司法应当不偏不倚，对吗？然而，数据科学家凯西·奥尼尔指出，美国大量使用的预测性警务软件，从一开始就将偏见与误解编入了程序之中。
宾夕法尼亚州的小城雷丁，在后工业化时代经历了重重磨难。雷丁坐落于费城以西50英里的绿色丘陵之间，曾凭借铁路、钢铁、煤炭和纺织业积累了大量财富。然而近几十年来，随着这些产业的急剧衰落，这座城市逐渐凋敝。到2011年，雷丁的贫困率高达41.3%，居全美之首。（次年，底特律以微弱差距超过了它。）2008年金融危机之后，经济衰退重创雷丁，税收大幅下滑，导致警察部门裁减了45名警员——而与此同时，犯罪问题却依然严峻。
雷丁警察局局长威廉·海姆必须想办法，用更少的警力维持甚至提升执法效能。于是，他在2013年斥资购入了一套由大数据初创公司PredPol开发的犯罪预测软件，该公司总部位于加利福尼亚州圣克鲁斯。这套程序对历史犯罪数据进行分析，逐小时计算各地点最可能发生犯罪的概率。雷丁警员可以将程序的分析结果以方格形式直观呈现，每个方格的面积仅相当于两个足球场大小。只要加强对这些方格区域的巡逻，便极有可能起到震慑犯罪的效果。果不其然，一年后，海姆局长宣布入室盗窃案件下降了23%。
像PredPol这样的预测性程序，在全美各地预算捉襟见肘的警察部门中风靡一时。纽约市使用的是一套名为CompStat的类似程序，费城警方则采用本地研发的HunchLab，该软件还纳入了风险地形分析功能，将ATM机、便利店等可能诱发犯罪的特定场所因素纳入考量。仔细想想，犯罪热点预测与棒球中不断演进的防守布阵模型颇为相似——后者通过分析每位球员的击球历史记录，预判球最可能落点并提前调整外野手位置。犯罪预测软件遵循的是同样的逻辑，将警力部署在犯罪最可能发生的地点。两类模型的本质都是资源的优化配置。但许多犯罪预测模型更为精密，因为它们能够预判可能引发犯罪浪潮的连锁演变。PredPol的技术源自地震预测软件：它将某一区域内发生的犯罪视为”震源”，
原创文章，作者：codex2，如若转载，请注明出处：https://www.ormemo.com/2278.html