印度的人工智能警务

人工智能技术作为推动社会发展的重要工具，凭借其强大的信息处理和算法学习，有效提高了社会各领域的运行效能。印度的城市化进程持续加快，人口数量迅速增长，犯罪率居高不下，警务力量在复杂严峻的社会治理挑战下捉襟见肘。印度警方通过在警务领域引入人工智能技术这一时代利器，力求打破僵局。

一、印度警务中人工智能的应用现状

2014年11月，印度总理纳伦德拉·莫迪提出，“要将国家警察队伍打造为严格而敏感、现代而机动、警觉而负责、可靠而反应灵敏、精通技术而训练有素的‘智能’警察队伍”。在此大背景下，印度警方在犯罪预防、犯罪侦查、交通处置、反恐处突等警务领域逐渐采用人工智能技术，在缓解警务力量不足、提升处理效率、完善警务服务等方面取得了一定成效。

（一）预测性警务中的智能监控

印度预测性警务的概念源于拉瓦尼亚·古普塔等人的“预测性警务的犯罪率” 研究，主要使用回归模型对犯罪率进行预测。随着人工智能的发展，借助计算机的强大算法，预测性警务可以通过搜集和分析犯罪数据，从海量数据中寻找规律，识别和预测出犯罪概率较高的个人或地理空间区域，进而制定战略战术，降低或减少犯罪活动的发生概率或社会影响。2015 年，负责印度首都社会治安的德里警方与印度空间研究组织（ISRO）合作，推出一项名为“犯罪绘图分析和预测系统”（CMAPS）的技术，实施基于人工智能的预测性警务。据《印度斯坦时报》报道，凭借卫星信息、历史犯罪数据和“100电话热线”生成的数据，该CMAPS技术能每3分钟更新一次犯罪热点地图，对犯罪高发地区进行监控和识别。在喜马偕尔邦，警方启用闭路电视监控矩阵系统，该系统通过19000个闭路电视摄像头，全天24小时向警察总部传输实时流媒体数据。警方通过对这些数据进行技术分析，对监视区域中潜在的犯罪活动有效识别。目前，印度已有19个邦运用人工智能实施预测性警务，在有限巡逻资源的合理分配、犯罪预防战略的有效改进以及社区安全不断加强的目标上有所突破。

（二）犯罪侦查中的面部识别系统

近年来，面部识别系统（FRS）在印度犯罪侦查的警务领域中被广泛运用，尤其是其在提供线索、提高搜索效率等方面的突出优势，极大推进了印度各邦执法机构的侦查办案工作效率，主要运用于失踪人员搜寻、嫌疑人员监控、犯罪人员追踪等方面。

在奥里萨邦，普里地区的警方采用面部识别系统，用智能摄像机对公共场所中嫌疑人员面部特征和动作进行实时监测，与犯罪嫌疑人的相关信息进行匹配，一旦发现线索，便迅速以警报方式传递给警方，辅助警务人员快速应对并制止潜在危险行为。

德里警方采用面部识别系统执行失踪人员搜寻、死者身份确认等警务工作。通过比对失踪人员的照片和视频监控等公开或私人的人脸图像，识别出与失踪人员相关的线索。2018年4月，德里警方采用面部识别技术，通过与儿童追踪门户网站数据库中45000名失踪儿童的照片进行匹配，在4天内追踪到近3000名失踪儿童，并成功识别出2930名失踪儿童。

旁遮普邦警方还将面部识别系统运用于追踪犯罪人员、暴力不法分子等工作中。在塔恩塔兰区，该邦警方在追查一名在毒品交易案件中逃脱的嫌疑人时，通过人工智能辅助面部识别算法，将其照片与10万多条犯罪记录的数据库进行匹配，最终成功将犯罪嫌疑人逮捕归案。

（三）城市交通警务中的智能交通系统

面对交通事故频发和道路交通管理压力，印度各邦在交通警务中引入交通监控设备、智能交通系统、交通数据分析等先进技术，实时监测交通情况，掌握交通流量和拥堵状况，这些技术手段不仅提高了警察部门的管理效率，也为交通管理提供了更精准的数据支持。

在印度超大城市班加罗尔，交警部门推出人工智能交通管理系统（ITMS）。该系统采用人工智能和机器学习，通过自动车牌识别摄像头和闯红灯违规检测摄像头，自动检测超速、闯红灯等交通违规行为，并向交通违规者发送自动生成的罚单。在加尔各答，交通警察部门采用智能设备发送或接收实时交通视频、消息，通过查看视频、人员位置和与警察人员的语音通信来管理交通事故处理现场。

2023年4月，钦奈启动了自适应交通信号控制系统项目。该系统可以通过实时分析城市交通流量和实际需求，自动调整红绿灯间隔，在车流较大时，自动延长绿灯通行时间；在救护车通行时，则通过自动感知开启临时绿色通道。

（四）反恐处突中的人工智能

在印度，由于种姓制度、宗教矛盾、民族冲突等问题，导致极端主义和民族分离主义野蛮发展，极端的暴力行为和恐怖活动时有发生，严重危害了社会稳定和治安。面对这些暴力行为和恐怖活动，印度警方逐步装备智能机器人、无人机等人工智能设备，以降低警务人员安全风险，提高反恐处突效率。

2018年，孟买警方宣称配备了高科技迷你机器人遥控车（Mini Remotely Operated Vehicle，简称MROV）漫游者马克。该车具有45度爬坡、上楼梯、爬梯子等功能，主要用于反恐拆弹，减少人员损失。2019年2月，喀拉拉邦警察总部引进机器人KP-Bot，该设备能够识别警务人员并为其提供警务协助，包括引导报案访客、记录案件等。

2019年12月，德里警方出动无人机监视《公民身份修正案》（CAA）抗议游行队伍，并对其中的关键人物进行实时识别。

2023年6月，钦奈警察局启动印度首支“警用无人机部队”。该部队拥有20多名训练有素的警察人员和9架无人机，通过配备热成像、人工智能系统等设施的无人机，进行高空监视及犯罪活动的快速侦查。

此外，印度警方还为无人机装备催泪瓦斯或胡椒粉等“装备”，广泛应用于空中监视、规划人群控制以及大型集会、游行的现场管控，以在骚乱期间分开控制人群。

（五）反制网络犯罪中的人工智能

面对更加隐蔽、多变的网络犯罪，人工智能技术也纳入了印度执法机构对网络犯罪的反制。印度高级计算发展中心（CDAC）开发了由人工智能驱动的网络取证工具，供执法机构、政府和情报机构使用。

印度政府专门成立了僵尸网络清理和恶意软件分析中心（Cyber Swachhta Kendra），该中心为相关部门提供恶意程序检测、清理恶意代码免费程序，以及用于解决与移动电话威胁相关的M-Kavach等工具，不仅用于警方的执法需求，同时有效促进了全社会对网络犯罪的抵制。

此外，据《印度时报》2023年6月23日报道，坎普尔印度理工学院（Indian Institute of Technology Kanpur，简称IIT Kanpur）为特伦甘纳邦警方开发了一套人工智能系统，该系统拥有所有网络犯罪模式的数据库，并在此基础上可自动将犯罪分为不同的类别。当网络犯罪发生时，系统像虚拟调查员一样，引导警方查询过去作案手法相似或接近相同的案件，并公布因这些罪行而被捕的人员的详细信息以及他们从事活动的地区。

（六）警务服务中的智能APP（客户端）

智能APP也逐渐运用到警务服务中，一方面为警方提供专业职务所需的工具性服务，协助提升警务工作效率，另一方面为社会大众提供便捷警务服务，同时通过信息共享与协作，提升社会协同治安效能。

班加罗尔市警察使用“移动犯罪和犯罪追踪网络和系统”（MCCTNS）的APP，通过它可以扫描夜间路人的指纹，轻松识别犯罪嫌疑人的作案轨迹，提取保留现场证据；阿拉哈巴德警方采用的“智能电子警察移动”APP，目前支持大约 5500 名系统内部警员通过手机快速获取休假批准、在线维护预订等与工作生活密切相关的日常服务。

在对社会公众的治安管理服务上，安得拉邦警方在2023年6月推出了名为“Chatbot”（聊天机器人）的APP。该应用程序帮助手机丢失者实时进行网上报案，而不必前往警察局。报案人只需通过APP提交遗失手机的品牌、联系电话、制造年份等相关信息，警方则可利用相关信息对丢失手机进行搜索追踪，并在第一时间将找回的手机交还失主。

二、印度警务中人工智能的应用局限

（一）应用伦理问题突出

人工智能技术作为辅助警务工作的一种日益重要的手段，其在应用中仍面临一些道德伦理问题。

首先，无法消除印度警方在警务实践中的偏见与歧视，甚至存在将潜在歧视行为合法化的道德风险。由于人工智能分析模型的运行基于大量变量及参数的设置、海量历史数据的选取，这一过程易受设计者、使用者主观认知和价值观的影响，可能作出有偏差的预测，导致执法差异加剧。基于大数据分析的信息收集具有一定的选择性，而在印度社会处于不利地位的群体，如基于种姓、性别、阶级和宗教的弱势群体，往往遭受了更多的监控和质疑。当这些带有倾向性的数据被收录，不仅导致更为根深蒂固的社会偏见，而且还使警务执法存在伦理偏差和不公正。诸如智能交通违规罚款，实际成了某些执法人员别有用心、巧设名目增加非法收入的途径，反而助长了违法行贿、交通违规问题等的增加。

其次，基于人工智能的警务实践中存在侵犯居民隐私和大规模监视的风险。一方面，在预测性警务等实践中收集的大量个人的姓名、地址、电话号码、面部特征等隐私信息，由于客观上缺乏安全保护措施或主观上存在的牟利动机，存在数据泄露和滥用的风险；另一方面，面部识别等人工智能技术一旦出现管理失范或职务腐败，将导致严重的大规模监视风险。比如，特伦甘纳邦作为印度监控最密集的地区之一，其面部识别技术使用规模在印度各邦中最大，同时拥有全国约50%的警用闭路电视摄像头。

（二）应用准确性存疑

人工智能作为一项快速发展、应用广泛的技术创新，不仅自身技术手段需要不断更新升级，而且还需随着社会实践的变化不断完善，这不可避免地会导致其在实际应用中出现误判事故。

2018年8月，德里警方利用面部识别技术对在非法安置机构失踪的妇女进行追踪时，最终识别准确率仅为2%。一方面，由于客观上基础数据库资料的不完整以及识别技术的不完善，导致面部识别算法对于少数族裔、妇女和儿童的准确率较低，致使这些人群更容易被错误地识别为罪犯。另一方面，德里警方将主观判断作为识别标准，存在人为的主观臆断而缺乏科学性。比如在面部识别技术中，德里警方规定将80%的匹配率作为面部识别技术阳性和假阳性之间的阈值。即超过80%认为匹配成功，反之，警方则将其归类为假阳性与阴性之间，判定需通过进一步调查进行确认。至于为何选择80%作为标准，警方并未给出相应解释。

（三）应用标准不一致

人工智能技术在印度警务中的应用多以各邦各自为政，尚未形成全国范围内统一明确的规范标准，导致各邦警察之间信息共享和警务协作较难实现，削弱了人工智能技术应对犯罪活动的实际能力。

究其原因，一是印度政府和社会对于人工智能发展普遍持包容和支持态度，导致对人工智能的开发运用监管较为宽松，也未制定统一标准加以限制。2018年7月，印度规划委员会提出《国家人工智能发展战略》，其中人工智能被看作是新兴经济体的“车库”。而负责人工智能监管的印度电子和信息技术部更是认定人工智能技术“重大且具有战略意义”，偏向于为竭力扩大发展人工智能市场而一路绿灯。二是人工智能在印度警务领域的应用尚处于探索阶段，相关技术和应用场景还在不断发展和演进中。各开发机构基于抢占市场和满足用户诉求，急于探索和试验不同的短、平、快技术解决方案，因此客观上也较难形成统一规范的标准。同时，印度各邦之间存在发展需求、发展水平等差异性，在警务领域中所采用的人工智能应用各有侧重，各邦警方基本上都开发设计符合自己需求的应用程序，这些APP在开发主体以及提供的服务等方面具有较大差异。

三、印度人工智能警务的发展趋势

（一）加强人工智能技术的应用监管

伴随人工智能技术在印度的应用和发展，印度政府虽尚未制定专门法律法规以规范人工智能的发展，但也开始正视基于人工智能的决策偏见歧视、侵犯隐私、缺乏透明度以及责任归属等一系列问题所带来的道德风险。