英国政府推进预测性警务，V100计划已促成200余起定罪

某处的一台服务器上——在某个政府机构、某个承包商那里、某个商业园区郊外的数据中心里——数据库中存在着一行记录。一个名字、一个地址、一串关联人、一个风险评分。名字列在第一栏的那个人对此毫不知情。他没有被逮捕，没有被讯问，没有被指控任何罪名。他无法调取自己的档案，也无法对档案中的结论提出申诉。但警方已经掌握了他的车辆、他的日常行踪，以及他前伴侣的住址。这份档案跑在他本人前面。

这既不是假设，也不是反乌托邦小说的情节。这是对已经存在并在不断扩张的基础设施的描述：英国V100计划每月对一百名被评估为对女性构成最大危险的男性进行排名，截至2025年秋季，该计划已促成两百多起定罪，累计刑期676年。拟议中的扩展——V1000——将同样的逻辑推广到英格兰和威尔士的一千人身上。与此同时，通过信息自由请求获得的文件显示，英国司法部自2023年起一直在开发一个凶杀预测模型，其数据取自十万至五十万人，其中精神健康状况、成瘾、自杀史、脆弱性和残疾等变量被赋予了“显著预测力”。该项目后来被重新命名为一个中性说法——“数据共享以改进风险评估”——这个委婉语在此充当了一种管理公众认知的工具，每当它反复出现时都值得注意。

反对预测性系统的主要技术论据并不是它们“有时会出错”。而是它们被构建为一个自我确认的循环。

评估地域的系统在先前有犯罪记录的地方预测犯罪。但记录在案的犯罪在很大程度上是警力存在的产物：巡逻越多，报告越多。算法向那里派遣更多警力，这些警力记录下新的违法行为，模型便获得了对自身预测的确认。基于奥克兰毒品逮捕数据的数学建模显示，算法恰恰将警察注意力集中在它已经被集中过的那些街区——即便独立调查记录到毒品使用在人群中的分布大致均匀。

就个人评分而言，其机制是一面镜像。被赋予的分数引来警察注意。注意产生拦截、传票、报告。这些进入数据库并推高下一次的分数。从系统内部来看，这一轨迹是不可证伪的：它无从得知此人在没有干预的情况下会做什么。用一句精确的表述来说，这样的算法“与其说是在预测未来行为，不如说是在放大过去的执法模式”。系统将警务史读作犯罪史，将被巡逻街区的 demographics 读作犯罪率的 demographics，将警察未曾出现的街区缺乏记录读作那里没有犯罪。另一端输出的不是任何科学意义上的预测，而是以数学的威望被不配地附着其上的语言，对国家注意力既有模式的复述。

在这里抽象的反驳没有必要——有记录在案的案例。

在芝加哥，一个“战略主体名单”从2012年起投入运行：被列入名单的每个人都获得了涉枪暴力风险评分。该市南区一名年轻居民，此前全部记录不过是大麻传票和非法赌博，却接待了一位警察局长的登门警告，让他“不要再犯罪”。这次登门被邻居看到；此人被当成了线人；不久后他遭到枪击。该名单在2020年一次审计后被关停，审计认定该项目不存在任何可测量的预防效果——该项目唯一可观察到的后果，恰恰是警察接触更加集中在被列入名单的人身上。

在佛罗里达州帕斯科县，一个算法标记出“未来罪犯”，包括未成年人。做法相当于定期家访：拍摄住所、对未修剪的草坪开罚单、反复登门。该案以2024年的和解告终：向受影响者支付赔偿，并承认违反了第一、第四和第十四修正案。这是少数几个预测性项目在法律上被记录为侵犯宪法权利的判例之一——而它之所以出现，仅仅是因为该机构宁愿和解也不愿留下司法判例。

用于保释和量刑裁决的COMPAS累犯评分算法，经一项覆盖七千多名被捕者的调查发现，将黑人被告错误标记为高风险的比率几乎是白人被告的两倍。当其中一名被定罪者试图质疑自己的分数时，法院接受了这样的论点：该算法是私营公司的商业秘密，因此不受审查。该工具仍在使用中。

整个基础设施的统计数据则更为突出：枪声检测系统所调查的警报中有80%至90%被认定未获证实；已知的基于面部识别的错误逮捕中，至少八成涉及黑人；2010年至2017年间转交给FBI的“可疑活动报告”中，超过95%从未被调查——但档案仍然存在。记录本身的创建，连同其对当事人的一切后果，就已经是一种伤害。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）