英国警方刚刚修改了他们的AI警务系统，原因是它“涉嫌”歧视穷人

80 阅读 0 评论 0 点赞

一项旨在帮助英国警方做出羁押决定的算法最近做了一些调整，原因是担心它可能会歧视来自贫困地区的公民。回顾这项算法工作的历程，你会发现它做出的预测和人类预测有着巨大的差异。

过去五年，达勒姆警察局和计算机科学家们一直在开发“危害风险评估工具”（简称HART）。HART是一个人工智能系统，它可以预测犯罪嫌疑人两年内再犯的概率是较低、中等还是较高。

HART是英国警方最先采用的人工算法之一。它不直接决定是否羁押犯罪嫌疑人，而是意在帮助警察决定是否将某个人列入一个叫做“Checkpoint”的康复计划。这个康复计划的初衷是调停诉讼，防止嫌疑人被送上法庭。

HART系统用到了34项个人数据（包括年龄、性别和犯罪史等）来评估犯罪风险的高低，其中包含了邮政编码。不过警方目前正在剔除该AI系统中的邮政编码信息的主要字段，比如删除达勒姆邮政编码的前四位数。2017年9月发表的一篇学术论文草案在回顾对这项算法的使用时写道：“HART目前正在接受数据更新，目的是删除两个与邮政编码相关的预测指标中的一个。”这篇论文的联合作者之一是一位警方成员。

爱丁堡纳皮尔大学犯罪司法系统专家Andrew Wooff说道：“我对于将邮政编码前几位作为预测指标心存忧虑。”他补充说，将地域和社会人口统计信息等作为预测指标，会加深警务决策和司法系统中的偏见。“如果系统预测某个邮编对应的地区具有犯罪高发风险，而且警方据此采取了行动，无疑会放大这种认知。”

这篇即将发表的学术论文，首次对HART进行了认真的审视。它指出，邮政编码和社区的贫困程度可能有一定的相关性。住址信息之所以会成为预测犯罪的相关指标，可能是人为造成的结果。如果把邮政编码作为建立再犯模型的依据，那么这个模型就会使犯罪高发地区的居民备受关注。这篇论文强调，真正令人担忧的不是模型本身，而是用来构建模型的预测因子。

该论文还强调，“人类和算法的预测观念存在明显的分歧。”在该算法的初始实验阶段，警方成员被要求模仿算法的输出结果，预测一个人的再犯几率是较低、中等还是较高。差不多三分之二的情况下（63.5％），警员将罪犯的再犯几率归类为中等。论文中写道，“模型和警员预测的吻合率只有56.2％。”

就修改算法一事，外媒WIRED联系了达勒姆警察局，但截至发稿时间尚未收到对方答复。

剖析HART算法的内在机制

“您被邀请参加一项研究计划”，一位达勒姆警官手中的邀请函这样写道。他被告知，“这项研究将彻底改变你的生活”，如果这项研究获得成功，罪犯们将永不再犯。

Checkpoint计划是达勒姆警察局和剑桥大学联合主导的一项实验。这项实验希望通过研究为什么有些人会吸毒、酗酒、无家可归和出现心理问题来降低再犯罪率。

Checkpoint计划的研究对象由HART算法来提供。如果某人被HART算法判定为具有中等再犯几率，就会被列入Checkpoint计划。而被系统判定为具有较低或较高再犯风险的人，则不会被列入计划。

弗吉尼亚大学公共政策与经济学教授Jennifer Doleac说道：“人们的生活被现状所扰，但有没有一种更好的处理犯罪的方式呢，这种方式更加公平，让我们更加接近社会目标？”Checkpoin计划曾被霍华德刑法改革联盟授予奖项，后者称赞了它试图让人们免受司法体系困扰的尝试。

HART是一个使用R编程语言，通过随机森林进行决策的机器学习系统。所谓随机森林，是指一种基于一系列不同输出进行预测的方法。

HART所做的每一个决策都是建立在历史数据之上的，它通过分析历史数据来预测未来。达勒姆警察局向HART的第一代模型提供了2008-2012年期间的104000起羁押时间的详细信息。它从这些信息中提取出了包括位置数据在内的34个预测因子，并据此预测每个人的再犯几率。HART的所有预测结果都是通过系统内部的509个投票得出的，投票分为低、中、高三个选项。

这项研究由达勒姆警察局的刑事司法主管Sheena Urwin领导，他发表的研究成果显示，HART系统在真实世界中是行之有效的。HART系统的早期版本曾经预测一个24岁的男子具有高再犯几率。该男子有过暴力犯罪史，警方掌握了他的22条犯罪记录。HART系统内部投票时有414票投给了高再犯几率，另有87票和8票分别投给了中等再犯几率和低再犯几率。后来该男子果然因为谋杀而被捕定罪。

以算法为执法依据

虽然人工智能在警察和执法机构中的应用仍处于早期阶段，但对有志于开发AI算法系统的警察机构来说，这个过程中已经暴露出了很多值得警惕的问题。

Pro Publica 2016年的一项调查研究曾被广泛引用，该调查显示，Northpointe开发的COMPAS软件对黑人犯罪持有偏见。

乔治梅森法学教授Megan Stevenson在研究风险评估算法Kentucky的作用时发现，该算法并没有起到多大的作用。通过分析一百多万起刑事案件的资料，Stevenson得出结论，“它既没有带来风险评估算法的拥趸们所期待的效率提升，也没有像批评者们预言的那样加深种族歧视。”研究结果还显示，法官们使用Kentucky系统的风险评估法的时间越长，他们就越倾向于回到自己原有的工作方法和模式。

为了避免人类的种族和社会歧视渗透到HART算法当中，达勒姆警察局专门为员工举办了围绕“无意识歧视”的宣传讲座。警方还强调，这项算法所使用的预测因子中并不包含种族，而且算法输出的结果只是一种辅助，它的目的在于帮助人类更好地作出决策。2017年12月，Urwin向国会议员解释道：“虽然我不能告诉你具体的数字，但警员们确实不会完全按照算法的预测行事，因为预测并非全部和最终的参考依据，它只是一种辅助而已。”

爱丁堡纳皮尔大学的Wooff教授则表示，出于时间紧迫和集约资源的考虑，警方可能会让警员们过度依赖AI生成的决定。他说道：“我可以想象，警员们可能更依赖于系统的决策而不是自己的思考。” Wooff教授认为，书面记录对需要做决策的警员们或许有所帮助，“这部分是因为，一旦出现了问题，你可以为自己的决策辩护。”

另一项聚焦于COMPAS软件的准确性的研究发现，它和没受过专业训练的人类做出的决策没什么不同。这项研究的作者之一Julia Dressel说道：“COMPAS的预测并不比那些几乎没有任何刑事司法经验的人，基于在线调查做出的预测更加准确。” Julia Dressel现在已经成了一名苹果工程师。

Dressel和达特茅斯学院教授Hany Farid付费让人们使用亚马逊的Amazon Mechanical Turk网站，预测罪犯是否会再次犯罪，并将预测结果和COMPAS的结果相比较。结果显示，人类和算法的预测准确率都在67%左右。Dressel说道：“我们不能凭空想象，认为一个工具运用了大数据就能准确地预测未来。我们需要让它达到非常高的标准，而且要对它进行测试，让它证明自己确实像标榜的那般准确有效。”