警官Shane Kovach正在美国宾夕法尼亚州匹兹堡霍姆伍德巡视，该区域将引入预测警务系统。 图片来源：Stephanie Strasburg

警官Jamie Pascucci和Joe Kania意气风发地坐在巡逻车里，巡视着霍姆伍德社区，观察着街道上是否有麻烦出现。美国宾夕法尼亚州匹兹堡是全美谋杀率最高的大型城市之一。暴力犯罪在霍姆伍德尤其严峻。年轻的白人警官Pascucci和Kania来自该街区以外，他们利用一系列警方电台呼叫着部门通信中心。他们偶尔会得到“枪击监控”的帮助，这是一张感应器网络，可用于监测枪击事件，并将信息传递到安装在前排座椅中间的一台笔记本电脑上。

但从下个月起，Pascucci和Kania或将得到新的指导。霍姆伍德将成为匹兹堡“预测警务”项目的首个试点区域。根据由卡耐基·梅隆大学科学家开发的数据处理算式，警车便携电脑将显示犯罪活动可能发生地点的地图。

观点相左

很多其他城市已经采用了类似系统，其中包括从未成年人犯罪报告到犯罪者“脸书”照片等各种信息。它们也在美国之外的其他国家流行起来。借助于来自地震学、流行病学等领域的方法，其发明者认为，该算式有助于降低犯罪率，同时减少政策偏颇。它们代替了通过对犯罪活动潜在发生地点以及谁会进行犯罪活动等进行表观分析所得到的更加基本的趋势和直觉感受。

匹兹堡警察局长Cameron McLay说，当美国警方和少数族裔的关系一度较差时，这是值得尝试的一种方法，他承认当前的警务距离修正偏见还有很长的路要走。McLay认为，将大数据与聚焦更多社区的策略相结合，可以作为缓和警务弊端的一部分策略。

但是公民自由组织和种族公正组织却对此提出警示。他们争论称，预测警务通过一种危险的新方式延续了种族偏见，只是给它披上了科学的外衣从而给予其合法性。他们主张，依赖存在瑕疵的统计数据建立的犯罪预测模型反映了刑事司法体系内的固有偏见，同样的偏见会让警察开枪射杀的黑人比白人更多。而且隐私是另一个重要的隐患。

同时，预测警务在多大程度上能够预防犯罪也尚待讨论。支持者认为它可以迅速降低犯罪率。但是弗吉尼亚州兰德公司分析专家John Hollywood则表示，其优势相对于其他最佳实践技术来说“最多只是有所增量”。

存在偏见

犯罪预测的概念可追溯至1931年，当时芝加哥大学社会学家Clifford R. Shaw和芝加哥青少年研究所刑事学者Henry D. McKay编写了一本书，探索特定社区青少年犯罪的持续性。此后，科学家尝试利用数据和地理空间分析，决定犯罪危险水平。

2006年，加州大学洛杉矶分校（UCLA）和加州大学尔湾分校的研究人员与洛杉矶警察局（LAPD）合作。那时，警察局正沉湎于数据收集，这使得犯罪预测成为“真正的可能，而不是理论上的创新”，UCLA人类学家Jeffrey Brantingham说。LAPD利用过去的犯罪热点图决定向哪里派遣巡警，该警察局将这一策略称作“正点警察”。Brantingham团队认为，他们能够让这幅图变得具有预测性，而不仅仅是描述性的。Brantingham与同事研究了一个算式，现在该算式已成为一个叫作PredPol的专利权软件包。

同时，芝加哥警察局（CPD）将预测警务继续向前推进了一步，并让其变成个人的。该部门正在利用网络分析形成一个高度争议的“战略主题列表”，名单中的人或被认为存在成为受害者的风险，或可能是暴力犯罪的行凶者。警官和社区居民随后会对名单上的人进行探访，告诉其已被列入高风险名单。

这个名为“自定义通知程序”的软件在部分程度上受到了耶鲁大学社会学家Andrew Papachristos的研究启发。Papachristos成长于上世纪八九十年代的芝加哥罗杰斯公园社区，当时正处于“裂纹时代”的巅峰。他表示，作为一名白人，这使他和一些暴力事件绝缘。

“我皮肤的颜色意味着我永远不会加入一个犯罪团伙。”他说。一天晚上，Papachristos看到一群人将他父母的餐馆付之一炬，因为他们拒绝支付被勒索的钱财。

数十年后，他开始研究犯罪，Papachristos希望了解其背后的网络。在2014年发表的一篇文章中，他和康奈尔大学的Christopher Wildeman研究了芝加哥西部一个高犯罪率社区。他们发现，在这个8.2万人的社区中，41%的枪击受害者属于曾一起被捕的人群，他们仅是社区人数的4%，这与其他研究一起表明，通过检查人们经营的公司可以了解很多犯罪活动，Papachristos说。

此外，这个以及其他的预测性警务项目所依赖的警务数据也都因为会将犯罪活动朝着有色人种倾斜，人权数据分析小组分析师、密歇根大学博士候选人William Isaac说。这会导致任何预测变得不可信，他说：“它们并非在预测未来。它们真正预测的是下一次记录的警务观察将出现在哪里。”实际上，预测可以成为自我应验的预言，加州旧金山电子前沿基金会的Jennifer Lynch说，“我们从过去的案例中可以得知警察什么时候会期待暴力，他们通常会用暴力回应。”

实用难测

同时，其他的批评人士则对预测警务提出了更基础的质疑：它能起作用吗？

在2012年IBM的智慧地球商业活动中，一名警官瞥了自己巡逻车的屏幕一眼，然后飞速驶向一家便利店。他到达的时候，一名店员正在点钞，几分钟后一名潜在的强盗就出现了。这是科幻小说，兰德公司的Hollywood说，而且很有可能会保持那种方式。为了预测具体的犯罪活动，他说，“我们需要将预测的精确率提高1000倍。”

关于现有预测警务方法是否像宣传的那样有效，就预测犯罪可能性而言，相关证据很少，且寥寥无几的数据也并不鼓舞人。例如，Hollywood及其同事发表的对芝加哥“战略主题列表”项目的一项评估发现，试验阶段挑选出的个人与对照组相比，成为受害者的可能性并不高。然而，他们更可能因为枪击而被逮捕，研究人员表示，这可能是因为“一些警官可能曾利用该名单作为结束枪击案”的线索。

一些学者测试了该模型对历史上犯罪率的预测能力，其结果是令人鼓舞的。但是评估一项曾经使用过的项目会复杂得多。一项随机实验（借鉴自医学领域的设计）就是金标准，但是很少有部门愿意指派一个控制区域或群体，他们不会尝试在那里预测犯罪。“警长通常任期3年。”McLay说，“我没有控制时间。”Hollywood 补充说，像芝加哥一样的案例排除了个人，“没有人想说，‘我不会对风险最大的10人进行干预’。”类似PredPol的算式具有专利权，这使得问题进一步复杂化，使其很难让外部学者或普通大众评估其有效性。

警长McLay坐在一张会议室桌子前，俯视着衰落的Allegheny-West社区，他说自己非常清楚延伸犯罪扫描系统并不能解决匹兹堡警察局的所有问题。“有一些城市已经对热点区域警务开展了大量工作，它们与有色人种社区关系非常糟糕。”他说。

一些专家指出，其中的关键并不是依靠数据方法，而是将其与其他方法相结合。McLay似乎也倾向于类似的方式。随着“犯罪扫描”的启动，他希望与高犯罪社区建立关系，确保大数据被用于解决问题，而不是简单的聚焦在警务工作方面。“这就是关键所在：谁能找到那个最佳点？”他说，“谁能真正用好充足的数据，并建立牢固的关系？这是美国的警务工作目前面临的挑战。”（晋楠）