英国警察建起庞大犯罪预测机器，部分结果却不可信

当英国各地的警察部队争相拥抱人工智能浪潮时，一场在英格兰某地区进行的预测分析实验却暴露出令人不安的现实。《连线》杂志的调查发现，这个被称为“犯罪预测机器”的系统虽然在宣传中描绘出精准打击犯罪的美好图景，但其内部运作却充满了数据漏洞、算法偏差和无法解释的错误。

隐藏在城市数据中的“预知术”

该系统由当地警方与一家科技公司合作开发，旨在通过分析历史犯罪记录、人口统计特征、天气模式甚至社交媒体活动，来预测未来24小时内可能发生犯罪的地点。警方希望藉此优化巡逻路线、提前部署警力，从而威慑潜在犯罪。然而，根据《连线》获得的内部评估报告，这种看似科学的“犯罪天气预报”在实际应用中频频失灵。

“我们构建了一个庞大的机器学习模型，但当我们检查其输出时，发现约30%的预测结果根本无法复制或验证，”一位参与该项目的匿名数据科学家透露。“这就像在掷骰子，只不过我们以为自己在下棋。”

报告显示，该系统曾多次将高犯罪风险区域标注在一条繁忙的商业街上，但实际巡逻警员发现那里除了偶尔的商店盗窃外，暴力犯罪率极低。相反，一些真实的高发案件——如家庭暴力和毒品交易——却往往被模型忽略，因为这类数据在历史报告中常被低估或编码不完整。这种“被忽视的犯罪”让警方一度浪费了大量人力物力在错误的地点巡逻。

黑箱决策与透明困境

更令人担忧的是预测模型的可解释性问题。警方高层曾被告知，算法能够“自主学习”犯罪模式，但没有人能够清晰解释为何某些社区被标记为高风险。一位警官向《连线》表示：“我们收到一份名单，说今晚这些区域可能有抢劫。但当我们问为什么是这些街道而不是对面那条时，技术团队只能给出模糊的‘根据历史趋势’这样的回答。”

这种不透明性直接导致内部信任危机。部分警员开始拒绝按照系统预测部署资源，而是依赖传统经验和直觉。然而，另一部分人则盲目遵循算法建议，形成了“技术权威主义”的怪圈。一场原定于2025年全面推广的计划，在内部审计发现系统在非白人和低收入社区存在系统性偏差后被迫推迟。

AI警务的全球警示

英国并非唯一尝试犯罪预测技术的国家。美国洛杉矶、芝加哥等城市早在2010年代就曾部署类似系统，但最终因同样的问题——算法偏差、数据污染、社区反弹——而缩减或废止。剑桥大学犯罪学研究所的专家指出：“预测分析在警务中的根本问题是，它试图用过去的低质数据来预测未来，而过去本身就被执法偏见所扭曲。”

尽管面临种种挑战，英国警方并未放弃AI辅助作业。一些官员认为，只要对模型进行更严格的验证和人工审核，就能弥补缺陷。但《连线》的调查表明，在技术热情与警务实战之间，仍存在一道难以逾越的鸿沟：当机器给出一个看似确凿的预测时，谁有权力说“不”？而最终负责的是人，还是算法？

本文编译自WIRED