11月13日，法国巴黎市中心发生多起枪击爆炸事件，已造成逾百人死亡。据美联社和欧洲新闻电视台(Euronews)11月14日消息，恐袭已致129人死亡，352人受伤，其中99人受重伤。
ISIS惨绝人寰的行为引起了全世界的愤怒。但是，恐怖分子的行为并不是随机的，而是具有一定的模式。现今最擅长识别模式的技术就是人工智能 了。那么，能不能利用人工智能来提前预知恐怖袭击呢？今天我们就来介绍一位西点军校毕业生，以及他如何用人工智能和数据分析的方法对抗ISIS。
Paulo Shakarian现在是美国亚利桑那州立大学的计算机科学教授，曾是西点军校的研究生，还曾担任过美国军方情报官员 。
由于他的工作时常接触到大量一线的情报官员，他突然意识到，有许多智能技术都能运用在这个领域。情报人员常需要分析他们所能获得的所有数据，并对原因作出假设。但他们很少会有时间回头检查，尤其在战争延续期间。在伊拉克时，Shakarian开始用他在西点军校学到的计算机科学知识进行情报分析，并开始构思用人工智能的方法对曾被认为不可预测的反叛组织行为进行建模 。
后来，他进入了马里兰大学，获得了计算机科学的硕士学位。他的目标非常明确：用机器学习的方法来变革情报分析领域 。机器学习也正是无人驾驶汽车所仰赖的技术。当他在马里兰大学获得博士学位后，就进入亚利桑那州立大学，继续他的人工智能研究。
他的研究孵化了多个具有革命潜力的项目，例如游侠特遣部队(Task Force Paladin )用来在阿富汗检测简易爆炸装置的SCARE软件，以及芝加哥警察局用来打击帮派活动的社交媒体分析工具GANG和SNAKE。
近几年，他在这个领域发表了几篇论文。下面我们就来看看，他究竟发现了什么？能预测ISIS的活动规律吗？
让恐怖分子群龙无首：挫败首领生成机制
2012年11月，Shakarain发布了一篇论文，名字叫《攻击强健恐怖网络的塑造行动》(Shaping Operations to Attack Robust Terror Networks)，旨在瓦解恐怖组织的首领生成机制。这篇论文引起了美国众议院特别情报委员会的注意，并邀请他去介绍自己的发现。
为了瓦解恐怖组织和反叛网络，安全机构通常倾向于定点打击“高价值目标”(HVT)，也就是他们的首领。然而，有无数的例子证明，首领被击毙后，反叛网络很快就会再生成一位新的首领 。例如，2006年6月8日，臭名昭著的基地组织首领阿布·穆萨布·扎卡维被击毙后，一星期之后就出现了一位新首领阿布·艾尤卜·穆哈吉尔。
如何瓦解这种首领的再生成机制呢？Shakarain引入了一个概念叫做“塑造”(shaping)行动，意思是说，在打击首领之前，先采取行动，瓦解该组织产生新领导的能力，然后再采取普通的行动以击毙首领。这样，恐怖网络就很难再生成一位新首领，也就很难东山再起。
那么，要如何做到这一点呢？Shakarain利用了网络理论，通过移除节点，来实现网络中心性的最大化。直观上看，网络中心性代表了高度节点的临界值。低中心性的网络更加去中心化，因此更加容易生成新的首领 。在这篇论文中，他们旨在寻找那些能够使中心性最大化的目标节点，以便使接下来的定点打击更加有效。
之前，这个问题被证明是一个NP完全问题。为了实际操作，他们引入了一个混合的整数线性规划和贪婪启发式搜索。执行贪婪启发式搜索后，在检查5个真实的恐怖分子网络时发现，只需要移除12%的节点，就能提高网络中心性17%~45%。这个算法还能应用在包含1133个节点和5541个边的网络中。
坦桑尼亚网络的节点被贪婪启发式搜索去除后的可视化表现。图A是初始网络，图B去除了3个节点，图C去除了5个节点，图D去除了9个节点。随着去除的节点越来越多，图形变得越来越像星形。当去除11个节点后，拓扑结构就完全像一个星形了。