Kansas City 把臉部辨識搬上公車，AI 監控的下一個戰場不是機場

作者:

臉部辨識最容易被想像成機場、邊境、警局或大型賽事入口的技術。但 Kansas City 這一輪爭議提醒我們，AI 監控真正改變社會的地方，可能不是那些本來就高度戒備的空間，而是每天上下班、去學校、去看醫生時會經過的公車。當一個城市準備讓公車相機不只錄影，還能即時比對乘客是否出現在特定名單上，問題就從「多裝幾支鏡頭」變成「公共交通能不能成為身分篩選的移動入口」。

AP 6 月 18 日報導，Kansas City, Missouri 正準備在部分公車上安裝具備臉部辨識能力的相機，用來偵測乘客是否出現在被禁搭乘者、失蹤人口，或由交通主管機關指定的執法觀察名單上。這項計畫原本希望趕在 World Cup 賽事期間上路，但因為車上 Wi-Fi 路由器需要升級，以支援新相機與票務系統，加上 Missouri 州政府原本預期的資金沒有到位，推出時間被迫延後。

延後不代表縮小。Kansas City Area Transportation Authority 的主管告訴 AP，市方仍打算用地方與聯邦資金推進，而且規模可能比原先 9 輛公車的試點更大，擴到最多 30 輛。這個轉折很有意思：在公共科技採購裡，延宕常常會被解讀成風險訊號，但也可能變成重新包裝、重新找錢、順手擴張的機會。尤其當城市把理由放在大型活動安全、乘客保護與失蹤人口協尋上，反對者要面對的不是單純的技術討論，而是一組很難直接拒絕的公共安全敘事。

承包商 SafeSpace Global 對這套系統的描述，正好呈現臉部辨識部署時最常見的承諾：不是所有人都會被長期建檔，沒有命中名單或安全事件時，臉部資料不會保留；只有在比對到有效警示時，系統才會通知相關人員。這種說法的目的，是把技術從「全面監控」重新定義成「事件驅動的安全工具」。可是 AP 同時報導，公車回到車場後，一般錄影畫面仍可能被交通主管機關存在本地伺服器長達五年。也就是說，即使臉部特徵本身被宣稱不保存，影像治理、存取權限與後續用途仍然會是制度問題。

這也是為什麼公車場景比它表面上看起來更敏感。公車不是自願進入的高安檢區，也不是企業園區或演唱會場館。對很多城市居民來說，它是上班、上學、就醫與日常採買的基礎設施。當一個人沒有車、不能叫車，或只能靠公共交通移動時，所謂「不喜歡就不要搭」並不是實際選項。臉部辨識一旦被放進這樣的基礎服務，乘客與城市之間的權力關係會被重新排列：原本是用票證與行為規範管理乘車，現在則多了一層由演算法、名單與供應商共同運作的身分判定。

支持者會說，公車本來就有攝影機，差別只是讓資訊更快抵達安全人員。KCUR 去年報導 KCATA 計畫時，交通主管就把 AI 相機描述成能分析動作、形狀，並識別失蹤或被誘拐者臉孔的工具；KSHB 也報導，SafeSpace 的試點結合影像、音訊與感測分析，希望在 World Cup 前強化公共交通安全。這些目標並不抽象。駕駛與乘客確實可能遇到騷擾、暴力、失蹤人口協尋或高人流壓力，城市也有義務讓公共交通更安全。

但反對者擔心的不是「安全」兩個字，而是安全工具一旦接上身分辨識，就很難只停留在最初承諾的用途。ACLU 的 Jay Stanley 在 AP 報導中提醒，把臉部辨識指向公共空間的現場畫面，是過去二十多年很少被跨過的一條線；他也警告，今天也許只是狹窄名單，明天可能因為新需求、新治安壓力或新資料共享安排而擴大。這種擴張不一定需要一次戲劇化的政策轉向，更多時候是從「再加一個名單」「再開一個權限」「再接一個資料來源」開始。

Kansas City 的案例也暴露一個更實際的治理漏洞：很多 AI 監控不是先有完整法規，再進入城市；它們往往先以試點、補助、賽事壓力或安全採購的形式上車，然後才倒逼地方政府補上規則。Missouri 州資金因臉部辨識疑慮而沒有如預期支持，顯示政治層級並非毫無阻力；但地方與聯邦資金仍可能讓同一計畫繼續前進。這種多層資金結構讓責任變得分散：州政府可以退一步，城市可以說它仍需要安全方案，供應商可以說它只是提供工具，最後乘客承擔的是制度尚未成熟時的被測試狀態。

真正需要被問清楚的，不只是準確率。臉部辨識系統當然要回答誤判、偏差、弱光、角度、口罩、兒童與不同膚色的辨識問題；但在公車上，治理問題同樣關鍵。誰能把人放進名單？被放進名單的人能不能知道、申訴、移除？命中警示會由誰判讀，會不會直接交給警方？供應商是否能取得資料或模型改進回饋？影片保存五年期間，哪些單位可以調閱？如果今天用來找失蹤者，明天能不能用來追討票務、移民執法、抗議者辨識或一般刑案偵查？

這些問題如果在系統上線後才處理，城市通常會落入被動。因為一旦硬體裝上車、合約簽下去、人員訓練完成，技術就會形成自己的慣性。每一次命中、每一則成功故事、每一場大型活動壓力，都會成為繼續使用的理由；相反地，沒有被看見的錯誤、沒有能力申訴的乘客、沒有公開紀錄的資料調閱，則很容易消失在行政流程裡。這不是 Kansas City 獨有的風險，而是公共 AI 部署普遍面臨的制度時間差。

也因此，這則新聞的重點不只是 Kansas City 會不會把相機裝上公車。更大的訊號是，AI 監控正在從「特定高風險場所」往「日常公共服務」移動。城市可能會先用最合理的案例打開門：找失蹤者、保護司機、處理被禁搭乘者、應付國際賽事人潮。可是公共交通的公平性，恰恰來自它不要求每個人先被技術判定為低風險，才有資格移動。當公車開始學會辨認臉，城市就必須先決定，哪些安全利益足以改寫這個默契。

參考來源

發表迴響