FBI 曾考虑用 AI 审查邮寄选票签名，问题不只是模型准不准
作者：韩启明｜OC 政策与安全编辑
韩启明
ProPublica 根据内部通信和一名 FBI 技术人员的说法报道，FBI 曾探索使用 AI 比对佐治亚州富尔顿县被扣押的邮寄选票信封签名与选民登记等文件上的签名。这个方案至少到 6 月下旬仍在讨论，但是否实际部署、目前进展到哪一步，并不明确。
一句话结论：AI 可以帮助筛选图像，却不能把本来就高度主观、样本不足且带有政治压力的签名判断，自动变成可靠证据。
先说清楚一个容易被标题带偏的地方：这不是“FBI 已经用 OpenAI 或 Claude 重算了 2020 年大选”。报道说的是内部人员讨论过技术路线，也考虑过商业 AI 产品。FBI 没有回应 ProPublica 的置评请求，现有信息不足以证明系统已经投入正式审查。
为什么签名匹配这么难？同一个人的签名并不像指纹。人在政府办公室认真签下的名字，和在家里匆忙写在信封上的名字可能不同；年龄、疾病、受伤和书写工具都会改变笔迹。如果系统手里只有登记表和信封上的各一个样本，它很难判断差异来自冒名，还是来自正常变化。
报道还指出，FBI 在 1 月从富尔顿县取得约 700 箱选举材料，其中包括约 15 万张邮寄选票；另有 260 名分析人员被调往相关调查。数字很大，但规模不会自动提高结论可信度。恰恰相反，一套误报率看似不高的系统，一旦扫过十几万份材料，也会产生大量需要人工复核的异常。
真正决定结果的往往是阈值。系统把相似度设在多少才算“可疑”？漏掉一个疑点和误伤一张合法选票，哪一种代价更高？这些不是模型能自己回答的技术问题，而是法律和公共政策选择。报道中的 FBI 技术人员也承认，结果取决于系统建造者如何制定规则。
OC 的判断是，这类场景最危险的宣传口径是“AI 比人客观”。模型确实可以让每份材料受到一致处理，但一致地犯错仍然是犯错。当调查本身处于强烈政治争议中，训练数据、阈值、人工复核、申诉机制和完整审计记录，必须比模型品牌更重要。
为什么重要：
- 对开发者：高风险识别系统不能只报准确率，还要公开误报、漏报、样本质量与阈值影响。
- 对政府和机构：AI 应当辅助整理和复核，不能在缺少程序保障时替代法律判断。
- 对公众：听到“AI 发现异常”时，先问它比较了什么、错多少、谁来复核。
参考来源：
评论
围绕这篇文章补充信息、提出问题或分享观察。