执法记录仪视频的人工智能分析为警察改革提供了数据驱动的方法

十年前，时任总统巴拉克·奥巴马 (Barack Obama) 提议在三年内斥资 7500 万美元帮助各州购买警察随身摄像机，以扩大其使用范围。此举是在青少年迈克尔·布朗被杀之后做出的，当时没有随身摄像机拍摄到该事件的录像，此举旨在提高透明度并在警察和他们所服务的人之间建立信任。

自从第一批资金已分配2015年，警察将这些小型数字设备安装在制服或冬季夹克上，记录了数以千万计的交通停车和事故、街头停车、逮捕等事件。该镜头被认为可以作为有争议事件的有用证据，例如 2020 年导致乔治·弗洛伊德在明尼阿波利斯死亡的事件。也能阻止不良行为警察在与公众的互动中。

但除非发生悲惨的事情，随身摄像机的镜头通常不会被看到。“我们花了很多钱来收集和存储这些数据，但它们几乎从未用于任何用途，”南加州大学政治学家本杰明·格雷厄姆说。

关于支持科学新闻

如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻事业订阅。通过购买订阅，您将有助于确保有关塑造当今世界的发现和想法的影响力故事的未来。

格雷厄姆是少数将这段视频重新想象为数据而不仅仅是证据的科学家之一。他们的工作利用了依赖人工智能的自然语言处理的进步，自动分析公民与警察互动的视频记录。研究结果使警察部门能够发现治安问题，找到解决问题的方法并确定修复是否可以改善行为。

到目前为止，只有少数警察机构向研究人员开放了数据库。但如果对这段视频进行常规分析，这将是“真正的游戏规则改变者”，斯坦福大学心理学家、这一研究领域的先驱詹妮弗·埃伯哈特 (Jennifer Eberhardt) 说。“我们可以每时每刻看到互动是如何展开的。”

在过去七年发表的论文中，埃伯哈特和她的同事检查了随身摄像机的镜头，以揭示警察对白人和黑人的说话方式有何不同什么样的谈话可能会赢得一个人的信任或预示着不良结果，例如戴上手铐或逮捕。研究结果完善并加强了警察培训。在发表于的一项研究中美国国家科学院院刊九月，研究人员表明新的培训改变了军官的行为。

“通过开展这些类型的研究并在您的部门中进行改进，实际上有助于在信任度很低的社区中建立信任，”加利福尼亚州奥克兰警察局前警察局长勒罗恩·阿姆斯特朗 (LeRonne Armstrong) 表示该系与斯坦福大学团队有着长期的合作。

这种方法正在慢慢流行起来。受斯坦福大学调查结果的启发，负责监督洛杉矶警察局 (LAPD) 的洛杉矶警察专员委员会向南加州大学询问。寻求帮助理解该部门的镜头。一个项目正在分析一年中交通站点的 30,000 个随身摄像头视频。斯坦福大学小组还与旧金山警察局合作，使用随身摄像机镜头来评估其警察前往阿拉巴马州伯明翰了解民权运动和非暴力原则的项目。

斯坦福大学的这项工作于 2014 年奥克兰警察局丑闻发生后开始。早在 20 世纪 90 年代末，加利福尼亚州奥克兰市的四名被称为“骑士”的警察就被指控粗暴对待并逮捕无辜者，并向他们植入毒品等罪行。在 119 名原告中，118 名是黑人。因此，作为 1090 万美元和解协议的一部分，该部门被要求收集车辆和行人停车的数据并按种族进行分析。协议达成十多年后，该部门的联邦监察员向埃伯哈特寻求帮助。

原告律师告诉艾伯哈特，他们最想知道的是事件发生后发生了什么巡洋舰灯亮了– 警察为什么要阻止人们以及互动是如何进行的。该部门是执法记录仪的早期采用者，大约五年前就已投入使用。“你们实际上有录像，”埃伯哈特回忆道，他告诉他们，尽管部门里没有人想到将其用于此目的。

Eberhardt 招募了斯坦福大学语言学家和计算机科学家 Dan Jurafsky 和他当时的学生 Rob Voigt（现在西北大学的计算语言学家）来开发一种自动方法来分析近 1,000 个交通站点的视频记录。研究人员决定衡量警察对黑人司机说话是否比对白人司机更不尊重。他们首先让人们对笔录摘录的尊重程度进行评分。然后，他们建立了一个计算模型，将评级与各种单词或短语相关联，并赋予这些话语数字权重。例如，表达对司机的关心被认为是高度尊重，而直呼其名则不太尊重。

然后，该模型对一个月的交通拦截中所有警官的语言进行了尊重评分，研究人员将这些分数与被拦下的人的种族以及其他变量相关联。他们发现了一个明确的种族差异以军官的恭敬语言。例如，在与黑人司机交谈时，警察不太可能说明停车的原因、提供保证或表达对司机安全的担忧。尊重差距存在于整个互动过程中，并不取决于警官的种族、拦截原因、拦截地点或结果。

这些初步结果于 2017 年发表，对奥克兰产生了深远的影响。“当斯坦福大学公布研究结果时，少数族裔社区几乎松了一口气，”阿姆斯特朗说。“这证实了人们一直以来的担忧，并促使该部门重新审视我们如何培训官员与社区沟通。”

斯坦福大学团队利用这些发现为该部门提供的程序正义培训项目开发了一个“尊重”模块。程序正义旨在将公平纳入警务程序。除了强调尊重之外，警察还可能向他人解释他们的行为，并给这些人提供表达观点的机会。作为这项工作的一部分，该团队使用其计算模型来提取特别尊重和不尊重的真实互动。“作为一个训练示例，对于接受训练的人来说，这似乎比虚构的场景更合理，”尤拉夫斯基说。–[官员]认识自己的语言。 –

培训生效后，研究人员进行了另一项随身摄像机研究，以确定警员是否使用了他们所学到的知识。斯坦福大学团队将训练前 4 周内发生的 313 次拦截中军官语言的主要特征与训练后 4 周内发生的 302 次拦截中的军官语言的主要特征进行了比较。研究人员在 9 月份的研究报告中发现，接受过培训的警官更有可能表达对司​​机安全的担忧、提供保证并提供明确的停车理由。美国国家科学院院刊学习。

艾伯哈特说，对随身摄像机录像的系统分析提供了一种有前途的方法来了解哪种警察培训是有效的。“他们现在接受的很多培训都没有经过严格的评估，”她说。“我们不知道他们在这些培训中学到的东西是否能够真正转化为与街上真实的人的真实互动。”

在去年发表的一项研究中，斯坦福大学的研究人员分析了随身摄像机的镜头，发现与“升级结果”相关的语言进行交通拦截，例如戴上手铐、搜查或逮捕。利用黑人司机在一个未公开城市的 577 个停靠点的录像，他们发现了埃伯哈特所说的“语言特征”，在警官所说的前 45 个单词中，情况升级：从一开始就向司机下达命令，而不是下达命令。停止的原因。“这两者的结合是一个很好的信号，表明停车最终会导致司机被戴上手铐、搜查或逮捕，”她说。

研究中没有一站涉及使用武力。但研究人员很好奇他们发现的签名是否会出现在导致弗洛伊德死亡的警方互动的镜头中。是的。在遭遇的最初 27 秒（大约是警察在停车期间说出 45 个单词所需的时间），警察给出了仅有的并没有告诉弗洛伊德他被拦住的原因。

美国加州大学团队招募了各种各样的人，包括一些曾经被监禁过和退休的警察，来判断洛杉矶警察局随身摄像机捕捉到的互动是否礼貌、尊重和程序公正的其他方面。该团队计划利用人工智能的进步来捕捉这些观点，例如，这些观点可能会揭示为什么原本有趣或恭敬的声明可能会被视为讽刺或不尊重。“最大的希望是我们的工作能够改善洛杉矶警察局警官的培训，以数据驱动的方式更新和改变培训程序，使其更好地适合他们所服务的人群，”Morteza Dehghani 说，美国加州大学认知科学家，与格雷厄姆共同领导该项目。

政治可能会阻止警察部门与学者分享录像。在某些情况下，部门可能不愿意揭露系统性问题。然而，将来各部门可能能够自己分析录像。一些私营企业，例如特鲁利奥和城邦解决方案– 已经提供用于此目的的软件。

“我们越来越接近各部门能够使用这些工具，而不仅仅是将其作为一项学术活动，”曾在埃伯哈特团队工作过的密歇根大学社会心理学家尼古拉斯·坎普 (Nicholas Camp) 说道。但商业模型往往不是完全透明的——用户无法检查其组件模块——因此包括 Camp 和 Dehghani 在内的一些学者对它们的输出持谨慎态度。

美国加州大学该团队计划将其构建的语言模型开放给洛杉矶警察局和其他警察部门检查，以便他们能够定期监控警官与公众的互动。– 我们应该有更多关于这些日常互动如何进行的详细信息。这是民主治理的重要组成部分，”格雷厄姆说。