WEBVTT

1
00:00:00.400 --> 00:00:03.400
AI 有助於打擊犯罪
聽起來很棒 對吧

2
00:00:03.920 --> 00:00:06.360
臉部辨識可以
更快抓到罪犯

3
00:00:07.240 --> 00:00:10.240
「預測性警務」甚至可能在
犯罪發生之前阻止它們

4
00:00:10.920 --> 00:00:13.080
但事情并非如此簡單

5
00:00:13.080 --> 00:00:16.080
更安全還是給
隱私帶來威脅

6
00:00:16.080 --> 00:00:18.760
讓我們來看看人工智慧
在治安上的利弊

7
00:00:19.680 --> 00:00:27.160
一項最近發佈的研究發現 75% 的歐洲公民
支持警方和軍隊使用 AI 進行監控

8
00:00:28.200 --> 00:00:32.280
這令人驚訝 畢竟有那麼多無辜的
公民因故障的AI系統受到傷害

9
00:00:33.120 --> 00:00:37.720
不要誤會我的意思 AI
 的確能快速處理大量資訊

10
00:00:37.720 --> 00:00:40.720
例如通緝犯資料庫或
犯罪統計數字

11
00:00:41.120 --> 00:00:44.120
它得出結論的速度能
比任何警員都要快

12
00:00:44.360 --> 00:00:50.760
但 AI 也會犯錯 且可能會被濫用 
例如臉部辨識系統

13
00:00:51.880 --> 00:00:56.240
阿根廷首都布宜諾斯艾利斯有 
75% 的區域都處於視訊監控之下 

14
00:00:57.680 --> 00:01:00.680
該市在 2019 年推出了
大規模臉部辨識計畫

15
00:01:01.560 --> 00:01:05.520
幾個月內政府宣稱
已抓獲了近 1700 名通緝犯

16
00:01:06.000 --> 00:01:08.520
但同一時期 系統
也出現了數十次錯誤

17
00:01:08.520 --> 00:01:11.640
導致警方進行不合理檢查
甚至無辜者被逮捕
 

18
00:01:12.360 --> 00:01:16.320
Guillermo Ibarrola 就因此
被錯誤地拘留了六天

19
00:01:17.080 --> 00:01:21.960
個資保護活動人士起訴了市政府
系統因此於 2022 年關閉

20
00:01:21.960 --> 00:01:25.520
自此之後它一直
處於擱置狀態 

21
00:01:26.240 --> 00:01:30.200
活動人士與市政府代表
正就法律架構進行辯論

22
00:01:30.920 --> 00:01:34.600
因為還有更多擔憂和疑慮 調查發現 
系統不僅收集了罪犯的資訊

23
00:01:34.600 --> 00:01:37.720
也收集了政治人物
活動人士和記者的資訊

24
00:01:38.480 --> 00:01:41.200
警方利用系統
非法追蹤人們嗎

25
00:01:41.880 --> 00:01:45.000
人們更擔心 面部識別可能被基於種族
對人群進行分類和監控

26
00:01:45.960 --> 00:01:49.640
中國已利用這項技術監控
並拘留維吾爾族人

27
00:01:50.720 --> 00:01:53.440
此外面部識別技術
也存在一個普遍缺陷

28
00:01:54.120 --> 00:01:56.320
它並非對所有人
都同樣有效

29
00:01:56.320 --> 00:02:00.600
研究顯示 它辨識有色人種
女性和第三性別者的準確度最低

30
00:02:01.400 --> 00:02:05.200
因此要讓AI能無偏差地運作
還有很多工作要做
 

31
00:02:06.120 --> 00:02:09.240
預測性警務

32
00:02:10.800 --> 00:02:13.920
如果犯罪可以在發生之前
就能預防 那會怎樣

33
00:02:13.920 --> 00:02:17.040
這就是預測性警務的理念

34
00:02:17.520 --> 00:02:21.800
藉助 AI 分析大量數據資料
從而發現人類可能忽略的模式和趨勢

35
00:02:22.760 --> 00:02:26.960
理論上這可以讓警方的工作更高率
並減少決策上的人為錯誤

36
00:02:27.560 --> 00:02:33.560
但這些模型的準確性和公平性取決於
其接受訓練的資料的品質和多樣性

37
00:02:34.360 --> 00:02:37.480
風險在于模型可能會
加劇現有的偏見

38
00:02:37.960 --> 00:02:42.800
當 AI 基於有偏見的犯罪資料進行訓練時
可能會強化這些偏見

39
00:02:44.240 --> 00:02:48.320
警力過多的少數族裔社區
可能顯得犯罪率較高

40
00:02:49.280 --> 00:02:53.360
因此預測性治安工具可能會不公平地
針對這些社區 從而加劇不平等

41
00:02:54.480 --> 00:02:58.560
儘管如此預測模型已在
某些領域得到應用

42
00:02:59.040 --> 00:03:03.120
例如在足球比賽等
大型活動中評估風險

43
00:03:03.600 --> 00:03:08.440
這可讓警方專注於最可能
發生問題的區域 如打架

44
00:03:09.200 --> 00:03:11.600
AI 與警察 能行得通嗎

45
00:03:12.440 --> 00:03:15.800
AI 可以為員警節省時間
例如在未來自動生成案件記錄

46
00:03:17.080 --> 00:03:19.880
它可以確保警力在正確的時間
出現在正確的地點

47
00:03:20.440 --> 00:03:24.520
它甚至可以消除人為偏見
幫助做出更公平的決策

48
00:03:25.280 --> 00:03:28.480
但要實現這個目標
仍需要克服一些障礙

49
00:03:29.400 --> 00:03:34.440
首先資料庫須具有真正的代表性和多樣性
 以確保公平對待每個人

50
00:03:34.960 --> 00:03:39.040
其次 須有明確的法律架構
規定當局可以存取哪些資訊

51
00:03:39.040 --> 00:03:42.960
濫用這項技術可能會威脅到
我們的隱私權和公民權利

52
00:03:43.680 --> 00:03:45.520
您對 AI在治安方面的應用
有什麼看法 告訴我們！