在过去几年里，奥斯卡·格兰特三世、埃里克·加纳、迈克尔·布朗以及其他许多人在执法部门手中丧生的事件，动摇了美国人对警察部门的信任。根据2014年盖洛普的一项民意调查，44%的美国人表示他们对警察的信心只有一点点或非常少。
当民众如此普遍地不信任那些宣誓要服务和保护他们的人时，这对民主来说不是一个好兆头。
那么，我们是如何走到这一步的，又能做些什么呢？答案的一部分与执法方式有关。几十年来，许多城市的警察部队一直依赖“破窗理论”和“拦截搜查”等政策。其理念是通过打击轻微违法行为来威慑更严重的犯罪。但是，实施这些方法的时间和地点，很大程度上是基于警官的观察和直觉，而不是（有些人会争辩说，甚至多于）基于先前犯罪行为的硬数据。
这些曾经备受赞誉的政策现在正逐渐失宠。批评者认为，这些政策导致警察不公平地（而且在大多数情况下是无意识地）针对少数族裔。这些真实和被感知的偏见是我们国家不信任的支点。
但是，一种新的模式正在出现。在过去的二十年里，国家司法研究所已向各组织拨款2400万美元，用于绘制犯罪地图并开发所谓的“预测性警务”：利用数据确定未来可能发生犯罪的地点，并主动巡逻这些区域。
该领域的先驱之一是日立数据系统公司，该公司开发了一个名为“预测性犯罪分析”(Predictive Crime Analytics, PCA)的软件系统。除了犯罪和逮捕报告外，PCA还可以持续扫描车牌扫描、天气和交通报告、安全摄像头录像以及Twitter。它将这些数据集叠加到数字地图上，使警察能够实时监控模式。警官不再依赖直觉来判断谁看起来可疑，而是可以依靠算法来预测和应对数据中的趋势。日立公司负责该系统开发的马克·朱尔斯说：“PCA是匿名的，它显示的是一个区域，而不是让你去寻找一个人。”
理论上，预测性警务可以为老式的警务工作增加更多的分析监督。它还可以让执法部门一举监控城市的每一个角落。但要实现这些好处，输入系统的数据本身首先必须是中立的。纽约大学布伦南司法中心的资深法律顾问蕾切尔·莱文森-沃尔德曼说：“人们很容易认为，你将数据输入系统，另一端就会输出一个无偏见的分析。但数据是从某个地方来的，人们担心这些算法模型会重现带有偏见或种族差异的模式。”
这是一个合理的担忧，但要了解数据能否在不加剧偏见的情况下强制执行正义，唯一的办法就是尝试。所以，我们必须尝试。
明年，PCA的测试版将在六个尚未确定的城市推出。（华盛顿特区据传是其中之一。）PCA无法确保错误不会再次发生，但对于那些感觉受到威胁的公民来说，当地警方（希望）不再不公正地针对他们，应该会让他们感到一丝宽慰。
本文最初发表于《大众科学》2016年1月/2月号
