警方利用人工智能驱动的 ALPR 系统追踪可疑行为

全美各地的执法机构正越来越多地部署人工智能驱动的自动车牌识别系统 (ALPR)，以根据“可疑”的行驶模式来识别并拦截驾驶员。这种转变超越了传统的调查方法，使警方能够在没有具体犯罪证据的情况下追踪车辆动向并启动交通拦截。

人工智能驱动监控的兴起

自动车牌识别系统曾经仅限于识别被盗车辆或有现行逮捕令的个人，现在正与分析历史移动数据的人工智能工具相结合。这些系统可以追踪跨越广阔距离的车辆，创建执法部门用于建立交通拦截借口的行驶热力图。

在美国公民自由联盟 (ACLU) 最近强调的一个案例中，一名驾驶员被一名联邦调查局 (FBI) 特工拦截，该特工引用了 ALPR 系统识别出的“可疑行驶模式”。特工展示了该驾驶员之前位置的热力图，证明了安装在高速公路标志等基础设施上的摄像头所实现的监控深度。批评人士认为，这种做法实际上实施了一种“预犯罪”监控，即公民是基于算法标记而非合理怀疑而被拘留的。

隐私与法律阻力

隐私倡导者和法律专家警告称，这些系统违反了第四修正案中关于防止不合理搜查和扣押的保护条款。通过收集数百万无辜驾驶员的位置数据，执法部门建立了一个无需搜查令或合理怀疑即可运作的搜捕网。

公众舆论仍然存在分歧，但日益持怀疑态度。最近的一项 YouGov 调查显示，46% 的受访者反对在他们的社区使用这种技术。因此，包括洛杉矶警察局在内的多个司法管辖区，由于滥用、数据错误和违宪的交通拦截计划的报告，面临着暂停或终止与 Flock Safety 和 Axon 等供应商合同的压力。

社区与技术担忧

围绕这些工具部署的讨论突显了几个关键的社会和技术风险：

• 算法偏见： 评论人士担心，基于历史警务数据训练的人工智能模型可能会延续或合法化种族定性，因为这些算法的“黑箱”性质使得质疑拦截背后的理由变得困难。
• 数据整合： 监控网络不仅限于摄像头；它通常还通过手机位置数据和联网车辆服务进行增强，这些服务可能会与第三方和执法部门共享驾驶员数据。
• 借口性拦截： 许多驾驶员报告称因轻微交通违规被拦截，随后却被盘问其旅行历史或被搜查车辆，这表明人工智能标记是互动的主要动机。

正如一位观察家所指出的，对这些系统的依赖对公共生活产生了寒蝉效应：“公民会表现得规规矩矩，因为我们一直在记录和报告正在发生的一切。”虽然支持者认为此类工具提高了调查效率，但缺乏透明度和广泛滥用的可能性仍然是关于数字隐私和警察权力持续辩论的核心争议点。