在 Nesta，我们提出这样的论点：通过更好地利用数据，英国公共部门目前面临的一些最大挑战可以得到解决，或至少得到帮助；而这并不止于警务方面。
最近，我们利用不断发展的集体智慧领域的见解来探索执法部门如何改变其收集和处理情报的方式，并继续饶有兴趣地关注现有部队所采用的一些人工智能计划。
在探索这些问题之后，我注意到越来越多的出版物批评警方使用数据和人工智能。然而，根据我在数据实际实验中的经验，以及我在警务方面的背景，我问自己，为什么我们看到对警方创新尝试如此轻蔑的态度。当然，由于警务在社会中的作用和责任，谨慎和深思熟虑地处理这个问题很重要。然而，因为这些技术在其他地方的滥用而经常性地抹黑警方的努力并断然否认这种做法的潜在好处似乎是无益的。我绝不是无视所提出的道德挑战，我也认识到使用过去的逮捕和结果记录可能会强化偏见，但这是否足以成为不去尝试的理由呢？
现在是时候开始以不同的方式思考警务工作，并开始倡导在警务工作中更加创新地使用数据，主要有以下三个原因：
1. 这是一个时刻，一个以道德为核心，拥抱新的工作方式的机会；
尽管有一份报告呼吁英国警察部门完全停止使用预测地图程序和个人风险评估程序，但人工智能在警务领域的应用仍在增长，并且没有放缓的迹象；根据德勤的数据，超过一半的英国警察部门计 自雇数据 划在 2020 年前投资人工智能。处于这一旅程的起步阶段意味着有充足的机会在前期制定道德框架和法规，这些框架和法规要求警察部门采取合理措施消除工具中的偏见。
然而，尽管负面报道不足，但在许多情况下，这种情况已经发生。例如，ALGO-CARE™是一个拟议的决策框架，用于在警务中部署算法评估工具，该框架是与达勒姆警察局合作开发的，展示了如何将公共利益和道德原则等道德考虑因素纳入早期部署决策过程。
店面道德行为准则
另一个例子是，尽管最近受到批评，但西米德兰兹郡警察局正在运行的国家数据分析解决方案 (NDAS) 项目包括一系列步骤，以确保该计划尽可能符合道德规范。在技术层面，任何与种族相关的内容都被排除在外，为了帮助减少“地理偏见”，他们还在考虑删除与地理相关的任何内容。此外，NDAS 还咨询了各种独立的道德团体和外部专家，并于 2018 年主动与艾伦图灵研究所数据伦理小组 (ATI DEG)接洽，邀请对高层战略进行审查；了解如何将合适的道德框架应用于该方法。
2. 数据驱动的警务并不意味着消除人类的责任；
机器不会取代警官的知识和判断力，我们也没有看到过仅基于算法结果进行行动的例子，它们只是辅助决策的工具，而不是替代决策。当然，道德必须推动警察实践，技术绝不能被用来根据算法结果惩罚个人，但人工智能在协助人类决策过程方面具有巨大的潜力。
例如，为了预测再次犯罪的可能性（尽管最近受到批评），达勒姆警察局的伤害评估风险工具（HART）利用基于机器学习的统计方法来考虑警方掌握的大量罪犯数据；这些数据远远超过人类拘留官员所能处理的信息，但官员仍对根据评估结果决定应采取何种进一步行动保留最终责任。
3. 为了推动警务工作跟上步伐，警方积极鼓励警队更多地利用数据并采用机器学习：
随着需求的增加和前线压力的增加，警察部队必须寻找不同的工作方式。尽管这是他们已经知道的事情，但政府和其他机构一次又一次地呼应了这一点，有些人甚至评论说，警察部队为满足当前和未来的需求而做出的改变太慢、太温和了。
事实上，在之前的报告中强调了警方缺乏长期规划和技术使用分散之后，女王陛下警察和消防救援服务监察局 (HMICFRS) 总督察汤姆温莎在最新的警务状况报告中直接指示警方采用人工智能；
“凭借人工智能的巨大能力和潜力，警方可以而且必须做更多的事情。这里的机会不仅是让机器更快地完成警方已经做的事情。它还可以利用技术以我们尚未想到甚至可能永远无法想到的方式实现警方的目标。”
当然，如果机器学习达不到标准，满足需求的答案就不能仅靠这一点，但来自高层的明确方向是至少进行实验。
在阴霾中，我希望在未来几个月内，我们将开始看到更多成功使用人工智能进行警务的积极故事。我希望我们将开始看到人工智能赋予洞察力的决策案例，这些决策减少了威胁，保护了弱势群体，甚至挽救了生命。我们知道我们必须谨慎和深思熟虑，但我们也可以乐观和开放地接受。