大數據助力警察，提升安全還是加劇不公？

大數據使得警方從被動響應轉向提前預警，提升公共安全，但也可能因為濫用加劇社會分層和階層固化。

政見觀察員/馬亮

BBC一部名為《大數據時代》（The Age of Big Data）的紀錄片，介紹了美國洛杉磯警察局如何利用海量犯罪檔案和其他相關數據，並結合複雜的數學演算法，在毒販交易前就能精確預測他們會在哪裡和何時接頭。這看起來玄乎得像虛構的科幻小說，但卻真實發生。

美國德州大學奧斯丁分校的Sarah Brayne通過對洛杉磯警察局長達兩年半的觀察和訪談，發現大數據分析技術深刻轉變了警察監控的手段和做法，不僅放大了警察部門既有的監控能力，且導致監控活動的根本轉型。

具體來說，她認為大數據在五個方面推動了警察監控的革新。

（1） 過去對犯罪風險的評估通常依賴於警察的經驗判斷，大數據則使風險評估趨於量化，通過風險值的形式進行精確估計。

（2） 警察使用大數據去預測未來，而不是被動地做出回應或解釋過去發生的事件。

（3） 無處不在的自動預警系統，幫助警察系統地監控前所未有的海量人群。

（4） 過去納入執法資料庫的主要是有犯罪前科的人，而現在則包括了許多過去不曾同警察有直接接觸的人群，這使監控網路越布越大。

（5） 過去分散在不同地方和領域的數據得以通過大數據技術而加以整合，形成有關聯的數據，並促進對每個人的監控走向深入。

大數據重塑警察監控

社會監控並非新鮮事，但是現代社會的監控卻在廣度和深度上，都讓過去的做法望塵莫及。

就廣度來說，警方過去監控的對象主要是假釋人員和救助對象，但是現在則實現了廣覆蓋，即便是普通人也難逃監控。就深度而言，依託各部門數據的匯聚，警察部門現在可以「深挖」一個人的各個方面，使其成為「透明人」。

大數據意味著我們用於監控社會的信息海量和豐富，高頻記錄並可以快速處理。數據的格式和來源各不相同，但電子化易於存儲和合併。這些特徵，使其可以深刻改變警察部門監控社會並維護公共安全的方式和方法，並使警察監控的智慧化程度日益凸顯。

與過去憑主觀臆斷去確定盤查對象不同，大數據技術讓警察可以對每個人的犯罪嫌疑進行量化打分。這使警察可以依據犯罪風險對不同人群加以「區別對待」，並且可以「一抓一個準」。基於歷史犯罪記錄而劃定的「高危地區」，可以讓警察的巡邏或盤查更有針對性和更有依據可循，也避免外界會認為警察執法的偏見和歧視（如針對黑人的較多盤查）。

過去警察都是被動響應的，依賴於舉報、巡邏和快速反應。但是這些做法相對來說是低效的，比如漫無目的地巡邏或漫天撒網式搜捕。越來越多的犯罪學家認為，應該採取更具前瞻性和主動性的做法，通過數據分析去發現有兆頭的線索，這樣可以少走彎路並提高效率。與此同時，這也可以降低監控對工作經驗的依賴。哪怕一個初出茅廬的警校畢業生，也可以依據大數據的預測指示，像一個經驗老道的警察去定點巡邏。

依託大數據技術，警察的監控方式在逐步從「盤問」轉向「預警」。警察部門將所有存在關聯的人、電話號碼、車牌號、住址、事故等聯繫在一起，一旦任何一點出現變動就會觸發連鎖反應，快速甚至實時發出提示警報。這就像「撒網捕魚」一樣，一旦網撒得足夠大，只需要靜待魚兒觸網即可。

大數據技術是警方擴大監控網路的利器，使原本不受其監控的人群也被納入其中以備調用。犯罪分子會同許多普通人打交道，而這些普通人也會被自動納入監控網路。這意味著它像一個「雷達」，圍繞犯罪分子和犯罪嫌疑人所處的人際網路不斷掃描，把許多過去不被監控的人納入系統。

我們每天都在各種媒介留下我們的蛛絲馬跡，這些電子痕迹都可以用於追蹤和監控我們的一舉一動，並做出一系列相關聯的「標記」，為警察部門判斷犯罪嫌疑提供依據。「功能遷移」是大數據監控的根本之處，即將用於某個目的的數據轉而用於意料之外的其他目的。特別是保險精算式的決策日益流行，即將警察數據同其他部門的相關證據相結合，據此做出綜合判決。

大數據監控的「副作用」

如今，大數據分析技術在許多領域都得到了應用，而在社會監控方面的使用則飽受爭議。一方面，大數據代表一股理性化力量，有助於減少誤判和偏見，提高效率和預測精度。另一方面，大數據的預測能力也可能招致新的偏見，甚至加深既有的社會不平等。

研究指出，大數據所依賴的海量數據和複雜模型並非簡單、無偏和客觀的數學問題，對它們的分析和解讀仍然取決於一個個具體的人。新技術的出現並沒有瓦解舊有的組織架構和社會結構，而是受其影響和制約，甚至可能只是既有結構的映射罷了。這意味著，大數據技術實際上是被誰使用、為什麼和如何使用，變得至關重要。

基於大數據的輔助決策，可以減少警察對固有成見的依賴，並降低他們的判斷偏見。但是在另一方面，報警和出警的檔案記錄並不完整，弱勢群體所在的鄰里街區往往是歷史上的「重災區」，並可能像「羞恥柱」一樣得到警方的持續過度關注。

將警方的數據同其他部門的數據合併在一起，有利於全面地監控嫌疑人，但也讓一些人刻意避免使用這些部門，以防自己因為在這些部門「留痕」而被警察監控。例如，犯罪嫌疑人可能使用假名同醫療、金融、教育、就業等部門打交道，或者乾脆避免接觸。因此，警方的監控技術不僅把所有人「一網打盡」，而且會讓許多已經處於弱勢地位的人不得不遭受一連串的盤查和猜疑，或者為此逃避而得不到政府部門的必要援助，進而加劇社會分層和階層固化，讓馬太效應進一步顯現。匯總的電子數據就像一個人的數字資本一樣，決定一個人是受到警察局的「關照」，還是得到其他部門的「青睞」。

研究人員認為，應該考慮修訂法律，保護民眾的隱私，避免個人信息被二次使用或濫用。與此同時，警察部門的證據搜集從事後開展提前到事前預警，這使它們輕而易舉地就可以找到關聯證據，去把某個人列為嫌疑人。對此，研究人員建議應提高犯罪嫌疑人的設定標準，避免大數據技術被濫作他用。

參考文獻

Brayne, Sarah. 2017. "Big Data Surveillance: The Case of Policing." American Sociological Review: doi: 0003122417725865

http://weixin.qq.com/r/fjmguDDE-m2BrXTb92xs (二維碼自動識別)