AI算法标记“可疑驾驶”致拦车检查，ACLU警告pretextualstops风险上升

近期，美国执法部门使用人工智能算法辅助交通拦截的做法引发广泛关注。据美国公民自由联盟（ACLU）10月26日发布的报告，多地警察正依赖AI驱动的“可疑行为识别”系统，对未涉任何违法行为的驾驶员实施拦停检查——其依据并非现场违章，而是算法基于自动车牌识别（ALPR）数据推断出的“异常行驶模式”。

该报告由ACLU言论、隐私与技术项目高级政策分析师Jay Stanley撰写。他指出，此类做法实质上将AI输出作为执法 pretext（借口），使原本应以具体违法事实为前提的交通拦截，演变为一种基于预测性分析的预防性干预。

ALPR系统通过部署于道路两侧的摄像头，自动拍摄过往车辆牌照，并记录时间、地点等元数据。当多点位数据被整合后，系统可重构车辆的完整行驶轨迹：包括常走路线、停留时长、跨区域频次等。部分执法机构将这些轨迹输入AI模型，训练其识别“非典型”移动模式——例如频繁往返不同城区、深夜长时间滞留偏僻路段、或在特定商业区反复绕行等。

一位女性司机向ACLU陈述了亲身经历：她在一次横跨多州的公路旅行中，被一名警官拦下。对方称，其车载系统显示她的行车路径“高度可疑”，尽管她全程遵守交规、无任何违规记录。该系统调取了她此前数日的ALPR记录，将其行驶轨迹与已知犯罪车辆模型比对后生成预警。

这种“事后回溯式怀疑”机制，与传统交通执法逻辑存在根本差异。过去，拦车需基于可见违法（如超速、闯红灯）或合理怀疑（如车辆特征匹配通缉信息）；而AI驱动的拦截则依赖统计相关性而非因果证据，极易将无辜者纳入执法视野。

Stanley在报告中强调：“随着算法不断优化，其误报率虽可能下降，但因筛查基数极大，绝对误判人数仍将持续上升。最终结果是，越来越多清白市民将被迫接受盘查、搜身乃至进一步调查——而这本不应成为日常出行的代价。”

值得注意的是，此类技术并非孤立现象。在中国，AI辅助警务同样广泛落地，但应用场景与伦理边界呈现明显差异。例如广东湛江霞山警方曾依托侦查中心技术支撑，在24小时内破获一起跨市盗窃案：两名嫌疑人利用网络信息锁定万达商圈，夜间拉车门盗窃现金；警方通过视频追踪与轨迹分析快速锁定并抓获嫌犯。该案中，AI工具服务于“已有犯罪事实”的侦查环节，而非前置性拦截。

另一案例则警示了技术滥用的反面风险。10月26日，西安公安通报一起虚构警情事件：女子甘某为博取短视频平台流量，自导自演“车辆被刮+多人电话骚扰+可疑男子标记车身”剧本，甚至将真实旧车痕融入虚构情节。警方查明后对其处以行政拘留。此案虽不涉及AI，却揭示了公众对“技术监控—人身威胁”链条的高度敏感——当AI介入执法，类似叙事极易被放大为系统性压迫的佐证。

更值得深思的是，AI驱动的“可疑行为识别”正在模糊“预防犯罪”与“惩罚潜在风险”的界限。美国部分城市已试点将ALPR数据接入城市大脑平台，结合天气、人流、历史案件热力图等变量，动态生成“高风险路段”预警。理论上，这有助于资源调配；实践中，却可能导致某些社区被系统性标签化，形成数字时代的“治安红线区”。

执法透明度缺失加剧了公众疑虑。目前，多数AI拦截决策过程不对外公开：算法训练数据来源、判断阈值设定、误报申诉机制均缺乏规范。ACLU呼吁立法明确禁止将纯预测性分析作为独立执法依据，并要求所有ALPR数据使用需经司法令状授权。

技术本身并无善恶，但其嵌入制度的方式决定影响方向。当AI从“辅助侦查工具”滑向“前置拦截依据”，其带来的效率提升是否足以抵消对公民自由的侵蚀？这个问题已不再局限于法律条文，而成为数字时代社会治理的核心命题。

与此同时，基层民警的实战经验仍具不可替代价值。重庆潼南区一例“顺手抓逃犯”事件提供了一个对照样本：民警周翔在护学岗途中注意到一辆积尘严重、无牌、车窗紧闭的黑色轿车，凭直觉上前核查，发现车内男子神色异常，最终在其背包中查获开锁工具与手套，确认其为四川宜宾网上在逃盗窃嫌疑人。整个过程未依赖任何算法预警，而是基于现场观察与经验判断。

这一案例说明，人类警觉性与情境理解能力仍是精准执法的关键环节。AI若仅作为“增强感知”的补充工具——例如在海量视频中快速标出异常车辆供人工复核——其风险可控；但一旦让算法直接触发强制措施，则可能颠覆“无罪推定”原则的实践基础。

目前，美国至少17个州已对ALPR数据使用出台限制性法规，但联邦层面尚无统一框架。ACLU建议，未来监管应聚焦三点：一是禁止将匿名化轨迹数据用于个体行为预测；二是要求所有AI执法辅助系统接受第三方审计；三是建立被错误标记者的快速申诉与数据删除通道。

技术迭代速度远超制度响应节奏。当一辆车驶过路口的瞬间，它的轨迹已被摄录、上传、分析、归类——这个过程无声无息，却可能悄然改变一个人与公权力的关系。如何在安全与自由之间划出清晰界线，已成为全球智慧治理必须直面的课题。