShotSpotter公司开发的，该公司自20年前引进这项技术以来，已经成为该领域的全球领导者。2012年，ShotSpotter首次进驻芝加哥，但直到去年才全面投入运营。芝加哥市南部的恩格尔伍德(englewood)和西部的哈里森(Harrison)两个警区枪支暴力更为严重，ShotSpotter公司在那里部署了枪声探测系统。

从那时起，该技术已经扩展到其他四个警区。据当地媒体报道，芝加哥警察局最近宣布，到明年年底，将再增加6个警区采用这项技术，这将使ShotSpotter的枪声探测系统覆盖该市22个警区的半数。枪声探测系统使用大量声学传感器，每个都有小型烤面包机大小，可以放置在最高屋顶、电线杆、街灯或其他结构上，以探测和定位枪声来源。

传感器可被两种独特的声音特征自动触发：枪膛内激发后的枪口爆炸声音以及子弹以超音速飞行时引发的声爆。这套系统通过三个传感器的三角测量来精确定位枪声来源的准确位置。机器学习算法将声音的速度分解，以测量三个探测到枪声的不同传感器之间的差异。ShotSpotter联合创始人兼首席科学家罗伯特·肖文（Robert Showen）表示：“我们试图把传感器放在最高的本地建筑上，这样声音就会水平传递。如果4个以上的传感器做出响应，系统就会‘投票’选出最精确的到达时间和地点。”

肖文还说，与人类的大脑不同的是，电脑还不够智能，无法迅速分辨出枪声与其他声音的区别，比如汽车爆胎或放鞭炮的声音。枪声探测系统被“训练”以识别可能的枪击事件。地理编码的位置和音频片段会自动传送到ShotSpotter上，以便人类对其进行审查。一旦确认发生枪击事件，他们立即通过推送通知和短信警报发送给值班警察，或发送到巡逻人员的智能手机上。枪声可以被探测，并进行地理编码和审查，并在不到一分钟的时间内发送给警察调度员。

对枪击事件的识别，包括探测、定位、人类识别、发送警报，类似于面部识别和人工智能机器学习算法。像芝加哥这样人口稠密的城市环境，每平方公里平均需要部署多达10个麦克风。该系统的精度在城市中通常为20米以内，而在平坦开阔的空间里仅为3米，因为声波在建筑物周围会发生“扭曲”。