AI分析警察隨身攝影機視頻提供數據驅動的警察改革方法
對警察在交通攔截中如何對待司機的隨身攝影機視頻進行大規模檢視,揭示了種族差異——以及哪些修正方案真正有效
在新墨西哥州聖達菲,一名警察佩戴著隨身攝影機。
十年前,時任總統巴拉克·奧巴馬提議在三年內花費7500萬美元幫助各州購買警察隨身攝影機,以擴大其使用。這一舉措是在青少年邁克爾·布朗被殺事件後提出的,當時並不存在任何隨身攝影機的錄像,旨在提高透明度並建立警察與民眾之間的信任。
自2015年首次撥款以來,數以千萬計的交通攔截和事故、街頭攔截、逮捕等都被這些小型數字設備錄製下來,這些設備通常附著在警察的制服或冬季外套上。這些錄像在某些有爭議的事件中被視為有用的證據,例如導致喬治·弗洛伊德在2020年明尼阿波利斯的死亡事件。隨身攝影機的使用也可能會對警察與公眾的互動行為產生威懾作用。
然而,除非發生悲劇,否則隨身攝影機的錄像通常不會被觀看。南加州大學的政治學家本傑明·格拉漢指出:“我們花了這麼多錢收集和存儲這些數據,但幾乎從未用於任何事情。”
格拉漢是少數幾位重新構思這些錄像為數據而不僅僅是證據的科學家之一。他們的工作利用自然語言處理的進步,依賴人工智能,自動分析市民與警察互動的視頻文本。這些發現使警察部門能夠識別警務問題,尋找解決方案,並確定這些解決方案是否改善了行為。
目前,只有少數警察機構向研究人員開放了他們的數據庫。但如果這些錄像能夠定期分析,將會是一個“真正的遊戲改變者”,斯坦福大學心理學家珍妮弗·埃伯哈特說,她是這一研究方向的先驅。“我們可以逐步、逐時看到互動是如何展開的。”
在過去七年發表的論文中,埃伯哈特和她的同事們檢視了隨身攝影機的錄像,以揭示警察如何以不同的方式對待白人和黑人,以及什麼樣的對話更可能贏得信任或預示不良結果,例如被戴上手銬或逮捕。這些發現精煉並增強了警察訓練。在今年九月發表在《PNAS Nexus》的研究中,研究人員顯示新的訓練改變了警員的行為。
“通過進行這類研究並改善你的部門,可以幫助實際上在信任程度極低的社區中建立信任,”加州奧克蘭警察局前局長勒朗·阿姆斯特朗說,他的部門與斯坦福團隊有著長期的合作。
這一方法正在緩慢地被接受。洛杉磯警察委員會受斯坦福研究結果的啟發,請求南加州大學幫助理解該部門的錄像。分析涵蓋一年交通攔截的3萬段隨身攝影機視頻的項目正在進行中。斯坦福團隊還與舊金山警察局合作,利用隨身攝影機錄像評估其警員前往阿拉巴馬州伯明翰學習民權運動和非暴力原則的項目。
斯坦福的工作始於2014年,當時奧克蘭警察局爆發醜聞。四名被稱為“騎士”的奧克蘭警察在1990年代末被指控粗暴對待和逮捕無辜人員,並在他們身上栽贓毒品。在119名原告中,有118名是黑人。因此,作為1090萬美元和解協議的一部分,該部門被要求收集有關汽車和行人攔截的數據並按種族進行分析。在達成協議十多年後,該部門的聯邦監察員聯繫了埃伯哈特尋求幫助。
原告律師告訴埃伯哈特,他們最想知道的是警車燈亮起後發生了什麼——為什麼警察會攔截人以及互動是如何進展的。該部門是早期採用隨身攝影機的機構,約五年前就開始使用。“你實際上有錄像,”埃伯哈特回憶起自己告訴他們,儘管該部門沒有人想到將其用於這個目的。
埃伯哈特招募了斯坦福的語言學家和計算機科學家丹·朱拉夫斯基及其當時的學生羅伯·沃伊特(現為西北大學的計算語言學家),開發了一種自動化的方法來分析近1000個交通攔截的視頻文本。研究人員決定測量警員對黑人司機的尊重程度是否低於對白人司機的尊重程度。他們首先讓人們評估文本摘錄的尊重程度,然後建立了一個計算模型,將這些評分與各種詞語或短語相關聯,並給這些話語賦予數值權重。例如,表達對司機的關心被評為高度尊重,而用名字稱呼司機則被評為較低的尊重。
然後,該模型為一個月的交通攔截中所有警員的語言給出了尊重分數,研究人員將這些分數與被攔截者的種族等其他變量相關聯。他們發現,警員語言的尊重程度存在明顯的種族差異。與黑人司機交談時,警員不太可能說出攔截原因、提供保證或表達對司機安全的關心。這種尊重差距在整個互動中存在,並不依賴於警員的種族、攔截的原因或地點或結果。
這些初步結果於2017年發表,對奧克蘭產生了深遠的影響。“當斯坦福公布這些發現時,對少數族裔社區來說幾乎是一種解脫的嘆息,”阿姆斯特朗說。“這證實了人們一直以來的擔憂,並使該部門重新審視我們如何訓練警員與社區溝通。”
斯坦福團隊利用這些發現為該部門提供的程序公正訓練計劃開發了一個“尊重”模塊。程序公正旨在在警務程序中建立公平。除了強調尊重外,它還可能涉及警察向他人解釋他們的行為,並給這些人提供發表觀點的機會。作為這一努力的一部分,團隊使用其計算模型提取出特別尊重和不尊重的實際互動。“作為培訓範例,這對於正在接受訓練的人來說,似乎比虛構的情境更具可信度,”朱拉夫斯基說。“[警員]認識到他們自己的語言。”
訓練生效後,研究人員又進行了一次隨身攝影機研究,以確定警員是否使用了他們所學的知識。斯坦福團隊比較了訓練前四周內313次攔截和訓練後四周內302次攔截中警員語言的關鍵特徵。研究人員發現,接受過訓練的警員更有可能表達對司機安全的關心、提供保證以及明確說明攔截的原因,他們在九月的《PNAS Nexus》研究中報告了這一結果。
埃伯哈特表示,對隨身攝影機錄像的系統分析提供了一種有前景的方法來了解哪些警察訓練是有效的。“目前他們所進行的許多訓練都沒有得到嚴格的評估,”她說。“我們不知道他們在這些訓練中學到的東西……是否實際轉化為與街頭真實人員的互動。”
在去年發表的一項研究中,斯坦福研究人員分析了隨身攝影機錄像,以尋找與攔截結果升級(例如手銬、搜查或逮捕)相關的語言。使用577次攔截黑人司機的錄像,研究人員發現了埃伯哈特所稱的“升級語言特徵”,即警員在最初45個單詞中的表達:從一開始就給予司機命令而不說明攔截理由。“這兩者的組合很可能預示著攔截最終會導致司機被戴上手銬、搜查或逮捕,”她說。
該研究中的所有攔截均未使用武力。但研究人員對他們發現的特徵是否會出現在導致弗洛伊德死亡的警察互動錄像中感到好奇。答案是肯定的。在該事件初始的27秒內(大約是警察在攔截中說出45個單詞所需的時間),警員只給予命令而沒有告訴弗洛伊德為什麼被攔截。
南加州大學團隊招募了一群多元化的人,包括一些曾經入獄和退休警察,來評估洛杉磯警察局隨身攝影機錄像中的互動,評價其禮貌性、尊重性和其他程序公正的方面。該團隊計劃利用人工智能的進步捕捉這些觀點,以揭示例如某個本意幽默或恭敬的陳述為何可能被視為諷刺或不尊重的原因。“我們最大的希望是,我們的工作能改善洛杉磯警察局的警員訓練,提供一種數據驅動的方式來更新和變更訓練程序,使其更符合他們服務的社區需求,”南加州大學的認知科學家莫特扎·德赫甘尼說,他與格拉漢共同領導該項目。
政治因素可能會使警察部門不願與學術界分享錄像。在某些情況下,部門可能不願意揭露系統性問題。然而,未來,部門可能能夠自行分析這些錄像。一些私營公司——例如TRULEO和Polis Solutions——已經提供此類目的的軟件。
“我們越來越接近於讓部門能夠使用這些工具,而不僅僅是學術上的練習,”密西根大學的社會心理學家尼古拉斯·坎普說,他曾參與埃伯哈特的團隊。但商業模型往往不完全透明——用戶無法檢查其組件模塊——因此一些學者,包括坎普和德赫甘尼,對其輸出持謹慎態度。
南加州大學團隊計劃將其構建的語言模型提供給洛杉磯警察局和其他警察部門,以便他們能夠定期監控警員與公眾的互動。“我們應該對這些日常互動有更多詳細的信息。這是民主治理的一個重要部分,”格拉漢說。
在這篇文章中,無疑反映了當今社會對於警察行為及其透明度的迫切需求。以數據為基礎的方法不僅能夠揭示潛在的問題,還能夠幫助警察部門進行必要的改革,進而增強社區的信任感。這樣的研究不僅是對過去問題的反思,更是對未來解決方案的探索。隨著技術的進步,對於如何改善警察與社區的互動,我們有了新的視野。這不僅是提升警察訓練的機會,也是促進社會公正和公平的良機。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。