大数据使得警方从被动响应转向提前预警，提升公共安全，但也可能因为滥用加剧社会分层和阶层固化。

作者：政见观察员 马亮

BBC一部名为《大数据时代》（The Age of Big Data）的纪录片，介绍了美国洛杉矶警察局如何利用海量犯罪档案和其他相关数据，并结合复杂的数学算法，在毒贩交易前就能精确预测他们会在哪里和何时接头。这看起来玄乎得像虚构的科幻小说，但却真实发生。

美国德州大学奥斯丁分校的Sarah Brayne通过对洛杉矶警察局长达两年半的观察和访谈，发现大数据分析技术深刻转变了警察监控的手段和做法，不仅放大了警察部门既有的监控能力，且导致监控活动的根本转型。

具体来说，她认为大数据在五个方面推动了警察监控的革新。

（1） 过去对犯罪风险的评估通常依赖于警察的经验判断，大数据则使风险评估趋于量化，通过风险值的形式进行精确估计。

（2） 警察使用大数据去预测未来，而不是被动地做出回应或解释过去发生的事件。

（3） 无处不在的自动预警系统，帮助警察系统地监控前所未有的海量人群。

（4） 过去纳入执法数据库的主要是有犯罪前科的人，而现在则包括了许多过去不曾同警察有直接接触的人群，这使监控网络越布越大。

（5） 过去分散在不同地方和领域的数据得以通过大数据技术而加以整合，形成有关联的数据，并促进对每个人的监控走向深入。

大数据重塑警察监控

社会监控并非新鲜事，但是现代社会的监控却在广度和深度上，都让过去的做法望尘莫及。

就广度来说，警方过去监控的对象主要是假释人员和救助对象，但是现在则实现了广覆盖，即便是普通人也难逃监控。就深度而言，依托各部门数据的汇聚，警察部门现在可以“深挖”一个人的各个方面，使其成为“透明人”。

相关阅读： 【CDTV】”中国天网”监控曝光：准确识别行人年龄性别穿着

大数据意味着我们用于监控社会的信息海量和丰富，高频记录并可以快速处理。数据的格式和来源各不相同，但电子化易于存储和合并。这些特征，使其可以深刻改变警察部门监控社会并维护公共安全的方式和方法，并使警察监控的智慧化程度日益凸显。

与过去凭主观臆断去确定盘查对象不同，大数据技术让警察可以对每个人的犯罪嫌疑进行量化打分。这使警察可以依据犯罪风险对不同人群加以“区别对待”，并且可以“一抓一个准”。基于历史犯罪记录而划定的“高危地区”，可以让警察的巡逻或盘查更有针对性和更有依据可循，也避免外界会认为警察执法的偏见和歧视（如针对黑人的较多盘查）。

过去警察都是被动响应的，依赖于举报、巡逻和快速反应。但是这些做法相对来说是低效的，比如漫无目的地巡逻或漫天撒网式搜捕。越来越多的犯罪学家认为，应该采取更具前瞻性和主动性的做法，通过数据分析去发现有兆头的线索，这样可以少走弯路并提高效率。与此同时，这也可以降低监控对工作经验的依赖。哪怕一个初出茅庐的警校毕业生，也可以依据大数据的预测指示，像一个经验老道的警察去定点巡逻。

依托大数据技术，警察的监控方式在逐步从“盘问”转向“预警”。警察部门将所有存在关联的人、电话号码、车牌号、住址、事故等联系在一起，一旦任何一点出现变动就会触发连锁反应，快速甚至实时发出提示警报。这就像“撒网捕鱼”一样，一旦网撒得足够大，只需要静待鱼儿触网即可。

大数据技术是警方扩大监控网络的利器，使原本不受其监控的人群也被纳入其中以备调用。犯罪分子会同许多普通人打交道，而这些普通人也会被自动纳入监控网络。这意味着它像一个“雷达”，围绕犯罪分子和犯罪嫌疑人所处的人际网络不断扫描，把许多过去不被监控的人纳入系统。

我们每天都在各种媒介留下我们的蛛丝马迹，这些电子痕迹都可以用于追踪和监控我们的一举一动，并做出一系列相关联的“标记”，为警察部门判断犯罪嫌疑提供依据。“功能迁移”是大数据监控的根本之处，即将用于某个目的的数据转而用于意料之外的其他目的。特别是保险精算式的决策日益流行，即将警察数据同其他部门的相关证据相结合，据此做出综合判决。

大数据监控的“副作用”

如今，大数据分析技术在许多领域都得到了应用，而在社会监控方面的使用则饱受争议。一方面，大数据代表一股理性化力量，有助于减少误判和偏见，提高效率和预测精度。另一方面，大数据的预测能力也可能招致新的偏见，甚至加深既有的社会不平等。

研究指出，大数据所依赖的海量数据和复杂模型并非简单、无偏和客观的数学问题，对它们的分析和解读仍然取决于一个个具体的人。新技术的出现并没有瓦解旧有的组织架构和社会结构，而是受其影响和制约，甚至可能只是既有结构的映射罢了。这意味着，大数据技术实际上是被谁使用、为什么和如何使用，变得至关重要。

基于大数据的辅助决策，可以减少警察对固有成见的依赖，并降低他们的判断偏见。但是在另一方面，报警和出警的档案记录并不完整，弱势群体所在的邻里街区往往是历史上的“重灾区”，并可能像“羞耻柱”一样得到警方的持续过度关注。

将警方的数据同其他部门的数据合并在一起，有利于全面地监控嫌疑人，但也让一些人刻意避免使用这些部门，以防自己因为在这些部门“留痕”而被警察监控。例如，犯罪嫌疑人可能使用假名同医疗、金融、教育、就业等部门打交道，或者干脆避免接触。因此，警方的监控技术不仅把所有人“一网打尽”，而且会让许多已经处于弱势地位的人不得不遭受一连串的盘查和猜疑，或者为此逃避而得不到政府部门的必要援助，进而加剧社会分层和阶层固化，让马太效应进一步显现。汇总的电子数据就像一个人的数字资本一样，决定一个人是受到警察局的“关照”，还是得到其他部门的“青睐”。

研究人员认为，应该考虑修订法律，保护民众的隐私，避免个人信息被二次使用或滥用。与此同时，警察部门的证据搜集从事后开展提前到事前预警，这使它们轻而易举地就可以找到关联证据，去把某个人列为嫌疑人。对此，研究人员建议应提高犯罪嫌疑人的设定标准，避免大数据技术被滥作他用。

参考文献

Brayne, Sarah. 2017. “Big Data Surveillance: The Case of Policing.”  American Sociological Review: doi: 0003122417725865

本文系网易新闻·网易号“各有态度”特色内容。