由机器给出的预测结果是极端微粒化的。关键的不是那些每个人都可能给出的模糊的表述—比如凌晨两点半在里波巴恩街区（德国汉堡市某红灯区中心街区）会出现更多的小偷—而是尽可能地给出有关犯罪行为、犯罪时间和犯罪地点的详细说明。越来越多的美国城市已经在使用这样的系统，欧洲也正在着力开发这样的系统。在美国首都华盛顿，警察机关正在运用一种软件，这种软件会计算出哪些在押囚犯应该被释放。
这些初步的成功将会被夸大，但是这些系统还太不成熟，它们还不能告诉人们应该如何适应这些程序算法：这些预测可能导致犯罪分子致力于强化他们的不可预测性。
但是，这种适应性反应不是绝对的：一旦这些系统建立起来，它们将彻底改变这个社会。从传统的“犯罪后处理”，即在发现犯罪行为后采取行动，变为“犯罪前处理”，即预防那些尚未发生的犯罪行为。事后的惩处会被事前的行为管理替代，在这种行为管理中，比如警察的出现，会吓退可能的犯罪行为。而这将导致人们陷入逻辑的深渊：如果预测的犯罪没有出现，这到底是证明了预测（以及采取的相应措施）的可靠性呢，还是证明了预测的不可靠性呢——这种犯罪不是从未发生吗？
无论如何，这种做法都与无罪推定的原则相悖。一旦在犯罪行为发生前搜索潜在罪犯，那么毫无例外地，所有公民都将是可疑的。此前的调查关注的是某种违法行为的发生范围，而现在的调查会将关注范围扩展至我们能够接触到的所有数据。这会涉及所有的公民，就像英国议会在一份引人注目的自我批评的文件中所断定的那样：此后，“每位公民都将被视作不可信赖和不值得信赖的人。如果我们为了验证猜测而持续地搜集关于大众的数据，他们可能会做出错误的事情，从而促使人们认为作为公民的我们是不能信任的”。
123
第三章控制革命