全文共2700字,预计学习时长7分钟
图: Joe Raedle/Getty Images
如何改善警务?
政治家、警方、激进组织以及公众对此都有不同的看法。尽管社交媒体与智能手机正大肆宣传警察暴行,但在现实生活里,一种完全不同的技术正稳步且秘密地发展着。
现在很多公司利用AI技术预测治安行为,PredPol便是其中一家。PredPol的软件通过分析犯罪数据,确定城市发生犯罪事件可能性更大的区域,帮助警方阻止犯罪活动发生。
在PredPol算法的建议下,警察在某些地区巡逻时会更加警惕。该公司宣称,每33名美国人中就有1人受其技术保护,暗指这种技术已普及到全美各个警方部门了。大众希望PredPol可以澄清这一说法,并对本人发表评论,但对方并无回应。
PredPol签署了保密协议,因此无人能确定哪些城市使用了该公司的技术,但今年早些时候,Vice的文章表明,这项技术为洛杉矶、圣克鲁斯、西雅图、亚特兰大、塔科马等城市(甚至包括加州大学伯克利分校)的警署服务。保密协议意味着这项系统很大程度上避免了公众的监督,但相反的是,公众受到了PredPol、Hunchlab等公司的监视,无论是公司系统还是周边的警署,他们都在怀疑人们的身份。
这种“智能警务”技术的开发者认为,机器学习的使用能提高警方效率及处理能力,因此这项技术如今也成为警方提供保护和服务措施的关键。哥伦比亚特区大学(Universityof the District of Columbia)法学教授安德鲁·弗格森(AndrewFerguson)说,“每个公司都在做同样的基础工作,即试图发现那些警方认为与某些风险因素相关的信息、立马派警车前往需要帮忙的区域、在暴力行动前识别犯罪分子、或是辨认犯罪组织,预测并扼杀其发展。”
过去十年中,该技术的使用率以惊人的速度增长。弗格森认为,全美至少有60个警方部门使用预测分析的某些功能,不过他们也担心会有名誉争议,因此避免使用“预测分析”这一用语。预测警务提供了一种监视状态,与《少数派报告》中类似的情景不相上下。尽管技术系统和数据收集放大了开发者的偏见,因而名声不佳,但预测性警务似乎依然在强调“技术只是一种工具”。
PredPol使用的是基于地点的方法——先输入了历史犯罪数据(特别是有关财产的犯罪数据,如入室盗窃和非法入侵),使用算法分析数据,然后预测同一地区或邻近地区发生犯罪的可能性。弗格森认为,值得称赞的是,PredPol认识到在基于人的警务中使用的数据存在一定的问题,这些数据以群体或个人为目标,导致算法产生较大偏颇,这一点值得表扬。社会科学研究也支持这种基于地点的方法,它能显示财产犯罪的分布模式,还能突出警方改善地区环境的行为。
但这种做法依然延续了关注犯罪地点的老方法,使警务工作变得抽象。“这并不是一个很创新的方法,”弗格森表示,“警察仍需不停巡逻,因此犯罪分子也会重新调整他们的路线。每一个地方都会有各种各样的普通人,他们也会遇到正准备打击犯罪活动的警察。而这一技术会使警察对这片区域改观。警察们会保持警惕,原来只是正常行为,但他们也会觉得十分可疑,这将影响到周围群众。”
“利用平台提供的犯罪数据,警察无法预测何时何地犯罪将会发生,但他们却能预测警察在何时何地抓捕犯人。”
2013年,纽约市暂停其极富争议的搜身政策后,便开始引入数据收集与储存,以及预测分析工具。弗格森认为这种做法可以在边缘化社区中维持侵入式执法,不过现有方法是以数据为依据而已。随着预测性执法渐成主流,其反对者也开始以这一点大做文章。
学者比雷·本博兹德(Bilel Benbouzid)(他曾在《大数据与社会》一刊上发表论文“预测与管理——美国的预测性警务”)认为,“预测性警务”指的是“在计算中建立社会和谐的控制论想象”,也就是说,社区安全就如同若干数据,它们对警务行动有一定影响,还会加强管理生产力。
尽管预测性警务使用逐渐增加,但弗格森依然认为其有效性依然未得到科学验证。现在唯一肯定的是,在正确使用的条件下,这些数据是有用的。
塞缪尔·辛扬圭(Samuel Sinyangwe)是一名数据科学家,他一直致力于警察改革的“零运动”(campaignZero)。他强调,数据只是工具。“数据带来的后果有好有坏,”他说,“这取决于我们的使用方式:它是否与社区居民的需求相一致呢?还是说它的使用是毫无依据的呢?”
辛扬圭以及其他激进主义者表示,大量的犯罪数据还可用于审查暴力与渎职等警察不当行为。随着公共安全变得越发私有化,数据收集后的用途需要慎重考虑。
“尽管这些平台和警察都使用了犯罪数据,”辛扬圭认为,“但它们均未预测犯罪发生的时间和地点,而是让警察在某个时间到达某个地点,从而逮捕罪犯,这一行为将加大对黑人社区的偏见,同时还增加了(不必要的)监管。”
辛扬圭强调,这些数据可以且应当用于确定潜在的行为不检官员,这也是激进分子有所要求的一点。有些社区犯罪报告不足,也有社区犯罪指数过高,因此算法所使用的数据本就存有缺陷,尤其当前关于警察的不当行为和暴力的数据仍未得到充分使用。“如果我们真的如此重视公共安全、犯罪预防还有社区投入,那么就应合理利用这项技术来弥补这些缺陷。”
对于本身就与警方有矛盾的社区来说,使用技术监视的方法来解决这个问题会适得其反。从公司财产的角度来说,Predpol和其他平台的内部数据大多是机密,警察部门开始使用这些数据时,也并没什么透明度。最近PredPol数据泄露,Vice主板栏目才得以将该公司规模数据大白于天下。今年早些时候公布的一项审计公布显示,洛杉矶警署的预测性项目(包括PredPol)缺乏监管。
尽管近年来政府尝试对此立法,但似乎难以赶上技术进化的速度。英国的律师协会今年也公布了一份报告,指出英国的警察部门在使用预测性警务或其他技术时“亟需监管”。而洛杉矶警署一事显示美国也存在着同样的问题和需要。
“对于技术,我认为它是不可知的,”弗格森说,“我们所处的监视状态也让我们了解到许多警察行为和模式的信息。”然而问题是,这些项目资金往往流向辖区,而非是那些更需要浏览数据的社区服务中心。“如果将关注点从‘使用数据解决治安问题’变为‘使用数据解决所有问题’,那么这将为解决当下社会弊病打开新的思路。”
为成为美国警方喜爱的分析平台,PredPol、HunchLab、Axon和ShotSpotter相互竞争。Axon甚至允许警方免费使用其执法记录仪,旨在与各部门建立友好关系,并提供全套服务,以期确保公司在数据服务行业中的领先地位。弗格森说,“显而易见,与警方成为合作伙伴并为他们提供全套服务,这对你公司的商业模式大有裨益。”
利润率决定公共安全与福利,这些数据分析公司正重新定义我们社区的安全。
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
(添加小编微信:dxsxbb,加入读者圈,一起讨论最新鲜的人工智能科技哦~)