黃妍甄
國立暨南國際大學公共行政與政策學系助理教授
《摘要》
數位轉型浪潮下，AI應用已成為各國警察執法的重要利器，本研究將說明高雄市警察局「3D治安巡檢預警系統」以及美國洛杉磯警察局和紐約市警察局的「自動臉部辨識系統」的應用經驗，透過上述案例分析可知，AI應用有助於提升警方執法效率、降低行政成本以及提高決策的準確性，然而，AI的應用亦伴隨著諸多隱憂與挑戰，特別隱私侵犯的疑慮、偏見與誤判的疑慮、法律保障與倫理規範的不足等問題。未來該如何平衡公共價值與個人價值之間的平衡，也成為警政體系應用AI時的當務之急，故本研究提出相關政策建議，期待未來政府在應用AI時，不僅能夠兼顧到個人權益的保障，同時亦能實踐公共價值，提升警方的工作效能與效率。
關鍵字：人工智慧、科技輔助決策、循證決策、數位治理、警察執法
壹、研究背景與動機
數位轉型浪潮下，人工智慧1（Artificial Intelligence，簡稱AI）的多元應用，已成為各國政府所積極發展的重要目標，而該如何有效落實循證政策制定，藉此提升政府決策的效能，降低不確定性，更是當今政府發展數位治理時的首要之急（莊文忠，2018）。美國政府於2016年10月發布的《國家人工智慧研究發展策略》（National Artificial Intelligence Research and Development Strategic Plan），積極結合政府、產業、業界發展AI應用，建立資料共享，強化國家安全（王正嘉，2019），而我國亦在2018年開始推動「臺灣AI行動計畫」（107年至110年），積極推動AI的研發與應用（科技部，2019）。AI儼然成為不可或缺的治理工具，並且應用於許多不同的領域。尤其是數位科技快速發展的環境之下，更突顯出科技應用於決策的重要性，以警務工作為例，傳統的警務工作模式已逐漸無法滿足現代化執法的需求，這使得AI輔助決策，成為警政部門所不容忽視的重要發展。
而面對數位犯罪的氾濫、國際安全形勢的變化以及國內治安問題的日益複雜，人工智慧的發展（Artificial Intelligence）、區塊鏈（Block Chaine）、雲端暨資通訊發展（Cloud Computing）、大數據服務（Big Data），更是當今科技偵查的重要面向（中央警察大學，2023），對此，各國警政部門也積極結合數位應用科技，尋求新的技術手段來因應這些挑戰，AI結合影像分析、聲音辨識、大數據分析以及「自動臉部辨識系統」（automated facial recognition technology）等多元應用，大幅提升警察的工作效率，幫助警方制定更佳的犯罪預防策略，更有效達到犯罪偵查、預防犯罪之目的（王正嘉，2019；李定遠，2022；許華孚、吳吉裕，2015；韓其珍，2023）。美國警政部門即結合AI應用與數據分析，減少了傳統警務中人工處理的程序與時間，不僅大幅提高了偵查和逮捕犯罪嫌疑人的效率，同時，更有助於提升警察資源的使用效率（韓其珍，2023）。顯見，AI的應用有助提升輔助決策的效能，並且強化資源配置的效果，然而，AI的數位應用亦帶來許多的問題與挑戰，包含隱私侵害、非意圖歧視（unintentional discrimination）、判斷錯誤以及倫理價值等問題，成為推動AI應用的最大挑戰（Maxwell & Tomlinson, 2020；李翠萍等人，2022；黃心怡等人，2021）。
該如何在AI應用與公民權利之間取得平衡，成為警政部門運用AI時必須慎重考量的關鍵議題，據此，本研究將探討臺灣以及美國警政部門的AI應用，以探悉AI輔助應用對於警政部門所帶來的效益，並進而初探其潛在問題。透過上述初探性之研究，將有助於了解警察體系中AI應用的情形，探悉AI輔助應用對於警政部門所帶來的利弊，而此一結果將有助於為警政部門未來的科技化與智慧化發展提供具體建議，並為政府制定相關政策提供參考，以因應AI世代的浪潮，提升警察執勤的效能與效率。
貳、警察體系AI應用的情形
各國警政部門皆積極結合AI技術，以期提升執法效率、加強公共安全管理之效能（Maxwell & Tomlinson, 2020；王正嘉，2019；李定遠，2022；韓其珍，2023）。以下將分別說明臺灣美國警政部門的AI應用經驗，以了解警政部門中的AI應用情形。
一、臺灣案例
高雄市警察局所建置的「3D治安巡檢預警系統」，在2022年「IDC亞太區智慧城市大獎（SCAPA）」中榮獲「公共安全-數據驅動警政」的優勝（中央社訊息平台，2022）。「3D治安巡檢預警系統」即是結合AI影像、聲音感測辨識技術、物聯網技術以及大數據資料分析，即時監控高風險區域，提升預警能力。具體而言，「3D治安巡檢預警系統」透過偵測潛在的治安威脅，諸如現場人群聚超過3人且停留超過30秒以上且噪音增加音量達80分貝以上，亦或者車輛異常移動等情形，系統偵測到異常後，將會自動即時發送預警通知給轄區分局勤務指揮中心，警方即可調閱現場影像，並透過遠端廣播警告，或者立即通報警察到現場處理，掌握即時動態（李定遠，2022）。透過「3D治安巡檢預警系統」的應用，系統每天觸發的預警事件高達10至20件，事件發生時間多為平日晚上及假日，幫助警方提前掌握預警犯罪徵象，大幅減少警力資源的浪費，同時，也加強了警方辦案與巡邏的效率，提升市民安全（中央社訊息平台，2022；李定遠，2022）。
二、美國案例
美國警政部門則更強調AI與「自動臉部辨識系統」應用的結合，洛杉磯警察局和紐約市警察局透過公共場所的監視系統，結合警務資料庫中收集影像等數據資料，分析個人生物特徵，監控並比對嫌疑者的身份。一旦偵測到潛在嫌疑者，系統就會自動提醒警方進行追蹤，能夠迅速比對嫌疑人影像與犯罪資料庫中的資料，更有效確認嫌疑者之身分，加快嫌疑人身份確認以及案件偵
破的速度，減少了依賴目擊者指認的誤差，縮短案件偵破時間（Maxwell & Tomlinson, 2020；王正嘉，2019）。同時，藉由AI與數據分析，警方能更有效地預測可能發生犯罪的地點和時間，幫助警方辨識高犯罪風險地區，以優化警力的資源分配，強化對該區的巡邏，提升了執法效率（Maxwell & Tomlinson, 2020；李翠萍等人，2022；韓其珍，2023）。
參、警察體系AI應用的效益與隱憂
AI應用在警察體系中帶來效益的同時，亦伴隨著隱憂（Maxwell & Tomlinson, 2020；李翠萍等人，2022；黃心怡等人，2021），以下將分別說AI應用的效益與隱憂。
一、AI應用的效益
透過上述案例之說明可知，警察體系融入AI應用，對於警方執勤而言，能帶來以下的效益，包含（1）提升執法效率：透過AI應用與數據分析，有助於幫助警方更快速地掌握潛在風險以即時回應，如高雄市的「3D治安巡檢預警系統」即成功預警潛在的街頭暴力，提升了執法反應速度，降低犯罪率（中央社訊息平台，2022；李定遠，2022）；（2）降低行政成本：透過融入AI應用，有助於減少警察在搜尋嫌疑犯、巡邏上的人力需求，加快嫌疑人身份確認以及案件偵破的速度，使得有限的警力能夠集中處理高風險事件（Maxwell & Tomlinson, 2020；中央社訊息平台，2022；王正嘉，2019；李定遠，2022）；（3）提高決策的準確性：AI能夠在短時間內處理大量的數據資料，並透過自動化的數據運算進行預測，得到決策的參考資料，如犯罪預測、巡邏路線規劃，強化了循證決策的精確性，優化決策的結果（Maxwell & Tomlinson, 2020；李翠萍等人，2022；黃心怡等人，2021）。
二、AI應用的隱憂
不容忽視地，AI帶來許多正面效益，提升警方的決策性，然而，執行時亦伴隨著許多的隱憂，相關的隱憂包含（1）隱私侵犯的疑慮：AI應用雖然有助於警方掌握更多的資訊，然而，監視系統與人臉辨識技術等應用，洩漏個人的行蹤，無形中侵犯個人的隱私權，而引發對政府監控過度的質疑（李翠萍等人，2022；黃心怡等人，2021）；（2）偏見與誤判的疑慮：數據資料的分析中，長期下來隱含「非意圖歧視」，存有在種族和性別偏見，而影響到決策的結果，導致警方誤抓或錯誤的執法行動，加劇社會不公（Prince & Schwarcz, 2020；李翠萍等人，2022）；（3）法律保障與倫理規範的不足：現行各國政府對於AI法律規範法律保障與倫理規範仍有所不足，而導致使用範圍不清、責任界定模糊，因此，難以有效監管AI應用範圍和影響，而容易侵害到公民權益的保障（王禕梵，2023；黃心怡等人，2021）。
肆、結論與建議
隨著數位科技的快速發展，引進最新科技儼然成為警政部門刻不容緩的發展趨勢，以減輕警方的工作負擔，並強化執勤的效果（渠正慈等人，2024），其中，AI應用已成為各國警方執法的重要利器，高雄市警察局的「3D治安巡檢預警系統」以及美國警政部門的「自動臉部辨識系統」應用，皆提升執法效率，落實公共安全管理（Maxwell & Tomlinson, 2020；中央社訊息平台，2022；王正嘉，2019；李定遠，2022；韓其珍，2023）。然而，正如本研究所探討的，AI在警察工作中的應用，儘管帶來了許多正面效益，包含提升執法效率、降低行政成本以及提高決策的準確性（Maxwell & Tomlinson, 2020；李翠萍等人，2022；黃心怡等人，2021），然而，AI的應用仍伴隨著諸多隱憂與挑戰，如隱私侵犯的疑慮、偏見與誤判的疑慮、法律保障與倫理規範的不足（Prince & Schwarcz, 2020；王禕梵，2023；李翠萍等人，2022；黃心怡等人，2021）。因此，該如何落實個人隱私資料的保護，促進公共價值與個人價值的平衡，也成為警政體系應用AI時的當務之急。
綜上所述，本研究提出以下幾點政策建議：第一，建立隱私保護的規範：政府應完善隱私保護的規範，確保警方應用AI時，在兼顧公共利益的目標下，最小化對於個人隱私的侵害，以提升民眾對於政府的信任度，降低個人資料外洩與濫用的可能；第二，確保數據運算的公正性：政府須確保AI運用的科學性與客觀性，AI應用可能會面臨存在的種族、性別等偏見問題，建議未來應強化對於AI數據運算的公正性，減少非意圖歧視的風險，避免「錯誤資訊」所產生的負面侵害；第三，制定法律與倫理規範：政府應全面性地強化法律與倫理規範，明確說明AI應用的範圍、責任歸屬、補償規範以及倫理價值的指引，確保AI應用能符合社會正義與道德標準，實踐公共價值，並提升警政部門的工作效能與效率。
參考文獻
中央社訊息平台（2022）。高市府、遠傳 攻智慧警政。中央社訊息平台，檢索日期2022年07月19日，取自https://www.cna.com.tw/postwrite/chi/319884
中央警察大學（2023）。「改變中的偵查工作」──偵查工作的「新挑戰」、「新思維」及「新方向」，檢索日期2023年11月23日，取自https://www.moi.gov.tw/News_Content.aspx?n=10&s=298336
王正嘉（2019）。AI與人臉辨識技術運動於犯罪偵防之問題分析。刑事政策與犯罪研究論文集，（22），235-253。
王禕梵（2023）。公部門人工智慧治理：從倫理道德觀點出發。公共行政學報，（65），119-132。
李定遠（2022）。AI辨識與5G巡邏智慧科技 守護城市治安。高雄市政府新聞局，檢索日期2022年09月，取自https://takao.kcg.gov.tw/article/807
李翠萍、張竹宜、李晨綾（2022）。人工智慧在公共政策領域應用的非意圖歧視：系統性文獻綜述。公共行政學報，（63），1-49。
科技部（2019）。台灣AI行動計畫—掌握契機，全面啟動產業AI化。科技部，檢索日期2019年08月07日，取自https://www.ey.gov.tw/Page/5A8A0CB5B41DA11E/a8ec407c-6154-4c14-8f1e-d494ec2dbf23
莊文忠（2018）。循證的政策制定與資料分析：挑戰與前瞻。文官制度，10（2），1-20。
許華孚、吳吉裕（2015）。大數據發展趨勢以及在犯罪防治領域之應用。刑事政策與犯罪研究論文集，（18），2-19。
渠正慈、周博彬、王俊元（2024）。提高警察心理韌性的國際交流經驗分享。警光雜誌，（816），32-40。
黃心怡、曾冠球、廖洲棚、陳敦源（2021）。當人工智慧進入政府：公共行政理論對AI運用的反思。文官制度，13（2），91-114。
韓其珍（2023）。有效打擊犯罪與警務工作成本的權衡——以美國預測性警察活動和人臉辨識系統為例。台灣人工智慧行動網，檢索日期2023年04月26日，取自https://ai.iias.sinica.edu.tw/finding-the-balance-in-effective-crime-fighting-and-the-cost-of-police-service/
Benaich, N. & Hogarth, I. (2019). State of ai report 2019. https://www.stateof.ai/
Hassani, H., Silva, E. S., Unger, S., TajMazinani, M., & Mac Feely, S. (2020). Artificial intelligence (AI) or intelligence augmentation (IA): what is the future? AI, 1(2), 143-155.
Lele, A. (2019). Disruptive Technologies for the Militaries and Security. Singapore: Springer.
Maxwell, J., & Tomlinson, J. (2020). Proving Algorithmic Discrimination in Government Decision-Making. Oxford University Commonwealth Law Journal, 20, 352- 360.
Prince, A. E. R., & Schwarcz, D. (2020). Proxy Discrimination in the Age of Artificial Intelligence and Big Data. Iowa Law Review, 105, 1257-1318.
1 AI的定義在既有文獻中有不同的定義，Benaich與Hogarth（2019）將其定義為創造智慧機器，而非人類和動物所展示的自然智慧。Hassani等人（2020）則認為指出AI應具有學習、感知、理解的能力。而Lele（2019）則指出AI應包含：「神經網路」、「機器學習」和「深度學習」等技術。本研究則是採廣義的定義，意即「透過數位科技的輔助，具有自動化以及認知學習的特點，能從大數據中不斷學習以及改進，並給予對應的回應以及分析資訊」。