文/王彩玉 梁立增

　　2023年，ChatGPT掀起全球热潮，重新定义人类知识，加速现实社会变革，而这仅是当前人工智能快速发展的一个缩影。随着人工智能赋能警务，人的智能与人工智能之间的绝对界限正被打破。对美国刑事执法人工智能的审视可沿以下两条线索展开。
　　一是人工智能技术演变与应用脉络。从弱人工智能应用到类ChatGPT大模型引入，美国刑事执法人工智能融合应用历经三次技术浪潮，不仅将警务技术发展推向智能化逻辑演变方向，也掀起犯罪预防、打击与治理的结构性变革。究其本质，人工智能作为一种技术赋能，在警务中体现的是以数据为应用基础、以算法为应用驱动，实现以机器换人力、以智能增效能的逻辑，重塑传统刑事执法行为与模式——治理主体机器化、治理体系算法化、治理节点前置化，但本质上只专注于特定任务表现，缺乏人类判断力、同理心与处理复杂社会互动的能力。
　　二是技术与社会环境间的相互形塑。当一项技术的影响不可分割地源于其设计和社会背景的结合，技术中立不再适用，必须考虑技术本身具有的伦理属性。在新冠疫情冲击下美国财政赤字、公共债务大幅上升，以“工作而非监狱”“关心而非警察”为口号的“撤资警察”（Defund the Police）运动加剧警方面临的负担过重、资金不足与人员短缺困境，基于人工智能的“精准警务”兴起，公私合作研发治理模式在提升整体安全治理能力的同时塑造市场力量，带来大规模商业活动。而人工智能嵌入刑事执法对既有警务伦理、正义理念带来的挑战和种族歧视、暴力执法等根深蒂固的“美国病”交织，迫使美国警方反思其合法性基础。在后弗洛伊德时代，美国警察何为？如何改进人工智能警务的监管与问责，修补破碎社会中的裂痕？

　　一、人工智能在美国刑事执法中的融合观察

　　（一）第一次浪潮：专家系统在美国刑事执法中的先行先试
　　人工智能常被误解为一项单一的新兴技术，但实际上，人工智能是一个涵盖广泛方法与技术的计算机科学领域。人工智能之父约翰·麦卡锡在1956年将其定义为“制造智能机器的科学与工程”。在概念层面，人工智能意味着机器能够独立感知、响应环境，在无人类直接干预下执行通常需要人类智慧与决策的任务。
　　20世纪80年代，模仿人类专家逻辑规则和推理思维构建人工智能专家系统的技术浪潮兴起，美国警界认为计算机程序可缓解因经验丰富的侦查人员退休而造成的人才流失，FBI（美国联邦调查局）率先推动以专家系统形式将人工智能应用于犯罪侦查。FBI分析师大卫·伊科夫指出，“犯罪人格分析专家利用人工智能技术捕捉连环暴力犯罪分子侧写相关难以捉摸的决策规则”——美国国家暴力犯罪分析中心开发“侧写者”系统，基于犯罪侧写员经验和研究，汇聚来自犯罪现场处置、暴力犯罪逮捕计划报告等FBI数据库中的数据，进行犯罪模式分析，寻找已知或未知犯罪人线索，并对犯罪预防策略进行有效性评估，为侦查人员提供咨询建议。1989年，美国检察官编写《执法中的人工智能和专家系统手册》，介绍专家系统在计算机辅助调度、案件侦办和警察培训等方面的实际应用，对马里兰州巴尔的摩警察局在1988年至1990年间开展的入室盗窃专家系统试点进行案例分析。
　　专家系统在本质上是“知识库+推理机”的组合，从人类专家中采集知识，编写大量指令，以“if-then”规则运算并在硬件中执行，完成特定领域问题推理，但并没有学习或处理不确定性问题的能力。然而，专家系统在复杂犯罪分析中展现出的潜力，为更广泛的人工智能技术在美国刑事执法中拓展应用奠定基础。

　　（二）第二次浪潮：机器学习在美国刑事执法中的应用普及
　　21世纪以来，人工智能技术和警务改革的双重演进与融合推动美国以“数据+智能”为关键要素的现代化侦查治理模式不断形成完善。
　　机器学习的崛起标志着人工智能发展迎来第二次浪潮，海量数据、低成本大规模并行计算以及持续优化的学习技术，实现图像和文本识别、自然语言处理等任务突破，为侦查破案赋能增效。在视频侦查中，机器学习在特征提取、对象识别、行为分析、实时监控等方面具备天然优势。在经历2001年“9·11”恐怖袭击事件、2013年波士顿马拉松爆炸案后，美国深刻意识到通过精准人脸识别和影像系统快速锁定犯罪嫌疑人的重要性，FBI投资10亿美元研发“下一代识别系统”（NGI），各州警方加大对人工智能驱动的智能视频与图像监控、自动车牌读取、无人机巡查等领域开发部署。“场景理解”是美国国家司法研究所重点资助的人工智能研发方向之一，旨在实现无人工干预下识别视频中正在进行的犯罪活动，如“一个人拔出手枪向商店橱窗开枪”。电子前沿基金会数据显示，截至2023年7月，美国约849个警察局采用人脸识别，约35个警察局采用视频分析。
　　机器学习重新定义美国刑事执法中的“取证”，显著提升侦查人员对物证的识别和解释能力——深度学习模型经过训练可识别复杂数据集中的模式和异常，提升DNA、指纹、虹膜、语音分析等的灵敏度、准确性，美国警方将其应用于悬置多年的性侵、凶杀、失踪等冷案分析，2018年成功查获在1970至1980年代犯下数十宗性侵与杀人案的“金州杀手”。此外，基于神经网络的犯罪现场照片和视频分析工具可突出显示隐藏的武器、细微的斗争迹象等可能被人眼忽略的细节。2012年至今，非营利公司索恩与美国警方合作，开发具备机器学习功能的聚光灯（Spotlight）软件，扫描互联网、暗网色情广告，自动查找失踪儿童并标记高风险广告，据称为警方减省60%人口贩卖调查时间。索恩还发起阿耳特弥斯项目，扫描网上历史聊天记录发现潜在儿童性侵者。
　　与此同时，问题导向警务、情报主导警务、热点警务、社区警务等思想与改革运动勃兴，预测性分析等机器学习方法与美国警务改革发展潮流相契合，有助于发现隐藏的犯罪模式和趋势，实现更积极主动的犯罪预防。2010年前后，洛杉矶警察局和纽约警察局率先开展犯罪时空预测实验。在加州大学洛杉矶分校布兰廷厄姆教授技术支持下，将过去10年内刑事案件记录汇总成为数据集用于训练算法，以深具地域预测性特质的财产犯罪（入室窃盗、汽车窃盗）进行试验，基于犯罪类型、犯罪地点和犯罪时间进行预测，为警方重点巡逻犯罪热点时空提供前瞻性建议、降低犯罪率和受害率，之后延伸至重大枪支凶杀案、帮派犯罪等不太受地域规律和熟悉特性限制的犯罪种类。值得关注的是，鉴于试验成果相对成功，洛杉矶警局与布兰廷厄姆教授共同开设创业公司PredPol，目前已成为市场龙头，号称“美国每33人中就有1人受到PredPol公司提供的安全保护”。万国商业机器公司（IBM）与孟菲斯、纽约警察局合作，推出蓝色镇压（Blue CRUSH）计划，基于SPSS预测分析揭示毒品、武器、卖淫等潜在犯罪趋势，标识废弃住房等影响犯罪趋势的长期因素，侦查人员不仅可以看到当前犯罪热点的多层地图，还可以看到警务部署和战术变化带来的犯罪情况变迁。大数据企业帕兰提尔、律商联讯等也纷纷加入赛道，当前基于地点的预测性警务已不再是纯粹警察内部辅助系统，而是一项每年价值数百万美元的业务、大规模商业活动。
　　不限于犯罪时空，美国预测性警务进一步拓展至对受害者、犯罪人的预测，“以人为本”的警务计划在美国各地蔓延。芝加哥警察局将“利用人工智能算法、根据关联和行为预测暴力犯罪受害者”纳入减少暴力犯罪战略。帕斯科县警长办公室发起“高发犯罪者”项目，涉嫌盗窃、毒品与暴力犯罪被捕的人将被算法系统分配分数，若之后在警方报告中出现五次以上将被赋予“增强分”，分数与犯罪风险挂钩，被认定为“高发犯罪者”意味着要接受警方更严格的盘查。2016年，美国首份《国家人工智能研发战略计划》将“安全和执法”列为利用人工智能推进的国家优先事项，提出执法和安全官员可通过使用模式检测来检测个人行为者的异常行为或预测危险人群的行为，从而帮助建立一个更安全的社会。伊格纳斯在《算法治理——后人类时代的政治与法律》中指出，我们正在见证“从人类执法到数字系统执法”的转变。
　　然而，关于技术与警务的反思并不止步于此，以机器学习为代表的人工智能技术已深度嵌入美国警务与司法改革过程。2018年12月，时任美国总统特朗普签署《第一步法》（First Step Act），规定建立联邦罪犯风险和需求评估系统（PATTERN），精确测量罪犯在监禁期间的再犯风险变化，以风险评分为基础决定是否提前释放或分配至生产性活动，推动罪犯走向无犯罪（crime-free）生活的第一步。这项举措深刻反映了美国对20世纪80年代以来严打犯罪政策的反思，对大规模监禁带来的社会混乱的担忧，也是美国利用人工智能技术优化犯罪治理路径的重要体现。
　　2020年以来，轰动全美的弗洛伊德案进一步暴露出美国执法机构长期存在的暴力执法和系统性种族歧视问题，民主党人士发起“撤资警察”运动，认为“问题是制度性的，减少伤害的唯一方法是从警察手中夺走权力和资金”，主张大幅削减警方预算，用财政手段倒逼警察减少暴力执法现象。基于新冠疫情和全国“撤资警察”运动带来的双重压力，美国警方面临十多年来未见的预算缩减，人员流失率达到历史最高水平，新警招聘困难，暴力犯罪激增。基于人工智能的“精准警务”（Precision Policing）应运而生，提倡在充满挑战的环境中适当使用资源，加强基于证据的犯罪防控，提升透明度和问责制，针对性处置微型犯罪人群（Micro Criminal Populations），而非扩大警务范围。声思（SoundThinking）等行业企业推出枪击检测、犯罪追踪、巡逻部署、社交媒体监控等人工智能产品，承诺让资源紧张的警察局更高效地利用警务与犯罪分析资源，在提高犯罪威慑的同时，不增加警察与公众的不利接触。2023年4月，纽约警察局宣布在时代广场部署K5自主安全机器人，配备360度摄像头和多个麦克风，用于监控周围环境是否存在可疑活动、人员并实时报告，在案发后也可提供关于暴力袭击、武装抢劫、盗窃车辆等最佳证据。
　　（三）第三次浪潮：类ChatGPT大模型在美国刑事执法中应用前瞻
　　当前，人工智能技术迎来第三次浪潮的开端，强调提升人工智能模型的解释性与通用性。这意味着工程师们致力于构建能够模拟真实世界体验、与人类进行自然互动交流以及在新任务、新情境下快速完成学习和思考的系统。ChatGPT是2022年由美国开放人工智能（OpenAI）公司发布的自然语言处理预训练模型，GPT-4升级为多模态模型，代表第三次浪潮中具有一定解释性和通用性特征的人工智能系统之一，但本质上仍属于特定领域的模型。
　　具备多模态的GPT-4能高效准确处理多源数据，在发现犯罪活动热点、监控社交媒体平台和在线论坛、分析海量数据识别线索关联性、为面部识别软件提供底层算法支撑等方面的潜力已获得美国学界和警界关注。2023年6月，FBI局长克里斯托弗·雷就“人工智能以及FBI如何专注于快速变化的前沿”发表讲话，表示FBI将向人工智能转型，一方面，预测并防御使用人工智能和机器学习实施恶意网络攻击等犯罪活动的威胁；另一方面，利用人工智能对侦查活动中收集的海量数据进行分类、排序。有研究提出，GPT-4通过分析证据和案件档案可生成有关案件历史和背景的详细报告，帮助侦查人员了解犯罪发生原因以及如何更好地进行侦查。马尔辛·弗朗茨凯维奇称，马萨诸塞州警察局使用GPT-4分析过去二十年的冷案，FBI将GPT-4纳入工具箱，用于线索分析与生成。
　　大型语言模型凭借规模庞大的语料体系、先进的预训练算法以及优异的微调算法，具备强大的语言理解和生成能力。2023年3月，奥斯汀警察局宣布与维赛特姆公共安全公司（Versaterm Public Safety）合作，推出对话式人工智能驱动的“非紧急在线报告系统”，适用于犯罪嫌疑人已不在现场、对个人没有直接危险的情况。社区成员可通过语音、短信、网页或APP与虚拟调查员联系，在人工智能引导的调查访谈中提供斗殴、盗窃、诈骗、骚扰、非法侵入、儿童监护等信息，虚拟调查员全程专心倾听、耐心提问并无缝响应，按照国家犯罪数据申报系统（NIBRS）要求自动生成犯罪报告，在警方验证后自动向个人提供案件编号和处置情况，支持英语、西班牙语、法语、中文等20多种语言。奥斯汀警察局表示，如今警方接到的求助电话比以往任何时候都多，公众服务期望也达到历史最高水平。这种针对非紧急情况的人工智能方案有助于简化犯罪报告程序，为社区提供即时安全服务与个性化关注，提升处理其他优先事项的能力。

　　二、人工智能在美国刑事执法中存在的问题和挑战

　　（一）发展的基础问题
　　1.数据质量：制约刑事执法人工智能发展的基础难题
　　无论是专家系统、机器学习，还是大型语言模型，本质都是数据驱动的智能。数据用于训练、测试和推理，塑造警用人工智能的预测、决策和生成能力。然而，美国国家司法研究所指出，“数据质量差和数据不足”已构成主要发展障碍。犯罪黑数、刑事隐案存在，记录、报告并分析犯罪活动的数据和统计信息可能只代表部分已发生的犯罪情况，家暴、性侵害、帮派暴力、毒品犯罪等领域数据收集与报告具有局限性，致使依赖于犯罪统计数据的人工智能系统产生扭曲结果；数据壁垒、融合壁垒凸显，美国各州人工智能警务系统平台建设多各自为政，数据难以流动共享；信息噪声、数据中毒值得关注，尤其是对警用大型语言模型而言，不完整的训练数据、虚假信息和未及时更新的数据集都可能导致推理偏差，模型被引导学习错误数据后可能造成数据中毒和模型反转。
　　2.算法黑箱：困扰刑事执法人工智能应用的核心难点
　　宾夕法尼亚大学教授理查德·伯克在《人工智能、预测性警务和执法风险评估》中强调，人们关于人工智能警务准确性、公平性和透明性的担忧是真实存在的，法律和政治必须在各优先事项间取得合理平衡。由于深度学习驱动的人工智能系统的复杂性，即使是系统创建者往往也难以解释深度学习算法输入如何导致特定输出，给警方在刑事执法环境中使用人工智能技术与系统带来额外风险——损害警用人工智能系统在决策过程中的透明度，并在警用人工智能系统受到质疑或必须解释输出结论时产生困难。
　　3.人工智能素养：推动刑事执法人工智能融合的关键
　　人工智能素养既是一种“个人能够批判性评估人工智能技术、与人工智能进行有效沟通和协作的能力”，也是一种“能够将人工智能作为工作或学习工具的能力”。在个人层面，2023年对北卡罗来纳州等地警务人员调研发现，多数人既不熟悉人工智能，也不了解人工智能的局限性。在组织层面，面对外源性人工智能技术嵌入，警方能否接纳及在多大程度上接纳，决定技术与警务互动的广度与深度。美国国家司法研究所强调，业务工作流程的改变和组织文化的抵制比纯粹技术问题更有挑战性。在战略层面，格兰特·弗格森指出，由于具备人工智能专业知识的员工不足，警察局等政府机构在现代化转型中依赖于技术供应商、在采购谈判中处于被动地位，可能带来政府技术采购的“失权”风险。

　　（二）警务合法性危机
　　未来学家罗伊·阿马拉在谈到人工智能与执法时表示，人们倾向于高估一项技术的短期效用，却低估技术的长期影响。人工智能不仅构成美国刑事执法工具，也实质性改变刑事执法行为。自弗洛伊德案以来，美国警务改革呼声高涨，针对预测性警务、大规模监控等抗议也愈演愈烈，迫使警方重新审视权力合法性基础。美国警务的核心目标在于维护公共安全、预防犯罪和骚乱，尊重公民宪法权利，并遵循合法警务（Legitimacy policing）的基本要求——确保警方有足够能力、对犯罪作出适当反应、维护执法公正并赢得公众信任。警务合法性反映美国警方在社会中被认可、接受的程度以及是否在法律、伦理框架下行使权力，而近年的警务合法性危机为人工智能应用提供了反思维度。
　　1.比例原则挑战
　　合法警务中比例原则要求犯罪预防措施给公民带来的风险与要实现的犯罪减少目标相称，但刑事执法人工智能的引入可能侵犯公民诸多法定权利。基于个体的犯罪预测工具引入，可能会导致追诉活动在刑事立案之前启动，而机器学习支持下海量信息汇总、分析产生的犯罪嫌疑人画像加剧侦查人员形成有罪推定倾向，潜在侵犯个人无罪推定权利；通过基于地点的算法巡逻管理系统、自动枪击检测系统，警方可能将高犯罪率区域、多重预测警报区域作为判断是否存在逮捕、搜查或扣押“合理依据”（Probable Cause）的因素，改变警察对所巡逻社区和所遇到人员的看法和行为，同时在本质上拓展了美国宪法第四修正案中合理依据的界限，因为这种判断基于数据分析，而非已有事实证据；人工智能赋能的全面监控网络引发公众对隐私和人权侵犯的担忧，有研究者引入美国刑诉中的“马赛克理论”进行分析，指出即使是若干非重大信息片段的结合也可形成揭示目标个人生活模式的完整信息链条。此外，警察数据收集、交易问题引发学界关注，一是关于数据代理，警方将安全机器人、监控系统所收集数据的控制权部分交给私营公司的行为引发争议；二是关于数据采购，宪法第四修正案判例法限制政府收集特定类型公民数据，然而伴随公私合作深化，技术供应商越来越多地收集、汇聚、处理公民数据并将其出售给警方，警方采购公民数据的合宪性受到质疑。
　　2.公平原则隐忧
　　合法警务中公平原则要求警方对所有群体平等执行法律并提供保护，美国刑事执法人工智能涉及的公平问题要在反种族主义、反歧视性警务大浪潮下理解。
　　司法部对联邦罪犯风险和需求评估系统审查发现，与白人囚犯相比，系统将少数族裔囚犯再犯率高估2%到8%。邓肯·普维斯指出，预测性警务等刑事执法人工智能在运作中存在系统性种族主义。多数警务算法所基于的数据是逮捕数据，但在犯罪率相似的前提下，美国有色人种逮捕率远高于白人。基于历史数据的预测将不可避免出现盲点，而算法引入重现并放大了社会偏见和歧视，侵犯个人被平等对待的权利。“失控反馈循环”理论在美国学术界引发热议，当警方“瞄准”特定社区或地域，带来更多警察接触、拦截和逮捕，生成更多犯罪报告，当这些犯罪数据反馈到机器学习模型中，又会引导算法将警察引回同一区域造成过度执法。
　　3.信任与问责困境
　　公众对警方的信任和支持是合法警务的关键，当警方对行为负责并愿意承担后果时，人们更有信心与之互动。然而，美国警方面临人工智能系统问责困境：第一，责任主体难以明确，各类刑事执法人工智能从设计到部署全过程涉及多个主体，包括人工智能本体、人工智能及其算法设计者、人工智能所有者以及人工智能使用者。若运行过程中发生误判、错判、侵权，归因归责将会变得异常难以厘定。算法黑箱可能导致刑事执法人工智能操作、决策、生成过程缺乏透明度、可解释性，而美国警方一般立场是“不能对我们不理解的事项负责”，进一步加剧公众怀疑和不信任。第二，技术外包缺乏公众监督。美国电子隐私信息中心于2023年9月发布的报告《外包与自动化：人工智能公司如何接管政府决策》指出，警察局等政府机构采购人工智能系统在一定程度上是将决策外包给供应商，而供应商多以人工智能软件、模型系专有商业信息为由，将决策程序保密或绕过问责机制，这意味着诸多人工智能系统没有受到有意义的公众监督。

　　三、探寻美国人工智能警务发展与规制的良性互动空间

　　（一）统筹发展与安全的内在逻辑
　　刑事执法人工智能具有技术属性、警务属性、社会属性高度融合的特征，在赋能警务工作的同时带来诸多挑战与风险，但美国并未否定人工智能技术在社会发展与治理创新过程中的应用价值。以洛杉矶警察局为例，尽管在多年当地抵制下于2020年结束长达十年的犯罪预测实验，在《2019-2021年战略计划》中仍将“数据驱动警务”作为降低犯罪的关键举措，在《2021-2023年战略计划》中提出“利用新兴技术向巡逻警官传送实时犯罪数据”。美国国家司法研究所也指出，人工智能有望成为刑事司法生态中“永久性构成要素”，将持续资助犯罪预测、公共安全视频和图像分析、DNA分析、枪击检测等人工智能项目。在更广阔的宏观层面，2023年以来，美国白宫接连发布《拜登-哈里斯政府宣布采取新行动促进负责任的人工智能创新，保护美国人的权利和安全》《拜登-哈里斯政府采取新措施推进负责任的人工智能研究、开发和部署》等政策，提出加大人工智能研发投资，使其更好地为公共利益服务。在《2025财年预算的机构研发优先事项》备忘录中，白宫科技政策办公室将“设计、试点和评估应用人工智能改善政府职能和公共服务”作为研发重点。在可预见的未来，人工智能作为公共安全产品，有望进一步拓展美国刑事执法应用范围，加快警务科技创新，而现实中的治理关键是如何将技术缺陷与人的因素带来的法律、伦理、安全问题最小化。

　　（二）构建人工智能应用监管体系
　　审查与监督的主要目的在于解释和追责，实现损害可以被评估、控制和补救，平衡警方技术使用需求与公民权利保障。美国国家标准与技术研究所将“审计、测试和评估”列入人工智能风险管理框架。2023年以来，在联邦层面，美国参议院引入《评估人工智能法案》，要求成立内阁级人工智能工作组，对联邦机构采购、部署、应用的人工智能系统进行评估并提出整改意见。在地方层面，2023年6月，美国得克萨斯州颁布《成立人工智能咨询委员会法》。州长雅培表示：“人工智能作为生活和劳动力中的革命性工具变得日益普遍，必须确保这项技术以负责任、合乎伦理的方式开发……为保障公民隐私和自由，签署该法成立人工智能咨询委员会，研究并监管州机构开发、使用人工智能的情况。”该法明确州机构应在2024年7月1日前向人工智能咨询委员会和参众议院汇报所有正在开发、使用或采购的自动化决策系统情况，如系统是否用于独立决策及决策对公民的影响，系统是否经过第三方测试、是否存在已知偏见，所输入数据是如何生成、收集和处理的，系统中数据是否安全存储、处理，是否与其他实体共享系统和数据的访问权限及原因等，人工智能咨询委员会负责审查、提出行政建议并评估是否有必要制定伦理准则。此外，马萨诸塞州众议院引入《建立自动决策委员会法案》，若法案通过意味着政府自动化决策委员会将审查执法机构使用人工智能进行决策的行为。虽然这些立法并非专门针对警察机构，但联邦与地方警察也在规制范围内，在一定意义上强化警方使用人工智能的责任意识。

　　（三）推进系统与决策的透明公正
　　技术正当程序强调透明、准确、参与等核心要素，重新将“人”引入技术决策进程中。美国白宫发布的《人工智能权利法案蓝图》提出“通知和解释原则”，强调公众应知晓组织正在使用自动化系统及其如何产生有影响力的结果。2023年以来，在联邦层面，美国参议院引入《透明自动化治理法案》，提出“关键决策”概念，若法案通过意味着采用人工智能作出与特定个人或群体的地位、权利、财产或福祉紧密相关的决定及对个人生活产生重大影响的决定，应告知公众、保持信息透明，并提供针对不准确、有偏见决定的申诉渠道。在地方层面，康涅狄格州州长签署《关于人工智能、自动决策和个人数据隐私的法》，自2023年起行政服务部门对警察局等州机构使用人工智能情况进行年度清查并在州开放数据门户网站上公布清查报告，包括系统名称和供应商、系统功能和用途、系统是否用于独立制定或实质性支持相关结论和判断以及系统在部署前是否进行影响评估；在2024年2月1日前，管理政策办公室制定并建立警察局等州机构使用人工智能系统相关的开发、采购、部署、使用和评估政策程序，确保系统不会基于肤色、种族、信仰、性取向等特征对个人或群体带来非法歧视，并在管理政策办公室网站上公布政策程序文本。

　　（四）强化数据保护与权限管控
　　数据安全范式的核心要素是“可控性”，强调将数据收集、分析、再利用纳入风险管控过程。美国“警察数据倡议”在促进开放数据使用的同时，鼓励警方与社区共同解决问题，增进理解和问责。2023年以来，美国参议员霍利在《未来人工智能立法指导原则》中提出个人数据保护总体原则，禁止人工智能模型未经同意收集敏感个人数据，并对个人数据滥用行为予以严厉处罚。针对警方数据采购与监控，美国两党引入《第四修正案不可出售法案》，要求警方在迫使数据经纪人披露数据前必须获得法院授权，并禁止警方采购从用户账户设备秘密抓取、通过黑客攻击或违反隐私政策和用户协议等非法方式获取的公民数据。针对公私合作中隐私侵权风险，美国电子隐私信息中心建议通过立法或内部规则制定，要求警察局等州机构在人工智能技术采购合同中内置个人数据保护条款、强化技术外包过程的数据安全监督与控制，将供应商二级数据使用风险纳入考量，禁止供应商在完成合同后将数据或从中推断出的信息用于其他目的。

　　（五）人工智能伦理与最佳实践
　　在新一轮人工智能科技革命背景下，美国司法界与学界开始反思人机协同的犯罪治理模式，探索人工智能伦理与最佳实践。美国国家司法研究所发布多份指导文件，构建人工智能工具伦理与关键问题列表，建议刑事执法领导者在考虑人工智能方案时将技术可行性、伦理适当性、操作可实现性等纳入考量，对人工智能的技术本质、执法需求、相关背景及局限性有清醒认知，作出审慎恰当的部署抉择。美国国家警务研究所呼吁强化程序正义教育培训，推动基于公平和尊重的犯罪热点警务活动，改善公众对警务合法性、犯罪预防活动有效性的评价。在美国国家科学基金会资助下，学界积极关注负责任警务人工智能开发最佳实践，建议开发?员、警方和社区在技术全生命周期紧密协作，引入去偏见技术优化模型，利用“蓝色数据”“明亮数据”诊断警察巡逻中存在的问题或危险行为，进行第三方安全测试认证，将犯罪分析与非执法导向、更柔和、更贴近社区需求的教育与预防措施相结合等。
　　2023年10月，美国总统拜登签署《关于安全、可靠和可信地开发和使用人工智能的行政令》，提出人工智能警务相关的风险防控目标和行动。行政令指示司法部部长与国土安全部部长、科技政策办公室主任一起向总统提交一份关于在刑事司法系统中使用人工智能的报告，重点关注人工智能应用如何在保护公民隐私、权利和自由的前提下提高执法效率、准确性，报告应包含最佳执法实践，提供人工智能使用指南，并帮助解决预测性算法、面部识别、生物识别等技术使用过程中的数据储存、访问问题。此外，司法部部长需审查司法部“调查因人工智能使用而导致执法人员在合法情况下剥夺公民权利的情况”的能力，优化执法人员教育培训。■
　　[基金支持：国家社会科学基金重大项目《网络信息安全监管法治体系构建研究》（21&ZD193）项目阶段性成果]
　　
　　【作者简介】王彩玉，公安部第三研究所网络安全法律工程师，主要研究网络安全、网络犯罪防治立法；梁立增，中国人民公安大学信息网络安全学院警务硕士、山东省济南市公安局网络安全保卫支队民警，研究方向为网络安全管理、网络安全法制建设。
　　（责任编辑：冯苗苗）