前言

背景：一家以車牌攝影機聞名的監控公司開發了一款以 AI 為驅動的調查產品，讓警察能搜尋車輛行動並將其與多個資料來源結合。本文說明該工具的運作方式、所揭露的能力，以及為何隱私與公民自由倡議者感到警惕。目的是客觀呈現事實與影響，讓讀者能理解技術機制與在部署此類系統的社群所面臨的利害關係。

懶人包

Flock Safety 提供一款含有預寫提示詞的 AI 工具，讓警員查詢車牌掃描、逮捕紀錄與商業資料。 許多提示僅需要地點、時間範圍與行為模式 即可回傳符合的車輛或人。系統也能透過衡量其他車輛在短時間窗內於目標車輛附近出現的頻率來推斷關聯 — 批評者稱此能力實際上能在沒有姓名或車牌的情況下進行追蹤。

本文主體

Flock Safety 這家公司其攝影機在美國數千個社區記錄車輛行動，已開發一款以 AI 支援的調查產品，供執法單位使用。該軟體在開發時稱為 OS Investigate（先前稱為 Nightshift），打包了一組現成的提示詞與搜尋模式，旨在協助警員將車牌讀取結果與逮捕紀錄、公開紀錄和商業資料庫交叉比對。根據基於公司網站上可得程式碼與資料的報導，系統包含數十個預設提示與功能，允許使用出乎意料地有限輸入進行搜尋。

當警員開始查詢時，他們可以從 69 個預寫提示的選單中選擇或撰寫自訂查詢。一些內建提示會產生列表，例如最近一段期間內在某社區出現次數最多的車輛，標示為可能的「目擊者」。其他提示則識別具有特定逮捕模式的人，例如在近幾年內被多次逮捕的任何人，並自動組成檔案。這些檔案可能透過查詢警方紀錄與商業資料仲介者的混合資料來結合姓名與出生日期、親屬、電話號碼與線上帳戶。

關鍵的是，部分提示在操作時不需要車牌號碼、個人姓名或甚至是外觀描述。在這些模式下，調查員僅提供地點、時間範圍與行動或行為模式——例如在幾天內拜訪多家零售店的車輛或在一週內拜訪多家銀行的車輛。系統接著搜尋攝影機網路與相關紀錄，以回傳符合該模式的車輛或人員。篩選器會排除明顯的商業車輛，如巴士與配送廂型車，但若其路線符合指定行為，例行駕駛者仍可能被納入。

程式碼中揭露的一個機制描述了系統如何判定目標車輛的「關聯者」：它會計算在相同攝影機上於與目標車輛相對的兩分鐘窗口內出現的其他車牌。反覆共同出現（例如至少三次）且超過信心門檻的車牌會被標記為關聯者；系統可以回傳最多設定數量的此類連結身份。這類時空共同出現分析實際上僅憑跨攝影機網格的行動模式推斷社交或出行連結。

隱私與公民自由倡議者表示，這些能力將車牌讀取網路轉變為一種能在不需傳統識別符的情況下識別、描繪並追蹤人員的工具。前執法人員與政策分析師反應強烈：有人稱此方法等同於持續追蹤，並將其影響比擬為高監控州的監視系統。批評者認為，自動聚合行動、逮捕歷史與商業中介資料會生成強大的檔案，而缺乏監督或問責。

Flock 的公開立場長期強調限制：公司先前表示其技術無法辨識或識別個人，且目的並非用於監控個人。公司告訴記者，OS Investigate 是一款獨立產品，設計用來協助調查員處理其機構已擁有的紀錄，並指出該工具仍在開發中，正與一小部分執法夥伴試行。公司並未否認報導中揭露的技術描述，但暗示產品功能在更廣泛發布前可能會演變。

該工具的存在與能力已引發抵抗。社區行動者在多處破壞或停用攝影機，倡議團體也記錄了車牌讀取器被以有害方式使用的案例，包括指稱由警員進行的跟蹤。隨之而來的是立法反彈：一些立法者提出措施，擬限制對部署類似監控系統的機構的資金。研究人員也開始嘗試混淆或擊敗自動車牌辨識系統的方法，而更廣泛的產業顯示出超越車牌的推進跡象——例如公司與大型平台正在探索能識別面孔與記錄行為的攝影機系統。

從政策角度來看，辯論集中在公共安全工具與個人隱私之間的權衡。支持者主張，跨車牌與紀錄網路的自動搜尋能加速調查並有助於破案。反對者則表示，結合資料的廣度與 AI 驅動的推論風險構成事實上的大規模監控，對弱勢社群造成不成比例的影響，且程序性保障不足。尚未解決的關鍵問題包括：存取與查詢的監督規範是什麼、衍生紀錄保存多久、系統是否接受偏見或濫用的稽核，以及當工具被不當使用時有何救濟方式。

在技術上，系統能以極少輸入回傳目標，凸顯時空模式分析——比對誰在何時何地出現——如何成為強大的識別手段。即便沒有面部辨識或姓名，重複的共同出現、出行模式與交叉參照的紀錄也能重建個人的日常與關係網。這種能力正是讓公民自由倡議者感到警惕的原因：它繞過了傳統檢查，那些檢查基於識別必須有姓名或生物特徵比對的假設。

隨著這些技術成熟，社區與政策制定者必須在更快的數據驅動調查收益與擴大且常常不透明的監控風險間權衡。明確的可允許查詢規則、強制紀錄、獨立稽核，以及對資料分享與保存的嚴格限制，通常被提出為緩解措施。公開討論與立法審查很可能決定 OS Investigate 類工具是維持為受限原型、成為受管制的調查輔助工具，或是在幾乎沒有約束下普及於日常警務實務。

總之，一款能以極少輸入運作的 AI 驅動調查產品的出現，突顯出更廣泛的轉變：監控越來越依賴來自行動與描述性資料的推論，而非僅仰賴直接的識別符。這一轉變帶來實務、法律與倫理上的挑戰，社區與監管者目前正面臨這些課題。

關鍵見解表