共计 1487 个字符，预计需要花费 4 分钟才能阅读完成。
当 AI 初创公司 Perplexity 宣布向全球公共安全机构免费提供其高级版服务时，执法部门似乎迎来了一位高效的数字助手。但在这项看似便捷的技术合作背后，专家们看到了潜藏的风险漩涡——在警务这样的敏感领域，即便是最普通的 AI 应用，也可能引发蝴蝶效应般的连锁反应。,
AI 走进警局：效率与风险的博弈
Perplexity 推出的“公共安全组织专用计划”承诺帮助警察实时决策、自动化处理日常文书工作：从生成犯罪现场描述、分析执法记录仪内容，到整理调查笔记形成标准化报告。对于警力常年紧张的执法部门而言，这种效率提升颇具吸引力。
然而，纽约大学警务项目的 AI 政策顾问凯蒂·金西指出，危险恰恰隐藏在看似平凡的行政任务中。“这些日常工作的输出，往往是决定起诉与否的关键依据，”她警告道，“将 AI 引入这个流程，等于在司法链条的起点埋下了不确定性。”,
AI 幻觉的代价：从课堂笔记到法庭证据
与生成学习指南不同，执法领域的 AI 错误可能直接改变人生轨迹。AI 的“幻觉”问题——即编造看似合理但完全虚假的信息——在警务场景中呈现出独特的危险性。
最明显的幻觉容易识别（比如 AI 声称警员变成了青蛙），但更隐蔽的风险在于细微的事实篡改：一份警方报告中多出一个本不存在的细节，一个被 AI 误读的监控录像描述，都可能成为错误定罪的起点。现实中已有律师因使用 AI 伪造判例而面临纪律处分的案例，而在执法环节，这种风险将被进一步放大。
Perplexity 强调其以准确性为核心优势，采用 OpenAI 和 Anthropic 的模型并进行专门优化以降低幻觉率。但欧洲广播联盟与 BBC 的最新研究发现，在回答新闻相关问题时，Perplexity 等主流聊天机器人仍有近半数回复存在“至少一个重大问题”。,
AI 警务责任真空：谁该为算法把关？
这引出了核心问题：在 AI 辅助执法的时代，责任边界何在？
乔治华盛顿大学法学院教授安德鲁·弗格森认为，在相关法律完善之前，警方必须自行承担使用风险。“当涉及公民自由和宪法权利时，必须有确保准确性的保障机制。”他说。
但金西指出，将责任完全推给执法部门并不公平。“问题在于，目前根本没有硬性法律规定 AI 在警务中的使用标准，”她表示，“政策制定者必须尽快填补这个监管真空。”,
历史重演？AI 警务的扩张隐忧
Perplexity 并非首个瞄准执法市场的科技公司。自 21 世纪初的“预测性警务”算法开始，技术工具不断渗透执法领域，但也屡屡因算法偏见、缺乏透明度等问题引发争议。近年来，面部识别、AI 测谎等技术已在多国警局试点。
“执法部门是科技公司的优质客户，因为他们不会消失，”金西观察到，“这种公私合作模式正在形成新的常态。”
随着 AI 行业竞争白热化，更多公司可能跟进推出警务专用方案。但历史经验表明，缺乏前置监管的技术扩散往往先于社会共识的形成——从预测性警务算法被指强化种族偏见，到面部识别技术的误判争议，执法技术的演进始终伴随着权利与效率的拉锯。,
寻找平衡点：透明、监督与人类判断
专家建议，任何警务 AI 系统都应建立三重保障：首先是技术层面的透明度要求，包括公开训练数据来源和错误率；其次是操作层面的人类监督机制，确保 AI 输出必须经过人工核查；最后是制度层面的问责框架，明确错误发生时的责任归属。
弗格森教授提醒：“技术可以提供信息，但决策必须保留人类的道德判断。我们不能用算法的‘客观性’来逃避执法的伦理责任。”
在 AI 加速融入公共安全领域的当下，这场关于责任与监管的讨论才刚刚开始。当算法开始参与决定公民的自由与权利时，社会需要回答的不仅是“AI 能做什么”，更是“AI 该怎么做”——以及最终，当错误发生时，谁该为此负责。
