美国监控公司Flock Safety正在向警方提供一种全新的AI搜索工具——它不再仅仅识别车牌，而是让警员直接输入一段文字描述，例如“穿红色连帽衫的男性”或“背着黑色双肩包的人”，系统便能在多个摄像头画面中自动寻找符合条件的个体，实现跨设备、跨区域的持续追踪。这一功能被WIRED记者通过分析该公司发送到警员浏览器中的代码而成功重建，并因此引发了广泛关注。

从“看见”到“理解”：监控体系进入AI时代

Flock Safety成立于2017年，以提供太阳能供电、支持4G网络的自动车牌识别摄像头而迅速扩张，目前其摄像头网络已遍布美国数十个州的社区与警察局。传统的车牌识别系统只记录车牌号，而新工具的突破在于，它将视频内容转化为可被语言查询的对象。这意味着，警方在执行任务时，可以像使用搜索引擎一样与监控系统交互，无需预先知道嫌疑人身份，只需描述外观特征，系统就能从海量视频中筛选出可能的人选。

据WIRED的报道，该工具实质上是将多模态AI模型与实时视频流结合。系统首先对摄像头捕捉到的画面进行人物检测、属性分析和轨迹识别，然后将这些结构化数据与警员的自然语言查询进行语义匹配。与以往只能按时间、地点回放录像不同，这套系统具备了一定的推理与关联能力，甚至可以在没有明确通缉令的情况下，发现并跟踪某个“看起来可疑”的对象。

代码重建背后的调查揭示了什么？

WIRED的记者表示，他们并非通过官方渠道获取演示，而是从Flock发送到特定警员浏览器的JavaScript代码中，逆向剖析出了该工具的工作原理。这种做法显示出该工具已进入实际部署测试阶段，而非仅仅是概念展示。报道中特别指出，该工具能够在多个摄像头的维度上进行“持续性看护”，也就是说，当一个人从一个摄像头的视野中消失，系统会在相邻的摄像头中继续寻找他，并在其重新出现时提醒警方。

“这套工具的实质，是让AI为警方承担连续观察与记忆重组的枯燥工作，但它同时也让监控行为从被动记录转为主动预测。” —— WIRED

此外，WIRED还注意到，该工具的设计语言与Flock现有的“车牌追踪”操作界面一致，且内置了精细的权限控制，例如不同级别的警员可执行不同范围的搜索。显然，Flock希望在执法部门中普及这种“无死角搜索”能力，而不仅仅面向少数联邦级机构。

警方AI监控的边界与争议

此类工具的出现，将美国执法监控的争议推向了新的高度。支持者认为，它能够大幅缩短调查时间，帮助警方在黄金时间内找到儿童失踪案、暴力犯罪中的嫌疑人。Flock公司创始人此前也强调，他们的产品旨在减少犯罪，让社区更安全。

然而，民权组织和隐私倡导者则表达了严重担忧。此前，Flock的车牌数据库曾被曝出允许部分客户在无合理怀疑的情况下扫描所有经过车辆，而新的AI搜索工具一旦大规模部署，将意味着每个人在公共场合的行动轨迹都可能被自动记录、分析与长期存储。尤其当数据库中的信息被视为“商业资产”而非“案件证据”时，其使用方式几乎不受法庭约束。

此外，AI视觉系统在识别性别、肤色、服装时存在固有的偏差，可能将有色人种乃至普通路人错误标记为“匹配”。由于目前美国并没有统一的联邦法律对地方警局使用此类AI监控工具进行限制，许多城市甚至不知道自己辖区安装了多少摄像头，更不用说它们具备何种分析能力。

编者按：技术能走多快，制度的脚步就能落下多远？

当Flock这样的公司把“视频搜索引擎”交给警察时，我们不应只惊叹于技术效率，更要追问：谁授权了这种监控？数据保存多久？错误识别造成伤害时如何追责？AI在执法中的每一次进化，都不该以牺牲公民权利为代价。WIRED这次通过代码挖掘出的不仅是产品形态，更是美国警务正在发生的寂静转型。对于其他地区而言，这是一个需要提前规划监管框架的警告信号。

本文编译自WIRED