数据如何防止下一次弗格森事件

过去几年，奥斯卡·格兰特三世、埃里克·加纳、迈克尔·布朗等数十人死于执法人员之手，动摇了美国人对警察部门的信心。根据 2014 年盖洛普民意调查，44% 的美国人表示他们对警察只有一点信心或非常没有信心。

当民众如此普遍不信任那些宣誓服务和保护民主的人时，这对于民主来说不是一个好兆头。

那么，我们是如何走到这一步的？我们能做些什么呢？答案的一部分与执法方法有关。几十年来，许多城市的警察都依赖破窗和拦截搜身等政策。其目的是打击轻微犯罪，以阻止更严重的犯罪。但在哪里和何时实施这些方法的决定不仅基于（或者有些人认为更多是基于）以前犯罪的硬数据，还基于警官的观察和直觉。

这些政策曾经备受推崇，但现在却不再受欢迎。批评者认为，这些政策迫使警察不公平地（而且大多数情况下是无意地）针对少数族裔。这些偏见，无论是真实的还是感知到的，都是我们国家不信任的支点。

但一种新的模式正在出现。过去二十年，美国国家司法研究所已向各组织拨款 2400 万美元，用于绘制犯罪地图和开发所谓的预测性警务：利用数据确定未来可能发生犯罪的地点，并主动巡逻这些地区。

日立数据系统公司是该领域的先行者，该公司开发了一款名为“犯罪预测分析”的软件系统。除了犯罪和逮捕报告外，犯罪预测分析还可以持续梳理车牌扫描、天气和交通报告、安全摄像头录像和推特。它将这些数据集分层放在数字地图上，以便警官可以实时监控模式。警官不必凭直觉判断谁看起来可疑，而是可以依靠算法来预测数据趋势并采取行动。“犯罪预测分析是匿名的，”日立系统开发负责人马克·朱尔斯说。“它向你展示一个区域。它不会告诉你要寻找一个人。”

理论上，预测性警务可以为传统警务工作增加更多的分析监督。它还可以让执法部门一举监控城市的每个部分。但要实现这些好处，输入系统的数据首先必须是中立的。纽约大学布伦南司法中心高级法律顾问 Rachel Levinson-Waldman 表示：“人们很容易认为，将数据输入系统后，另一端就会得到公正的分析。但数据来自某个地方，人们担心这些算法模型会重现偏见或种族差异模式。”

这种担忧是合理的，但要知道数据能否在不强化偏见的情况下伸张正义，唯一的办法就是尝试。所以我们必须尝试。

明年，PCA 的测试版将在六个尚未确定的城市推出。（据传言，华盛顿特区是其中之一。）PCA 无法确保不会再出现错误，但对于那些感到受到威胁的公民来说，当地警察（希望）不会再不公正地针对他们，这应该会让他们松一口气。

本文最初发表于《大众科学》杂志 2016 年 1 月/2 月刊