过度智能

在20世纪90年代，纽约成了一项早期智能警务应用“计算机犯罪统计”（CompStat）的试验场。它将对“破窗理论”的激进应用与警务统计方法结合起来。在警察局长威廉·布拉顿（William Bratton）的监管下，CompStat程序使用最新的计算机系统来量化管理警察工作。CompStat衡量每个分局的表现，警局高层根据基准点来评估指挥官和警察。那些表现出色的人会得到表扬和褒奖；而那些没有达到目标的人自然倍感丢脸和羞愧。任何一个熟悉公司治理结构的人都能看出来，这和公司使用关键绩效指标来对员工和管理者施加巨大压力——哦，不好意思，我的意思是用来激励员工和管理者——有相似之处。

这些被社会学家伊曼纽尔·迪迪埃（Emmanuel Didier）称为评估的“统计性仪式”深刻地影响了警察的工作方式。其中，最重要的就是提高评分和标准。这种严酷的量化文化，以及它所引发的过度管制、篡改统计数据和钻制度空子等不正当动机，在HBO电视剧《火线》（The Wire）中被巧妙地描绘出来。由于布拉顿和鲁迪·朱利安尼（Rudy Giuliani）（时任纽约市长）声称他们取得了巨大的成功，像CompStat这样的项目很快就出口到了世界其他城市。

而智能警务的最新发展阶段谋求将时间进一步向前推进，从反应性响应转变为先发制人的预测性警务。作为先前策略的直接延伸，预测性警务利用数据驱动分析和统计模型来告诉警察哪里有可能发生犯罪，谁有可能会犯罪。

成立于2012年的PredPol公司是现代预测性警务的先驱，布拉顿离开纽约出任洛杉矶警察局局长后帮助创立了该公司。“PredPol使用了一种基于近似重复模型的专有算法，该算法表明，一旦某一地点发生了犯罪活动，周边邻近地区就面临着更大的后续犯罪风险。”布拉顿写道。 该算法基于三类有关历史犯罪的数据得出：犯罪类型、发生地点和发生时间。根据这些数据，PredPol可以预测城市哪些地区存在高犯罪风险，这样警方就可以把注意力集中在这些地区。

做一些简单对照，你就能了解当前智能警务的发展速度有多快了。即使PredPol成立才不到十年，但它所使用的算法与一些警察部门当前部署的监控系统和预测模型相比就显得简单多了。例如，一个名为“直觉实验室”（HunchLab）的预测工具“主要调查历史犯罪行为，但同时也会去挖掘许多其他因素，比如人口密度，人口普查数据，酒吧、教堂、学校和交通枢纽等位置，家庭游戏排期计划，甚至还有月相变化等”，据Verge报道称。 收集所有可能获得的数据——无论这些数据看起来多么无关紧要或具有侵犯性——希望以后能有所回报，这已经成为城市警务工作的一部分了。就目前来看，这虽然算不上惊天发现，但也并不意味着它所产生的影响和后果就不那么严重或令人震惊。

接下来我们看一个特别有争议性的例子。为了进一步完善数据分析系统，全面开展令人毛骨悚然的大数据警务活动，芝加哥警察局的警察先发制人地走访了计算机生成的犯罪热点名单上的居民，名单上将这些人标记为有可能参与未来暴力犯罪活动的人。 这些人并没犯什么事儿，但是芝加哥警察局希望他们知道警察会密切关注他们。实际上，他们已经被认定为尚未犯下罪行的嫌疑人了。

通过不断收集和处理数据，诸如PredPol和“直觉实验室”等众多公司都致力于为警方配备分析工具，指导他们以最高效的方式来部署警力资源。更加准确的预测就需要扩大监控行动的范围，这样才能将更多数据输入更加复杂的算法模型。这是一个恶性循环，它证明了警察权力的不断扩大是正当合理的。

当然，即使是大数据也无法真正地预测未来。《少数派报告》中的透视者仍然只存在于科幻小说中。在现实中，预测性警务只是一种概率的赌博而已：它只是某些人可能会在某个地方犯下某些罪行的概率。当分析的真正力量不是来自准确性的证据，而是来自对警方权威性的信任时，这一点也就不再重要了。

七、信息自动化

第三个转变与警察发现和跟踪信息的方式有关：从基本的查询搜索转变为自动化警报。如果你曾在《法律与秩序》（Law ＆ Order）或《犯罪现场调查》（CSI）等电视剧中看到过办案程序，那么你肯定见过警察和侦探在专门数据库中搜索信息的场景。举个例子，他们会输入一个车牌号来查看车主是谁，或者在数据库中搜索匹配的指纹。警方可以访问许多数据库，这些数据库通常包含公众无法获得（或不易获得）的信息。而且，获得这些信息需要通过主动提交请求并筛选结果来实现。这可能需要大量的时间，通常需要查询者事先知道自己想要什么样的信息。一旦信息被检索出来，它的意义可能就不那么明显了，所以侦探和技术人员必须继续分析数据，找出模式，并把这些信息联系起来。从中可以看出警察主题剧中所表现的办案过程与真实流程相比是压缩了很多时间的。

然而现在，警方正在践行“更聪明地工作，而非更勤奋地工作”的口号。警方不是主动搜索和解析信息，而是将数据输入系统，然后等待软件告诉他们这意味着什么或者什么时候将发生什么事件。这些自动化系统使得连续性数据收集变成了警务工作的核心。“过不了多久，政府将记录、存储和分析我们做的几乎所有事情，这将成为可行的和可负担的。”法律教授伊丽莎白·乔（Elizabeth Joh）写道，“警方未来将依赖于计算机程序自动生成的警报，这些程序能从海量的可用信息中筛选出可疑的活动。”

尽管信息查询仍然是警方调查工作的核心，但其中的轨迹（和许多其他部门一样）正朝着更加自动化的方向发展。

除此之外，这些系统使警察部门更容易开展监视行动。举个例子，假设有位警察想密切监视一个人的活动，那么他只需要在数据库中设置一个警报，一旦系统中有与此人相关的新信息输入时就会自动通知他。比如，安装在灯杆上的自动车牌记录仪（ALPR）——一个装有软件的摄像头，可以捕捉所有车辆牌照的位置和时间信息——记录下了此人开车驶入或驶出某个特定的地理区域，叮！这位警察就会收到手机实时提示。又比如，如果这个人在街上被另一位警察随机拦下，随后警官会提交一份关于这次拦截的标准报告，叮！这位警官也会收到提示，他也可以阅读之前那份报告。这种定向追踪和实时警报同样也可以应用于特定地址和区域。

监视特定对象和特定地点是另一项被“真知晶球”等公司自动化了的工作。这些社会监视公司是由军事情报机构转变而来的。如果我们来制作《法律与秩序：智能警务特辑》，那么很多集的故事都将围绕勇敢的侦探完成数据输入工作、为跟踪某人的决定辩护、等待着软件自动提示可疑活动等情节来展开。

八、数据拖网

第四个转变与警方数据库信息采集的门槛有关：这一门槛大大降低了。我们预计未来只要和警方及法院有过直接接触的人都会被纳入数据库，无论这些人是被逮捕还是被控告，无论是因轻微违规被罚款还是因紧急事件打电话报过警。同样，我们预计未来有人因犯罪被拘押后，警方将更加激进地收集更多面部照片和指纹等信息。人们可能会认为这是收集信息和文件存档的合理做法。但如果警察要从随机遇到的每个人身上去提取DNA样本、指纹和面部照片，那么大多数人肯定会感到无比愤怒。

这是因为我们有一种感觉，警察出于特定目的从特定对象那里收集特定类型的数据应该要符合某些标准。这些标准，或者说纳入门槛，对警察设置了重要的限制，以确保他们的行为方式能够真正“保护和服务”公众。理想的情况是，在民主社会中，公众所期望的门槛和警方所制定的门槛应该是一致的。

然而智能警务的兴起，使警方数据库信息采集的门槛迅速降低。由于分析数据的新能力和提取数据的新要务，“那些根本没有过与警察接触经历的个人数据被警方越来越多地利用起来，”布莱恩解释说，“执法机构正在对人们的日常活动进行编码。” 所有经过自动车牌记录摄像头的汽车都被存储在警方数据库中。所有连接到StingRay设备的电话都被警方数据库记录下来。在警方的雷达扫描下，所有人、所有车辆、所有地址和电话号码都以某种方式与某个“犯罪嫌疑人”联系在一起。

批评人士认为，企业和政府都应该坚持数据最低限度原则：就是只收集、存储和分析满足特定用途所需要的数据。但像自动车牌记录仪这样的设备和像“真知晶球”这样的数据分析系统却恰恰相反，它们记录了所有人和所有物。

然而，这些组织是由数据最大化原则所驱动的：虽然这些数据的用途并不明确，但是这些组织以任何可能的方式记录和存储了所有数据，涵盖了所有的来源。智能城市研究学者罗布·基钦（Rob Kitchin）认为，限制数据收集“在很大程度上与大数据的理论基础和数据市场的运作机制背道而驰，数据市场就是要生产和储存海量数据并从中获取额外价值”。

关于大规模监视的有害影响已有完备记载。 它会对人们的行为产生“寒蝉效益”。它牺牲公民自由来换取安全的承诺。它怀疑寻常活动并将日常活动当作犯罪。它破坏了民主制度正常运行所需的合法性和责任制。当爱德华·斯诺登（Edward Snowden）就美国国家安全局不正当的、拖网式监视发出警报时，我们根本不知道城市也有自己的小型国家安全局，它就在各个警察部门里。然而，与美国国家安全局所不同的是，警察与他们所监视的社区通常保持着密切的联系，警察有权恐吓、逮捕、驱逐甚至杀死他们的目标。

九、最大融合

第五个转变与数据融合有关：将不同来源的数据整合到大规模、集中化、可搜索的数据库当中。除了由于采集门槛降低而收集到的新数据之外，警方还获取和合并各类机构所有的数据——包括公共机构和私人机构，这些数据以前是分开存储的，也有可能是禁止警方使用的。

这是被称为“数据融合”的广泛实践的一部分：共享和合并多个来源的数据，以揭示出新的信息、模式和相关性，从而提高人物画像和事件预测的准确性。数据融合是一种强大的技术，因为它可以揭露私人信息，规避数据安全问题。数据融合技术无须直接访问特定信息就可推断出例如性取向、政治意识形态、健康状况或家庭住址等私人信息。换言之，数据融合是打破不同数据库之间防火墙的一种方式，可能会泄露政府和/或公司不应或不易访问的敏感信息。

警务领域的数据融合转变得到了国土安全部的基础设施支持和资金资助。据监视研究学者托林·莫纳汉（Torin Monahan）和普里西拉·里根（Priscilla Regan）称，国土安全部已经建立起了“一个强大的‘融合中心’网络，可用于传播和分析可疑个人或可疑活动的数据，协助调查并识别潜在威胁”。目前至少有77个这样的融合中心，这还不包括“许多执行类似功能的非官方公共和私营部门的情报分析组织”。 为了保障其运转，类似数据融合中心还需要科技企业专门设计的软、硬件支持，典型产品包括IBM的i2 Coplink和微软的“聚变核”（FusionCore）等。

这些数据融合中心就像“一站式商店”一样，警方和联邦机构可以从中获取与分析规模惊人、来源各异的数据。 由于数据融合中心的工作性质，国土安全部和警方对他们的行动讳莫如深，数据融合中心的能力范围也并不为外人所知。 然而现在非常清晰的是，数据融合中心工作的覆盖范围已从最初重点关注的“反恐”迅速扩展应用到“所有犯罪”。 这种任务蠕变是可以被预见到的。智能监视和控制系统本有其特殊用途，一旦投入使用，它们就会因为合法和非法原因被广泛应用于其他目的。然而，由于这些监控机构抵制外部观察，所以人们也很难去追查这种所谓的任务蠕变。

数据融合还意味着，现在许多机构就像警察的耳目一样行事，这削弱了依赖这些机构但并不信任警方的人们的权利，阻碍了他们的活动。例如，一项社会学研究结果显示，与警方接触过的个人往往会避开有可能向警方提供信息的“监视机构”，包括医院、学校、银行和福利机构等。 因此，即使只是实施持续性的普通监视，警方也会阻止人们去获取他们应得的和所需的服务。

由于数据最大化原则的警务实践不断发展，现在所有数据都有可能成为警务数据。

十、被捕获的城市

综合来看，上述智能警务的五大转变发挥出了强化和转化的力量，共同推动了城市治理的根本变革。除个人定向和人群定向之外，警方现在还会分析人物画像和行为模式。监视的对象不再仅限于人，还有代表人的数据流。这就是德勒兹所说的分体：一个人被分割、碎片化为数据，进而被分析活动所监视和审查。分体比个体更容易管理，更适合数据库和处理器，可以被原子化并分布在不同的数据库当中，然后又随时可能被“试图规训个体行为的各种当局”重新组合起来，这时就表明这些个体以某种方式违反了制度，跨越了自由和压迫之间的界限。

一言以蔽之，智能警务促进了全能系统的创建，这种系统将所有事物都吸纳进数据库，目标在于捕获整个城市——以便于创建资料档案和计算模式。

当我们想象智能城市时，与其将它想象为山顶上闪耀的乌托邦城市景象，不如想想类似“领域感知系统”（Domain AwarenessSystem，DAS）的项目：这是纽约警察局和微软公司的合资企业，纽约警察局声称它是“世界上最大的城市监控网络之一”。

“领域感知系统”将纽约规模庞大的摄像头和传感器基础设施连接起来，并“利用巨大的处理能力来快速分析纽约的监控数据”，社会学家乔希·斯坎内尔（Josh Scannell）解释说，他曾经深入研究过纽约警察局所使用的数据驱动技术。 警员都配备了智能手机和平板电脑，可以实时访问领域感知系统。这样，他们就可以从闭路电视摄像机中调出数据流，搜索集成到系统中特定数据库的数据，设置警报并在系统检测到“可疑活动”时获得自动预警。

斯坎内尔写道，“领域感知系统”是全球“反恐战争”的另一项产物。当敌人有可能出现在任何地方时，战场就无处不在：

该系统最初是在反恐任务授权下利用国土安全基金创建的，但它的监视范围远远超出了常规的“犯罪”范围，这其中甚至包括辐射探测器这样的非常规数据源。这些数据非常敏感，足以检测到身体中最近的化疗治疗痕迹。这些数据非常复杂，可以迅速回溯5年的“元数据”存储。而且，不断被挖掘的数据库中还有时间上未设限制（而且没有定义）的“环境数据”。

“领域感知系统”将上述五大转变整合到最大的、统一的智能平台中，从而推动了我所界定的“被捕获的城市”的形成。城市通过两种方式被捕获：一种是被谋求监视万物的企业级和军事级监视系统所捕获，另一种是被占领和控制城市空间的警方所捕获。被捕获的城市是公共部门与私营企业合作的产物，同时也组合了两种权力形态中最严重的过激行为。

世界各地的城市已将“领域感知系统”以及由IBM和思科等公司建立的类似控制中心和分析平台视为城市的治理样板。 随着技术的不断进步升级，人们可以在这些平台上继续开发和集成日趋强大的硬件和软件系统。城市为智能升级提供了无限可能。

升级的智能产品已经面世了，例如由“持续监视系统”（PersistentSurveillance Systems）这家名字就极具威胁性的公司所提供的硬件。这项技术最初是为美军在伊拉克使用而发明的，其由一架配备了一组高分辨率摄像机的小型飞机组成，后来作为一项服务出售给了警察部门。这些小型飞机沿着城市轨道飞行，“其广角摄像头可以覆盖约30平方英里的区域，并不断向地面分析人员回传实时的图像”，《彭博商业周刊》的一项调查显示。 这些飞机每次能连续飞行6到8个小时才要加油，这样就可以实现对城市长时间、不间断地监视。

“持续监视系统”从空中覆盖了整个城市，而其他硬件则从街道维度捕获了城市。关于此，企业与警方最骇人听闻的合作案例之一就是亚马逊门铃（Amazon's Ring）的快速推广。这是一款智能门铃，配有摄像头，可以录制和存储视频。据CNET报道，通过与亚马逊签订的秘密协议，美国数十个城市的警察部门与该公司合作，向市民提供打折或免费的设备，“有时会使用纳税人的钱来支付亚马逊的产品。”市民可以获得一款很酷的智能门铃，亚马逊从数据存储费中获利以作为回报，同时警方将拥有一个由廉价摄像头组成的分布式监控网络，而且警方还可以访问由亚马逊门铃提供的“执法仪表盘”，并可连接到智能门铃应用程序“邻里”（Neighbors）上。正如记者阿尔弗雷德·吴（Alfred Ng）所评论的，“虽然住宅区通常没有安全摄像头，但智能门铃的普及实际上构建了一个私人监控网络，这个网络由亚马逊提供技术支持，由警察部门来推广。” 通常基于恐惧营销的策略，亚马逊和警方将这些设备作为消费品销售（或免费赠送）出去。这样一来，他们可以规避公众监督，不用回答类似这些摄像头是如何实现规模激增的，监视视频数据如何被使用，以及为何警方可以使用甚至访问该街道监控系统等一系列问题。

在软件方面，整合了面部识别和人工智能技术的应用程序已经很成熟了，警察能将这些应用程序集成到现有闭路电视监控系统和执法记录仪系统中去。现在，每一位巡警都能配备一台移动的实时面部识别扫描器。 此外还有很多类似的服务，例如亚马逊Rekognition服务——亚马逊还真是数字资本主义地狱景观的无畏先锋！同时，其他科技公司也正在开发由人工智能驱动的系统，其营销概念是“闭路电视监控系统中的谷歌”，该系统让使用者“以关键字形式来搜索监控视频画面”。 举个例子，如果警察想找一个穿红衣服的人或驾驶特定型号汽车的人，他们无须手动拖动无数个小时的视频进度条来发现目标，而只需输入查询语句，就可以找到所有相关的片段。

这些硬件和软件结合在一起，被捕获的城市的每时每刻都被记录下来，并可被用于分析和研究。

以面部识别为代表的软件和以空中监视为代表的硬件集成在一起，赋予警察部门和政府机构的权力之大，怎么说都不为过。大家稍稍思考就会明白，如果有人有能力可以持续监视某人或某地会有什么问题，抛开不可容忍的被滥用的可能性不谈，即便是对这些系统的“正常使用”也构成了对民主权利的严重威胁。

长期以来，科技公司都通过出售用于侵犯隐私、锁定目标和侵犯公民自由的先进工具来获利，或通过运用这些工具来获取更多数据和利润。 对于硅谷而言，智能警务和被捕获的城市都是赚钱的生意。

可怕的现实是，无论其用户多么仁慈或是出于善意，这些系统都将实现一个最终目标：完全主宰城市时空。正如一本关于“情报收集和犯罪分析”的教科书所指出的，“如果说知识就是权力，那么预知就可以被看作是一种战场支配权或霸权了。” 而这就是数字时代下军事化警务和公共空间的呈现方式。

被捕获的城市的核心逻辑在于，有了充足的、广泛的监控能力和处理能力，城市整体——每个地点、每一时刻，都可以随着时间的推移而变得可知和可控。这些技术的创造者和使用者都有获得一种权力的明确目标，这种权力可以给城市按下倒带键，可以在任何时候暂停它，可以观察它如何随着时间推移不断变化，或者可以给城市按下快进键，为它设计预测模型，为预测性警务和城市规划等提供信息。任何人或任何地点都可被实时跟踪；所有画像和模式都可通过数据驱动分析揭示出来。这样一来，技术的使用者们不必疲于应付系统的混乱局面，只需要为被捕获的城市建立秩序就好。

1. Jathan Sadowski and Roy Bendor, “Selling Smartness: Corporate Narratives and the Smart City as a Sociotechnical Imaginary,”Science 44, no. 3 (2018): 540—563.

1. Orit Halpern, Jesse LeCavalier, Nerea Calvillo, and Wolfgang Pietsch, “Test-Bed Urbanism,” Public Culture 25, no. 2 (2013): 273—306.