پس از 23 سال نظارت، اصلاحات پلیس اوکلند امید جدیدی را ارائه می دهد

نمای دقیق یک پچ برای اداره پلیس اوکلند در 2 ژوئیه 2023، در RingCentral Coliseum در اوکلند، کالیفرنیا. -براندون اسلوتر-آیکون Sportswire/Getty Images

در بهار 2014، جان بوریس و جیم چانین وکلای حقوق مدنی از من به اوکلند، کالیفرنیا دعوت کردند تا به عنوان کارشناس موضوع خدمت کنم. آنها نماینده گروهی از شاکیانی بودند که به دنبال عدالت در شهری بودند که نسخه‌ای به خصوص وحشیانه از یک داستان معروف را تحمل می‌کردند: یک اداره پلیس که بسیاری آن را کانون تاکتیک‌های غیرقانونی، خشونت و تبعیض می‌دانستند که عمدتا متوجه جامعه سیاه‌پوستان است. همانطور که شنیدم یکی از ساکنان اوکلند در یک جلسه عمومی بلافاصله پس از ورود من این جمله را بیان کرد: "مردم آسیب دیده اند. مردم دلشان شکسته است. مردم ترس دارند.

مردم از همان افرادی که قرار است از آنها محافظت کنند می ترسند."

از زمانی که 23 سال پیش افشاگری‌های مربوط به یک الگوی تخلف برای اولین بار آشکار شد، اداره پلیس اوکلند (OPD) تحت نظارت دادگاه فدرال بوده است - طولانی‌ترین دوره برای هر شهر آمریکایی.

انتظار می‌رود این هفته یک قاضی فدرال تصمیم بگیرد که آیا این نظارت پس از سال‌ها پیشرفت در جهت اصلاحات مورد نیاز دادگاه، سرانجام می‌تواند به پایان برسد یا خیر. نتیجه هر چه که باشد، اوکلند در دو دهه گذشته دستخوش تحولی اساسی شده است. آنچه در طی آن سال ها تغییر کرد، داستان قابل توجهی در مورد آنچه می تواند اتفاق بیفتد، زمانی که ما در نهایت ابزارهای مورد نیاز برای دیدن پلیس را به وضوح داشته باشیم، رخ می دهد.

یک دهه داده های دوربین بدن

من به دلیل کارم به عنوان محققی که روی تعصبات نژادی و نابرابری متمرکز بود به اوکلند احضار شده بودم. وکلای شاکیان می خواستند بفهمند که واقعا بین افسران و غیرنظامیان چه اتفاقی می افتد که ممکن است به سوء استفاده های سیستمی و از بین رفتن اعتماد کمک کند. کار من و تیمم این بود که داده ها را تجزیه کنیم و سعی کنیم تفاوت های نژادی را کمی کنیم. اما ما همچنین به دنبال سرنخ‌هایی در مورد چگونگی ریشه‌یابی این نابرابری‌ها و اینکه آیا می‌توان کاری برای رفع آن‌ها انجام داد، بودیم.

ما به زودی متوجه شدیم که یک تنش کاملا آشنا وجود دارد که سوابق دستگیری، آمار جنایات و سایر داده‌های موجود نمی‌توانند آن را حل کنند - مشکل تفسیر. همان نابرابری هایی که طرفداران جامعه آن را دلیلی بر تعصب افسران می دانستند، از سوی بسیاری از افسران پلیس به عنوان دلیلی بر محل تمرکز جنایت در نظر گرفته شد. اعداد به ما می گفتند چه اتفاقی دارد می افتد. آنها برای کمک به ما در درک علت بسیار کمتر مفید بودند. اگر امیدی به کشف علل آن نابرابری ها داشتیم - چه رسد به یافتن راه حل ها - به ابزارهای جدیدی نیاز داشتیم.

همانطور که معلوم شد، در سال 2014، اوکلند روی یک انبار فوق‌العاده از داده‌ها نشسته بود که حاوی همه چیزهایی بود که ما باید بدانیم - فقط این بود که هیچ‌کس قبلا آن را به عنوان داده فکر نمی‌کرد. اوکلند یکی از اولین کاربرانی بود که از دوربین‌های پلیسی استفاده می‌کردند، یک نوآوری فناوری نادر که به طور مداوم حدود 90 درصد از مردم را تایید می‌کرد. اکنون بیش از یک دهه است که ادارات پلیس در سراسر کشور مجموعه‌ای از فیلم‌های این دوربین‌ها را جمع‌آوری کرده‌اند و جامع‌ترین رکورد تعامل بین افسران و غیرنظامیان در تاریخ را ایجاد کرده‌اند.

با این حال، اکثریت قریب به اتفاق آن فیلم هرگز برای بهبود این تعاملات استفاده نمی شود.

دلیلش این است که ما تا حد زیادی دوربین‌های پوشیده از بدن را به‌عنوان منبعی از شواهد در نظر گرفته‌ایم: فیلم‌هایی که تنها پس از اینکه یک برخورد خاص به‌شدت اشتباه می‌رود، قابل بررسی است. اما آن برخوردهای روتین بی‌شماری که در آن اعتماد ایجاد می‌شود یا شکسته می‌شود، حقوق حفظ می‌شود یا نقض می‌شود، و آموزش افسران موفق می‌شود یا لغزش‌ها تقریبا کاملا بررسی نشده است. دلیل آن ساده است: انسان‌ها احتمالا نمی‌توانند فیلم‌ها را در آن مقیاس نظارت و ارزیابی کنند، چه رسد به اینکه در مجموع از آن درس بیاموزند.

اما هوش مصنوعی می تواند.

آیا هوش مصنوعی می تواند پلیس را بهبود بخشد؟

اوکلند که مشتاق دستیابی به موفقیتی برای تغییر مسیر شهر بود - و مجبور به اصلاح توسط یک مانیتور فدرال شد - به محققان استانفورد اجازه داد به فیلم‌های دوربین پوشیده شده خود دسترسی داشته باشند. تیم ما متشکل از زبان شناسان، روانشناسان اجتماعی و دانشمندان کامپیوتر سال ها صرف ساخت و اصلاح مجموعه ای از ابزارهای محاسباتی طراحی شده برای تجزیه و تحلیل این ویدئوها در مقیاس کردند. اکنون، ما می‌توانیم زبان تعاملات معمول پلیس را به‌طور روشمند اندازه‌گیری کنیم، و الگوهایی را در میلیون‌ها برخورد شناسایی کنیم که هیچ بررسی دستی نمی‌تواند ظاهر شود.

مانند یک توالی سنجی DNA یا یک دستگاه اشعه ایکس، این بینش به ما اجازه می دهد تا برای اولین بار، ساختار واقعی یک برخورد پلیس را ببینیم. ما نشانه‌های زبانی را کشف کردیم که می‌توانستند به‌طور قابل اعتمادی در 27 ثانیه اول یک برخورد، پیش‌بینی کنند که کدام تعامل احتمالا تشدید می‌شود و کدام با آرامش به پایان می‌رسد.

ما همچنین توانستیم «شکاف احترام» را ترسیم کنیم که افسران، از جمله افسران سیاه‌پوست، قبل از صحبت کردن راننده به رانندگان سیاه‌پوست تحمیل می‌کردند، تفاوت‌های ثابتی را در لحن، انتخاب کلمه، اینکه آیا مأموران دلیل توقف را توضیح داده‌اند و ابراز نگرانی برای ایمنی راننده پیدا کردیم.

ما یافته‌های خود را به OPD آوردیم و با آنها کار کردیم تا از آموزش عمومی به اصلاحات مبتنی بر داده‌ها و با هدف جراحی حرکت کنیم. خیلی‌ها شک داشتند که ایده‌های ما – مانند اینکه از افسران بخواهیم به‌جای عمل کردن بر اساس حدس و گمان، منطق توقف را به طور خلاصه ثبت کنند – کاری جز افزایش جرم و جنایت داشته باشد. اما این شک و تردید با دیدن اتفاقات بعدی از بین رفت.

پس از اجرای سیاست‌ها و آموزش‌های جدید، توقف غیرنظامیان سیاه‌پوست در اوکلند 43 درصد کاهش یافت - بدون هیچ گونه افزایشی در جنایات. در یک مطالعه قبل از آموزش طراحی شده برای بهبود روابط با مردم، تجزیه و تحلیل فیلم ما کاهش قابل توجهی در زبان افسری را نشان داد که تمایل به تشدید را داشت، و افزایش قابل توجهی در زبانی که اعتماد ایجاد کرد.

در یک دوره 10 ساله، OPD به اصلاح و اصلاح شیوه های خود ادامه داد. و از بسیاری جهات، این تلاش نتیجه داد. به عنوان مثال، پس از اجرای سیاست تعقیب پا برای جلوگیری از تعقیب مظنونین به حیاط خلوت و کوچه های کور، جراحات افسران 70 درصد کاهش یافت. و تیراندازی‌های افسران که قبلا به طور میانگین حدود هشت نفر در سال بود، در یک دوره پنج ساله به مجموع هشت مورد کاهش یافت.

بازگشت به اوکلند

زمانی که چندی پیش به اوکلند برگشتم، خودم را در آسانسور با یک زن سیاه پوست که برای اداره پلیس کار می کرد، دیدم. او به من گفت که برای سال‌ها، اداره ادعاهای اعضای جامعه درباره نحوه برخورد منفی با آنها را رد می‌کند و اصرار دارد که افسران با همه به‌طور حرفه‌ای رفتار کنند. او گفت: «داده‌ها راهی برای شنیده شدن به ما داد» - راهی برای تبدیل داستان‌های فردی به خوراک تغییرات سیستمی.

در حال حاضر، بسیاری از فناوری‌های جدید، از دوربین‌های Flock گرفته تا چت‌بات‌های سرکش، به دلایل خوب با بی‌اعتمادی و ترس در مورد نظارت، حریم خصوصی و ایمنی مواجه شده‌اند. با این حال، داستان اوکلند امکان دیگری را نیز ارائه می‌کند: روشی ملموس برای هوش مصنوعی برای بهبود زندگی در جوامع ما با استفاده از دوربین‌هایی که برای ایجاد اصلاحات معرفی شده‌اند.

تجربه شهر شواهد قانع‌کننده‌ای ارائه می‌دهد مبنی بر اینکه تبدیل دوربین‌های پوشیده از بدن به ابزارهای قدرتمند پاسخگویی می‌تواند به ادارات در همه جا کمک کند تا تعاملات پلیس و غیرنظامی را ایمن‌تر و برای همه افراد درگیر محترمانه‌تر کنند. این رویکردی است که نیازی به ساخت مراکز داده بزرگ هوش مصنوعی در محله‌های سراسر کشور ندارد و تهدیدی برای سلب شغل کسی نیست. این به سادگی مستلزم یادگیری از داده هایی است که از قبل در اختیار داریم – و اکثریت قریب به اتفاق ما احساس می کنیم داشتن آن مفید است.

در زمانی که پلیس آمریکا تحت فشار شدید قرار دارد - با بازنشستگی در بالاترین حد، استخدام در پایین ترین سطح، سلامت افسران کاهش یافته و اعتماد عمومی به مجریان قانون کاهش یافته است - مدل اوکلند شعاع امیدی را ارائه می دهد، حتی در حالی که همچنان به مبارزه برای نشان دادن توانایی اصلاحات به جهان ادامه می دهد. و همانطور که شهرهای بیشتری این رویکرد را اتخاذ می کنند، من خوشبین هستم که پلیس آمریکا می تواند تغییر کند.