Жертвы среди мирного населения: справедливость в эпоху Больших данных

Небольшому городу Рединг в штате Пенсильвания приходится нелегко в постиндустриальную эпоху. Раскинувшийся на зеленых холмах в пятидесяти милях к западу от Филадельфии Рединг в свое время разбогател на железных дорогах, стали, угле и текстильном производстве. Но поскольку в последние десятилетия все эти отрасли промышленности находятся в сильном упадке, город зачах. К 2011 году в нем наблюдался самый высокий коэффициент бедности в стране – 41,3 (год спустя его опередил, пусть и совсем немного, Детройт). Рецессия, начавшаяся в 2008 году, совсем подорвала экономику Рединга, налоговые поступления уменьшились, и это вынудило городское полицейское управление сократить персонал на 45 человек, несмотря на высокий уровень преступности.

Шефу полиции Рединга Уильяму Хейму пришлось решать проблему: сохранить на прежнем уровне или даже повысить эффективность работы полиции, несмотря на сокращение штата. В 2013 году Хейм решил инвестировать в программу по предотвращению преступлений, которую производит компания PredPol, стартап в области Больших данных, базирующийся в Санта-Крузе, штат Калифорния. Программа обрабатывала данные о правонарушениях и высчитывала по часам, в каких местах с наибольшей вероятностью могут произойти новые преступления. Город был разделен на квадраты, каждый с два футбольных поля размером. Если полицейские Рединга тратили больше времени на инспектирование именно тех квадратов, в которых с наибольшей вероятностью могли произойти преступления, эти преступления было легче предотвратить. Уже через год Хейм объявил, что количество ограблений снизилось на 23 %.

Предиктивные программы вроде PredPod сейчас пользуются огромным спросом в полицейских участках с урезанным бюджетом по всей стране. От Атланты до Лос-Анджелеса участки отправляют патрульных в наиболее опасные квадраты и рапортуют о снижении уровня преступности. Нью-Йорк использует похожую программу под названием CompStat. А полиция Филадельфии работает с местным продуктом, который называется HunchLa и включает в себя анализ степени риска на местности: в него входит информация об определенных объектах, вроде банкоматов или мини-маркетов, которые могут привлекать преступников. Разработчики программ по предсказанию преступлений, как и их коллеги в других областях индустрии Больших данных, спешат включить в свои программы всю информацию, которая может повысить точность их моделей.

Если подумать, предсказания горячих точек преступлений похожи на модели по перемещению защиты в бейсболе, которые мы обсуждали выше. Эти системы исследуют историю хитов каждого игрока, а затем размещают филдеров в позиции, куда скорее всего прилетит мяч. Программы по предсказанию преступлений анализируют ситуацию подобным образом и помещают патрульных туда, где скорее всего произойдет преступление. Оба типа моделей оптимизируют ресурсы. Но некоторое количество программ по предсказанию преступлений представляют собой более сложные модели, так как предсказывают развитие действий, которое может привести к волне преступлений. Приложение PredPol, например, использует в своей основе анализ сейсмоактивности: оно анализирует определенное преступление в определенном районе, включает его в исторический паттерн и предсказывает, где и когда подобное может снова случиться. (В частности, программа обнаружила такую простую корреляцию: если взломщики проникли в дом вашего соседа, будьте начеку.)

Предиктивные модели преступлений вроде PredPol имеют свои достоинства. В отличие от работников отдела профилактики преступлений из антиутопии Стивена Спилберга «Особое мнение» (а также от некоторых зловещих инициатив в реальной жизни, до которых мы дойдем в ближайших главах), полицейские не выслеживают людей до того, как те совершат преступления. Создатель PredPol Джеффри Брантингем, профессор антропологии Калифорнийского университета в Лос-Анджелесе, делает акцент на том, что модель не различает расы и этническое происхождение. И в отличие от других программ, включающих в себя модели по подсчету риска рецидива, которые мы уже обсуждали и которые используются как ориентиры при назначении срока, PredPol не концентрируется на конкретных людях. Вместо этого она изучает географию. Ключевые данные в ней – это тип совершенного преступления, его место и время. Это кажется достаточно справедливым. И если полицейские проводят больше времени в зонах повышенного риска, срывая планы взломщиков и угонщиков автомобилей, есть хорошие причины верить в то, что программа действует на благо общества.

Но большинство правонарушений не столь серьезны, как ограбления и угоны машин, и именно здесь кроется серьезная проблема. Когда полиция начинает пользоваться системой PredPol, у нее есть выбор. Они могут сосредоточиться исключительно на так называемых преступлениях первой степени тяжести. Это жестокие преступления, включающие в себя убийства, поджоги и разбои. Но они также могут расширить зону охвата и включить в нее преступления второй степени: бродяжничество, агрессивное попрошайничество, сбыт и употребление наркотиков в мелких масштабах. Многие из этих правонарушений обычно остаются не замеченными полицией – если не происходят прямо на глазах у патрульных.

Подобные нарушения порядка в высшей степени распространены во многих бедных кварталах. В некоторых местах полиция называет их асоциальным поведением (ASB). К сожалению, если такое поведение включить в модель, это может испортить анализ. Как только данные о мелких правонарушениях попадают в предиктивную модель, в эти районы подтягиваются дополнительные полицейские силы, и эти полицейские, скорее всего, арестуют там больше людей, чем обычно. В конце концов, даже если цель офицера – препятствовать лишь ограблениям, убийствам и изнасилованиям, у него могут быть спокойные периоды затишья. Такова природа патрулирования. И если в свободную минуту патрульный увидит двух явно несовершеннолетних ребят, которые что-то распивают из бутылки, спрятанной в крафтовый пакет, он их остановит. Такого рода мелкие преступления дают модели все больше точек на карте, и модель отправляет еще больше полицейских в те же самые районы.

Это создает токсичную петлю обратной связи. Сама работа полицейских порождает новые данные, которые оправдывают более усердную работу полицейских. В итоге наши тюрьмы заполняются людьми, осужденных за преступления, в которых нет пострадавших. Большая часть этих преступников происходит из бедных районов, и большинство из них черные или латиноамериканцы. Так что, даже если модель не видит цвета кожи, в результатах ее анализа этот цвет виден прекрасно. В наших сегрегированных городах топография – отличное отражение расовой принадлежности.

Если цель моделей – предотвратить серьезные преступления, можно спросить: почему мелкие правонарушения вообще в них отслеживаются? Ответ заключается в том, что с 1982 года настоящим кредо криминалистов стала взаимосвязь между антисоциальным поведением и преступностью – с тех пор как криминолог Джордж Келлинг и эксперт по публичной политике Джеймс К. Уилсон написали важнейшую статью для журнала Atlantic Monthly. Статья была посвящена так называемой теории разбитых окон, заключавшейся в том, что мелкие преступления и правонарушения создают атмосферу хаоса во всей округе. Законопослушных граждан это отпугивает и побуждает переехать. Они оставляют после себя темные и пустые улицы, которые теперь уже становятся питательной средой для серьезных преступлений. Противоядием может стать общественное сопротивление распространению беспорядка: починка разбитых окон, устранение граффити с вагонов метро и принятие мер по предотвращению мелких правонарушений.

Эта теория воплотилась в кампании нулевой толерантности в Нью-Йорке 1990-х годов. Полицейские могли арестовать подростка за то, что он всего лишь перепрыгнул турникет в метро. Молодых людей задерживали за то, что они раскуривали единственный косяк на компанию, возили по городу в зарешеченном фургоне, после чего ставили на учет в полиции. Кое-кто считал, что именно эти энергичные меры привели к значительному снижению количества серьезных преступлений. Другие с этим не соглашались. Например, авторы бестселлера Freakonomics связали снижение уровня преступности с легализацией абортов в 1970-х. Возникло и множество других теорий: одни считали, что все дело в снижении уровня наркотической зависимости от крэка, другие – что благодарить надо экономический бум 1990-х. В любом случае принцип нулевой толерантности был широко поддержан обществом, и система уголовного правосудия отправила миллионы людей – в основном молодых представителей этнических меньшинств – в тюрьму, причем многих из них – за незначительные правонарушения.

Но нулевая толерантность на самом деле имеет очень отдаленное отношение к теории разбитых окон Келлинга и Уилсона. Их исследование было сосредоточено на показавшейся им успешной полицейской инициативе в Ньюарке, штат Нью-Джерси. Полицейские, патрулировавшие улицы в этом городе, в соответствии с программой должны были проявлять высокий уровень терпимости. Их работа заключалась в том, чтобы приспособиться к стандартам порядка на данной территории и помочь их поддерживать. Стандарты в разных районах города варьировались. Например, в одном нужно было следить за тем, чтобы бездомные пьяницы держали свои бутылки в пакетах и не выходили на главные улицы, но на боковых им находиться было можно. В других районах наркоманам разрешалось сидеть на ступеньках подъездов, но не лежать на них. Основной целью полицейских было не допустить снижения этих стандартов. Полиция, согласно этой схеме, помогала жителям квартала поддерживать их собственный порядок – и не насаждала свой.

Возможно, вы подумали, что я слишком отвлеклась от PredPol, математики и оружия математического поражения. Однако каждый политический подход, будь то теория разбитых окон или кампания нулевой толерантности, представляет собой какую-то модель. Точно так же как мое планирование домашнего ужина или рейтинг колледжей журнала U. S. News, каждая модель борьбы с преступностью требует загрузки определенной информации, после чего следует серия откликов. Важно смотреть на политику таким образом, потому что эти математические модели в наше время заняли доминирующее положение в правоохранительных органах. И некоторые из них представляют собой ОМП.

При этом можно понять, почему полицейские отделы решают включать в модели информацию о мелких правонарушениях. Выросшие на ортодоксальном убеждении о необходимости нулевой толерантности, многие считают взаимосвязь мелких и крупных преступлений не менее очевидной, чем взаимосвязь дыма и огня. Когда полиция британского графства Кент решила опробовать PredPol в 2013 году, они тоже включили в модель незначительные правонарушения – и сначала им показалось, что это сработало. Они обнаружили, что патрулирование квадратов, начерченных PredPol, в десять раз более эффективно, чем патрулирование в случайном порядке, а информация по ним вдвое более точна, чем анализ обстановки, предоставленный полицейскими агентами. Но какого типа преступления лучше всего предсказывает модель? Мелкие правонарушения. И это совершенно логично. Пьяница будет изо дня в день мочиться на одну и ту же стену, наркоман будет валяться на одной и той же парковой скамейке, а вот угонщик автомобилей и взломщик будут как раз активно перемещаться, изо всех сил стараясь предугадать маршруты патрульных машин.

Несмотря на то, что полицейские начальники подчеркивают необходимость бороться прежде всего с жестокими преступлениями, нужно очень сильно сдерживаться, чтобы не позволить потоку информации о мелких правонарушениях хлынуть в предиктивные модели. Легко поверить в то, что чем больше информации, тем лучше. И если модели, сосредоточенные только на жестоких преступлениях, выдадут на экране немногочисленные точки, то включение информации о «досаждающих» преступлениях тут же создаст более полную и яркую картину творящегося в городе беззакония.

И к сожалению, в большинстве случаев такая карта преступности будет отслеживать бедные кварталы. Высокий уровень арестов в этих районах только подтвердит широко распространенное убеждение среднего и высшего классов общества: бедные люди сами ответственны за свои недостатки, именно они совершают большинство преступлений.

Но что, если бы полиция поискала преступления другого рода? Возможно, это покажется нелогичным, ведь большинство из нас, в том числе полицейские, воспринимают систему преступлений как пирамиду. Наверху этой пирамиды находятся убийства. Далее идут изнасилования, вооруженные нападения и нанесение телесных повреждений – эти преступления более распространены. Следующий уровень занимают кражи в магазинах, мелкое мошенничество и даже нарушения правил парковки – то, что происходит повсеместно. Придание большего веса преступлениям, находящимся на вершине пирамиды, кажется разумным. Минимизация жестоких преступлений, как согласится большинство, должна быть главной задачей работы полиции.

Но как насчет преступлений, которые находятся на большом удалении от квадратов на картах PredPol, – преступлений, совершаемых богатыми людьми? В 2000-е годы финансовые короли замечательно повеселились. Они лгали, они ставили миллиарды против своих же клиентов, они занимались мошенничеством и подкупали рейтинговые агентства. В этой среде были совершены огромные преступления, которые привели к кризису в мировой экономике на протяжении почти пяти лет. Миллионы людей в результате лишились домов, рабочих мест и доступа к услугам здравоохранения.

У нас есть все основания полагать, что большинство подобных преступлений и сейчас совершается в мире финансов. Если мы чему-то и научились, то это тому, что движущая цель финансового мира – получить огромную прибыть, чем больше, тем лучше, и что даже какое-то подобие саморегулирования здесь немыслимо. Благодаря богатству этой индустрии и мощи ее лоббистов контроль над финансовой сферой совершенно недостаточен.

Представьте только, что полиция применила бы свою стратегию нулевой терпимости в области финансов. Банкиров и брокеров арестовывали бы за малейшие нарушения – будь то обработка потенциальных клиентов пенсионных фондов с предоставлением им лживых данных в ходе консультаций или другое мелкое жульничество. Представим, что полицейский спецназ выдвигается в Гринвич, штат Коннектикут, а полицейский агент под прикрытием внедряется в среду завсегдатаев одного из респектабельных баров рядом с Чикагской товарной биржей.

Конечно, это маловероятно. У патрульных полицейских нет ни квалификации, ни опыта для подобной работы. Все в их профессиональной деятельности, от физической подготовки до пуленепробиваемых жилетов, адаптировано под опасные улицы. Борьба с преступлениями «белых воротничков» требует людей с другими инструментами и другими навыками. Небольшие и недостаточно финансируемые команды, которые выполняют эту работу, от ФБР до следователей из Государственной комиссии по ценным бумагам и фондовому рынку, за десятилетия работы убедились в том, что банкиры практически неуязвимы. Они тратят много денег на наших политиков (это всегда помогает), а также считаются необходимыми звеньями нашей экономики (это всегда защищает): мол, если большие банки начнут тонуть, то экономика пойдет ко дну вместе с ними (у бедных нет такой защиты). Поэтому, если не считать пары зловещих исключений вроде основателя финансовой пирамиды Бернарда Медоффа, финансистов не арестовывают. В общем и целом они пережили крах рынка 2008 года практически без единой царапины. Что может повредить им сейчас?

Этими примерами я доказываю, что у полиции есть выбор, на что обратить основное внимание. Сегодня они сосредоточены почти полностью на бедных людях. Это их наследие и их миссия, как они ее понимают. И в наше время специалисты по анализу данных вплетают этот социальный статус-кво в свои модели, подобные PredPol, которые оказывают еще большее влияние на наши жизни.

В результате, несмотря на то, что в принципе PredPol предоставляет собой полезный и даже хорошо продуманный инструмент, он также является оружием математического поражения. И в этом смысле PredPol, пусть и с самыми лучшими намерениями, поощряет полицейских концентрироваться исключительно на бедных людях: чаще их задерживать, больше арестовывать и отправлять в тюрьмы. И начальники полицейских управлений во многих случаях (если не в большинстве) считают, что при этом они предпринимают исключительно разумные шаги в борьбе с преступностью. «Именно здесь она и гнездится», – говорят они вам, указывая на гетто на карте города. И теперь у них на руках есть новейшая технология (усиленная Большими данными), которая подкрепляет эту позицию, добавляя процессу точности и наукообразности.

В результате мы криминализировали бедность, полагая, что инструменты, которые мы при этом использовали, – не только научные, но и справедливые.

* * *

Однажды весной 2011 года я посетила дата-хакатон в Нью-Йорке. Цель подобных событий – собрать вместе хакеров, математиков и гиков-программистов и мобилизовать их умственные усилия, чтобы пролить свет на цифровые системы, которые играют в нашей жизни такую большую роль. Я объединила свои усилия с Нью-Йоркским союзом гражданских свобод (NYCLU), и мы хотели рассказать об одном из основных методов борьбы с преступностью в арсенале нью-йоркского департамента полиции – программе «Останови, опроси и обыщи» (Stop, question, and frisk). Широко известный общественности под сокращенным названием «останови и обыщи», этот метод получил значительно более широкое распространение в информационную эпоху CompStat.

Суть метода «останови, опроси и обыщи», который полиция считает своего рода фильтром для потенциальных преступлений, очень проста. Полицейские останавливают людей, которые кажутся им подозрительными. Подозрение могут вызвать манера двигаться, одежда, татуировки и т. д. Полицейские разговаривают с подозрительным человеком, оценивая его в ходе опроса, часто при этом заставив его встать с поднятыми руками к стене или распластав на багажнике автомобиля. Затем задержанного просят показать какое-либо удостоверение личности, а также обыскивают его. Остановите достаточное количество людей, считают поклонники этого метода, и вы, без сомнения, предотвратите множество мелких преступлений, а то и несколько крупных. Эта политика, которую весьма обширно применяла администрация мэра Майкла Блумберга, была с энтузиазмом поддержана общественностью, и за последнее десятилетие число таких задержаний возросло на 600 % – почти до 700 тысяч случаев в год. Подавляющее большинство остановленных прохожих были ни в чем не виноваты, и для них это общение с полицией оказалось весьма неприятным опытом, зачастую вызвавшим у них настоящую ярость. Однако многие жители города связали эту программу с резким снижением уровня преступности в городе. Они почувствовали, что Нью-Йорк стал более безопасным, и статистика это подтверждала. Число убийств, достигшее отметки 2245 в 1990 году, снизилось до 515 (а к 2014-му – даже до 400 в год).

Все знают, что большинство людей, которых полиция останавливает, – молодые темнокожие мужчины. Но сколько именно этих людей? Насколько часто такие задержания ведут к арестам или предотвращают серьезные преступления? Хотя теоретически эта информация открыта, на практике получается, что большая ее часть хранится в базе данных, к которой сложно получить доступ. Это программное обеспечение не будет работать на наших компьютерах, и эти данные не получится конвертировать в таблицы Excel. И наша задача на хакатоне заключалась в том, чтобы открыть доступ к этим данным, освободить их, чтобы мы могли проанализировать эффективность программы «останови и обыщи».

В результате мы обнаружили – без особого, впрочем, удивления, – что в подавляющем большинстве случаев – около 85 % – полицейские останавливали афроамериканцев или латиноамериканцев. В определенных районах многие из таких людей останавливались неоднократно. Только 0,1 % – то есть один человек из тысячи остановленных – был хотя бы каким-то образом связан с насильственной преступностью. Однако этот фильтр позволил задержать многих других за менее серьезные преступления, от хранения наркотиков до употребления алкоголя несовершеннолетними, что в ином случае могло бы остаться незамеченным. Некоторые из задержанных, как несложно догадаться, приходили в ярость – и значительному числу из них в результате предъявили обвинение в сопротивлении при аресте.

Нью-Йоркский союз гражданских свобод подал в суд на администрацию Майкла Блумберга, обвинив ее в том, что политика «останови и обыщи» является расистской. Это пример предвзятого полицейского подхода, который подталкивает большее число представителей этнических меньшинств в систему уголовного преследования и в тюрьму. Для афроамериканца, утверждал иск, вероятность оказаться в тюрьме в шесть раз выше, чем для белого, а вероятность быть застреленным полицией – в двадцать один раз выше, по крайней мере согласно доступной информации (а доступность ее, как уже было сказано, совершенно недостаточна).

Программа «останови и обыщи» – это не в полном смысле ОМП, потому что она основана на человеческом суждении (которое полицейский офицер делает при опросе задержанного), а не на формализованном алгоритме. Но здесь налицо простой и деструктивный расчет: если полиция остановит тысячу человек в определенных кварталах, то в среднем будет вскрыто одно тяжкое преступление и множество более мелких. Это не так уж отличается от спам-рассылки и хищнических рекламных объявлений, у каждого из которых ничтожные шансы на успех. Даже если у каждого случая задержания по отдельности ничтожная вероятность попадания, если случаев достаточно много, вы все же достигнете цели. И это помогает понять, почему данная программа получила такое распространение в эпоху мэра Блумберга. Если задержание в шесть раз большего количества подозрительных лиц в шесть раз увеличит число арестов, то неудобства и унижения, которые придется претерпеть при этом тысячам тысяч невинных людей, оправданны. Разве эти самые люди не заинтересованы в том, чтобы преступность была остановлена?

Впрочем, некоторые аспекты программы «останови и обыщи» были весьма похожи на ОМП. Например, эта программа приводила к образованию губительной петли обратной связи. Она загоняла в тюрьмы тысячи афроамериканцев и латиноамериканцев, причем многих из них – за мелкие правонарушения, которые совершаются каждый субботний вечер в студенческих компаниях и остаются безнаказанными. Но хотя абсолютное большинство студентов университетов могут спокойно спать после своих вечеринок, жертвы программы «останови и обыщи» оказываются в полицейском участке, ставятся на учет, а некоторые из них отправляются в итоге в настоящий ад – в тюрьму Рикерс-Айленд. Более того, каждый арест подпитывает базу данных, все больше оправдывая эту политику.

По мере распространения политики «останови и обыщи» почтенный юридический принцип, согласно которому для любого задержания должны быть достаточные основания, практически утратил всякое значение, потому что полиция начала охотиться не только на людей, которые, возможно, уже совершили какое-нибудь преступление, но и на тех, которые могли бы совершить его в будущем. Иногда полиция, без сомнения, достигала своей цели. Арестовав молодого человека, в чьем подозрительно оттопыренном кармане обнаружился незарегистрированный пистолет, полицейские, возможно, избавили квартал от еще одного убийства или вооруженного ограбления. А возможно, и нет. В любом случае в подходе «останови и обыщи» была своя логика – и для многих она оказалась убедительной.

Но был ли этот подход конституционным? В августе 2013 года федеральный судья Шира Шейндлин постановила, что нет. Она заявила, что офицеры на постоянной основе «задерживали черных и латиноамериканцев, которые не были бы задержаны, если бы они были белыми». Политика «останови и обыщи», по ее мнению, нарушала Четвертую поправку Конституции, которая защищает от безосновательных обысков и задержаний; кроме того, эта политика не обеспечивает равное право на защиту, гарантированную Четырнадцатой поправкой. Судья призвала к серьезным реформам в полицейской политике, включая более постоянное использование камер, закрепленных непосредственно на патрульных полицейских. Это помогло бы установить, имелись ли в каждом случае достаточные основания для задержания, и отчасти устранило бы непрозрачность модели «останови и обыщи». Но это никак бы не решило проблему неравномерного распределения усилий полиции.

Изучая ОМП, мы часто сталкиваемся с выбором между справедливостью и эффективностью. Наши юридические традиции в значительной мере склоняются к справедливости. Конституция, например, провозглашает презумпцию невиновности, и сама она сконструирована таким образом, чтобы охранять эту ценность. Но с точки зрения создателя модели, презумпция невиновности – это помеха, в результате которой некоторые виновные будут отпущены на свободу, особенно если у них есть деньги на хороших адвокатов. Даже те, кого признаю́т виновными, имеют право на обжалование вердикта, что отнимает время и ресурсы. Таким образом, система жертвует большой долей эффективности, обещая бо́льшую справедливость. Конституция неявно подразумевает, что для общества менее опасно отпустить из-за недостатка улик подозреваемого, который вполне мог совершить преступление, чем посадить в тюрьму или казнить невиновного.

Оружие математического поражения, с другой стороны, имеет тенденцию предпочитать эффективность. По самой своей природе такое оружие работает на основе данных, которые можно измерить и посчитать. Но справедливость сложно поддается измерению. Это концепция. А у компьютеров, при всем их прогрессе в языке и логике, все еще серьезные сложности с концепциями. Они «понимают» красоту только как слово, которое ассоциируется с Большим Каньоном, закатами над океаном и советами по уходу за внешностью в журнале Vogue. Они тщетно пытаются измерить «дружбу», подсчитывая лайки и взаимные пересечения на Facebook. А концепция справедливости ускользает от них полностью. Программисты не знают, как написать для нее код, к тому же очень немногие их начальники просят это сделать.

Итак, справедливость в ОМП не подсчитывается. В результате происходит массированное, промышленное производство несправедливости. Если вы представите себе ОМП в образе завода, то несправедливость – это черные клубы, поднимающиеся из труб. Это токсичные выбросы.

Вопрос в том, готовы ли мы как общество пожертвовать частью эффективности в интересах справедливости. Следует ли нам препятствовать работе моделей, удаляя из них определенные данные? Например, вполне возможно, что добавление гигабайта данных по антисоциальному поведению может помочь PredPol предсказать на карте координаты места, где, возможно, произойдет серьезное преступление. Но это происходит ценой образования негативной петли обратной связи. Поэтому я выступаю за то, чтобы исключить эти данные.

За это дело сложно бороться – во многих аспектах это похоже на борьбу против прослушки телефонных разговоров, которой занимается Агентство национальной безопасности. Защитники прослушки утверждают, что это необходимо для нашей безопасности. И люди, которые управляют нашим огромным аппаратом национальной безопасности, будут и дальше пытаться добыть как можно больше информации, чтобы выполнять свою миссию. Они продолжат покушаться на личную неприкосновенность граждан, пока им не сообщат, что они должны выполнять свою работу в рамках Конституции. Возможно, так им будет сложнее, но это необходимо.

Другая проблема заключается в вопросе равенства. Стало бы общество с такой охотой жертвовать концепцией достаточных оснований, если бы каждому члену общества пришлось испытать на себе все унижение и неудобства метода «останови и обыщи»? У полиции Чикаго есть своя программа «останови и обыщи». Что, если бы они во имя справедливости послали патрульных на Золотой берег – в один из самых респектабельных районов города? Что, если бы они начали задерживать тех, кто, закончив пробежку в парке, перебежал Северный бульвар в неположенном месте, или обрушились на владельцев пуделей, которые справили свою нужду на Лейкшор-драйв? Это усиленное присутствие полиции, вполне вероятно, позволило бы выявить нескольких пьяных водителей и, возможно, вскрыло бы несколько случаев мошенничества со страховками, домашнего насилия или рэкета. Время от времени, чтобы каждый почувствовал вкус неприкрашенной действительности, полиция должна бросать богатых граждан в свои фургоны, выкручивать им руки и заковывать в наручники – возможно, нецензурно ругаясь при этом и оскорбляя задержанных.

Через некоторое время благодаря повышенному вниманию к Золотому берегу у полиции накопится определенное количество информации. Она зафиксирует повышение уровня преступности в этом квартале, а это привлечет сюда еще больше полицейских сил, что, несомненно, приведет к дальнейшему озлоблению и росту конфронтации. Я представляю себе, как нарушитель правил парковки отказывается выйти из своего мерседеса, и в итоге ему предъявляют обвинение в сопротивлении аресту. Раскрыто еще одно преступление на Золотом берегу!

Описанная мной картина может показаться не слишком серьезной. Но важнейшая часть справедливости – равенство. И это означает, помимо многих других вещей, равное для всех применение правосудия. Люди, которые ратуют за политику «останови и обыщи», должны испытать ее на своей шкуре. Правосудие не может быть чем-то, что одна часть общества натравливает на другую.

Пагубный эффект неравномерного распределения усилий полиции, будь то «останови и обыщи» или предиктивных моделей вроде PredPol, не заканчивается в момент ареста обвиняемых и постановки на учет в правоохранительных органах. Как только они оказываются за решеткой, они испытывают на себе воздействие еще одного ОМП, которое я обсуждала в главе 1: модель предсказания рецидива, рекомендации которой используются при вынесении приговоров. Предвзятые данные, полученные благодаря неравномерности распределения полицейских сил, поступают напрямую в эту модель. Затем судьи изучают этот анализ, претендующий на звание научного, и выводят на его основании коэффициент риска. И те, кто воспринимают этот коэффициент серьезно, имеют основания назначать более длительные сроки заключения людям, которые, как им кажется, с большей вероятностью совершат в будущем новые преступления.

И почему же небелые заключенные из бедных кварталов с большей вероятностью будут совершать преступления? В соответствии с данными, вводящимися в модели предсказания рецидива, причина в том, что они с большей вероятностью останутся без работы, у них нет аттестата о среднем образовании и в прошлом они уже сталкивались с законом – и их друзья тоже.

Однако если взглянуть на те же самые данные по-другому, можно увидеть, что эти заключенные живут в бедных кварталах с ужасными школами и мизерными возможностями. Эти кварталы постоянно патрулируются полицией. Поэтому вероятность, что бывший заключенный, вернувшийся в родной квартал, снова столкнется с законом, в самом деле гораздо выше, чем у неплательщика налогов, который окажется после освобождения в своем тенистом пригороде с частными домами. В этой системе бедные и небелые наказываются в большей степени за то, что они – те, кто они есть, и живут там, где они живут.

Более того, для системы, претендующей на научность, в модели предсказания рецидива слишком много логических ошибок. В них не подвергается сомнению установка, что назначение заключенным «высокого риска» более длительных сроков делает общество более безопасным. Это правда, конечно, что заключенные не совершают преступлений против общества, находясь за решеткой. Но, может быть, время, проведенное ими в тюрьме, тоже оказывает влияние на их поведение после освобождения? Что, если годы в жестоком окружении увеличивают, а не уменьшают вероятность того, что они снова совершат преступление? Подобный вывод мог бы подорвать саму основу рекомендаций по назначению сроков. Но тюремные системы, которые захлестывает данными, не проводят эти крайне важные исследования. Слишком часто они используют информацию, чтобы оправдать работу существующей системы, а не усомниться в ее правильности или что-то в ней подправить.

Сравните это с отношением, принятым на Amazon.com. Это гигантское предприятие розничной торговли, так же как и система криминального правосудия, сосредоточено на своего рода рецидиве. Только цель у него противоположная. Amazon нужно, чтобы люди снова и снова приходили в магазин и совершали покупки. Его программное обеспечение идентифицирует рецидивы и поощряет их.

Если бы сайт Amazon функционировал как система юстиции, он бы начал ранжировать покупателей как потенциальных рецидивистов. Возможно, большая часть живет в определенных районах или имеет дипломы о высшем образовании. В этом случае Amazon будет делать этим людям больше предложений – возможно, со скидками, и, если эта маркетинговая система сработает, люди с высоким коэффициентом вероятности рецидива вернутся, чтобы сделать новые покупки. При поверхностном взгляде результат подтвердил бы эту систему баллов.

Но, в отличие от ОМП в системе уголовного судопроизводства, Amazon не удовлетворяется столь поверхностными корреляциями. Компания располагает собственной лабораторией по обработке данных. И если она хочет выяснить подлинный механизм покупательского рецидива, она проводит полноценные исследования. Специалисты Amazon по анализу данных не просто изучают места проживания и уровень образования покупателей. Они также исследуют уже имеющийся опыт общения этих людей с экосистемой Amazon. Они могут начать с обследования моделей поведения людей, которые совершили на Amazon одну-две покупки и после этого никогда не возвращались. Возможно, у них были проблемы с оформлением заказа? Или его слишком поздно доставили? А сколько из таких покупателей оставили отрицательные отзывы в интернете? Появляются все новые вопросы, потому что будущее компании основано на системе, которая постоянно продолжает самообучение и выясняет, что же заставляет людей обращаться к ее услугам снова и снова.

Если бы у меня была возможность стать специалистом по анализу данных в системе правосудия, я бы приложила все усилия, чтобы как можно глубже узнать, что происходит в тюрьме и какое воздействие тюремный опыт оказывает на дальнейшее поведение заключенных. Сначала я бы рассмотрела ситуацию с одиночным заключением. Сотни тысяч заключенных содержатся круглосуточно в этих тюрьмах внутри тюрем, и большая часть этих камер имеет размер не больше лошадиного стойла. Исследователи обнаружили, что время, проведенное в одиночном заключении, генерирует глубокое чувство безнадежности и отчаяния. Может ли это оказать воздействие на вероятность будущего рецидива? Я бы хотела провести такой тест, но не уверена, что данные по этому вопросу когда-либо собирались.

А как насчет изнасилований? В книге «Нечестно: новая наука несправедливости в уголовной юстиции» Адам Бенфорадо пишет об определенных типах заключенных, которых насилуют в тюрьмах. Особенно уязвимыми оказываются молодые и физически слабые, а также люди с психическими отклонениями. Некоторые из них годами живут в роли сексуальных рабов. Это еще одна важная тема для анализа, который мог бы провести кто угодно, располагающий соответствующей информацией и квалификацией, но тюремные системы пока еще ни разу не выражали заинтересованности в каталогизации случаев насилия над личностью.

Серьезный ученый провел бы также исследование позитивных моментов тюремного опыта. Какое воздействие может оказать большее количество солнечного света, занятий спортом, лучшего питания, обучения грамоте? Возможно, эти факторы улучшат поведение заключенного после освобождения. Что более вероятно, они могут иметь разнообразное влияние. Серьезная исследовательская программа в рамках правосудия рассмотрела бы эффект от каждого из этих факторов, а также как они работают все вместе и какого рода людям они больше всего помогают. Цель при конструктивном использовании этих данных заключалась бы в оптимизации тюрем – так же как компании вроде Amazon оптимизируют сайты или системы поставок – для блага как заключенных, так и для всего общества.

Но у тюремных администраций есть целый ряд причин, по которым они избегают подобного исследовательского подхода. Очень велик риск негативного освещения в прессе – ни одна тюрьма не хочет оказаться объектом разгромного репортажа в New York Times. И конечно, в перенаселенную тюремную систему США вложены большие деньги. Частные тюрьмы, содержащие только 10 % заключенных страны, – это индустрия стоимостью в пять миллиардов долларов. Подобно авиакомпаниям, частные тюрьмы извлекают прибыль, только если загружены полностью. Слишком глубокое изучение вопроса может угрожать их основным источникам доходов.

Так что вместо того, чтобы анализировать и оптимизировать тюремную систему, мы имеем дело с черными ящиками. Заключенные попадают внутрь и исчезают из вида. Безусловно, с ними творятся неприятные вещи, но это происходит за толстыми кирпичными стенами. Что именно там творится? Не спрашивайте. Сегодняшние модели упорно придерживаются сомнительной и непроверенной гипотезы о том, что более длительный тюремный срок для заключенных с предположительно высоким риском рецидива делает наше общество более безопасным. Так что если появятся исследования, которые опровергают эту логику, их легко можно будет игнорировать.

Именно это сейчас и происходит. Давайте вспомним об исследовании рецидива, проведенном профессором экономики из Мичигана Майклом Мюллером-Смитом. После изучения 2,6 миллиона судебных дел в округе Харрис штата Техас он заключил, что чем бо́льшие тюремные сроки получали осужденные в этом округе, тем сложнее им было найти работу после освобождения, с тем большей вероятностью им требовались талоны на еду и другие социальные пособия и с тем большей вероятностью они совершали преступления в дальнейшем. Но чтобы превратить эти выводы в новую разумную политику и лучшее правосудие, политикам придется встать на сторону меньшинств, представителей которых многие (если не большинство) избиратели боятся и предпочитают игнорировать. Защита меньшинств определенно не придаст таким политикам популярности.

* * *

Политика «останови и обыщи» может казаться несправедливой и назойливой, но в скором будущем она также будет считаться примитивной. Это из-за того, что полиция заимствует инструменты и технику у всемирной кампании против терроризма и сосредотачивает их на локальной борьбе с преступностью. В Сан-Диего, например, полиция не просто останавливает прохожих и спрашивает у них удостоверения личности или обыскивает. Периодически задержанных фотографируют, а затем отправляют фото в облачное приложение для распознавания лиц, которое пробивает изображение по базе данных преступников и подозреваемых. По данным New York Times, полиция Сан-Диего использовала эту программу распознавания лиц на 20 600 людях в период с 2011 по 2015 год. Кроме того, у некоторых задержанных брали мазки из полости рта, чтобы провести анализ ДНК.

Прогресс в технологии распознавания лиц вскоре позволит проводить гораздо более широкомасштабную слежку. Власти Бостона, например, обсуждали использование камер наблюдения для сканирования тысяч лиц во время уличных концертов. Эти данные были бы загружены в сервис, который сможет за секунду сопоставить каждое лицо с миллионом других. В конце концов было решено отказаться от этой идеи. В данном случае забота о личной неприкосновенности перевесила соображения эффективности. Но так будет не всегда.

По мере прогресса технологий мы, без сомнения, увидим серьезный прогресс наружного наблюдения. Хорошая новость, если вы предпочитаете ее такой считать, заключается в том, что, как только тысячи камер наблюдения в наших городах начнут отсылать наши лица на идентификацию, полиции больше не придется задерживать людей в таких количествах. И эта технология, безусловно, окажется полезной при розыске подозреваемых – как это случилось после теракта во время Бостонского марафона. Но это означает, что мы все станем подвергаться цифровому варианту «останови и обыщи», когда наши лица будут прогоняться через базы данных известных преступников и террористов.

Фокус внимания после этого может запросто сместиться к выявлению потенциальных нарушителей – не просто кварталов и квадратов на карте, но конкретных личностей. Эти профилактические кампании, уже вовсю использующиеся в борьбе с терроризмом, представляют собой благодатную почву для развития ОМП.

В 2009 году департамент полиции Чикаго получил грант на два миллиона долларов от Национального института юстиции, чтобы разработать предиктивную программу борьбы с преступностью. Теория, лежавшая в основе успешной заявки на грант, заключалась в следующем: достаточное количество данных и исследований позволит продемонстрировать, что распространение преступности, как и эпидемии, происходит по определенным закономерностям, которые можно предсказать. А если повезет – то и предотвратить.

Научным руководителем чикагской инициативы был Майлз Верник, директор Исследовательского центра медицинской визуализации и Иллинойсского технологического института (IIT). За несколько десятилетий до этого Верник помогал американской армии анализировать данные для выбора тактических целей на поле боя. С тех пор он переключился на анализ медицинских данных, включая данные о развитии деменции. Но, как большинство специалистов по анализу данных, он не считает себя привязанным к определенной сфере деятельности. Он подмечал самые разные паттерны. В Чикаго сферой своей деятельности он избрал паттерны преступлений и преступников.

Начальные усилия команды Верника концентрировались на выделении горячих участков для преступлений – примерно по тому же принципу, как в программе PredPol. Но команда Чикаго пошла гораздо дальше. Они составили список из примерно 400 человек, которые с наибольшей вероятностью могли совершить насильственное преступление, и расположили участников этого списка по степени вероятности участия каждого из них в убийстве.

Одним из людей в этом списке оказался двадцатидвухлетний Роберт Макдэниел, не доучившийся в свое время в средней школе. Открыв дверь своего дома летним днем 2013 года, он столкнулся нос к носу с полицейским офицером, которая сообщила Роберту, что отныне полиция будет за ним присматривать. Позже Макдэниел рассказал Chicago Tribune, что никогда не был замечен в ношении оружия и ни разу не обвинялся в преступлениях против личности. Но, как и у большинства молодых людей из Остина – опасного квартала по соседству с гораздо более благополучным Вест-Сайдом, – у Макдэниела были неприятности с законом и многие его знакомые находились за решеткой.

Данные, анализ которых привел полицию на порог дома Макдэниела, включали в том числе информацию о его круге общения. Он был знаком с преступниками. Нет сомнений в том, что люди статистически с большей вероятностью ведут себя так же, как их окружение. Facebook, например, обнаружил, что часто общающиеся между собой друзья с большей вероятностью кликнут на одно и то же рекламное объявление. Статистически говоря, с кем поведешься, от того и наберешься.

И, надо отдать должное чикагской полиции, они не арестовывают людей вроде Роберта Макдэниела – во всяком случае, пока. Цель полиции в этой программе – спасать жизни. Если четыреста людей, которые, как им кажется, с большей вероятностью могут совершить серьезное преступление, получат личное предупреждение пришедшего к ним домой полицейского офицера, возможно, хотя бы часть из них призадумается, прежде чем взять в руки оружие.

Но давайте рассмотрим случай Макдэниела в терминах справедливости. Так вышло, что он вырос в бедном и опасном квартале. Тут ему не повезло. Он все время был окружен атмосферой насилия, а многие из его знакомых находились за решеткой. В основном из-за этих обстоятельств – а вовсе не из-за его собственных действий – его сочли опасным. Теперь полиция за ним присматривает. Если он сделает какую-нибудь глупость, какие делают миллионы других американцев – например, купит наркотики, или ввяжется в драку в баре, или будет задержан с незарегистрированным пистолетом в кармане, – закон со всей мощью обрушится на него, причем, возможно, накажет Роберта гораздо строже, чем большинство из нас. В конце концов, он был предупрежден.

Я считаю, что модель, которая привела полицию на порог к Роберту Макдэниелу, имеет ложную цель. Вместо того чтобы просто пытаться искоренять преступность, полиция должна предпринимать попытки выстраивать отношения на прилегающей территории. Это было одним из столпов изначального исследования «разбитых окон». Полицейские были на ногах – они разговаривали с людьми и помогали им поддерживать их собственные общественные стандарты. Но эта цель во многих случаях оказалась потерянной из вида, перечеркнутой моделями, которые ставит знак равенства между арестом и повышением безопасности.

Не везде, правда, дела обстоят именно так. Недавно я посетила Кэмден, штат Нью-Джерси, – город, который был в 2011 году признан «столицей убийств» США, – и обнаружила, что городское полицейское управление, которое было реорганизовано и переведено под управление штата в 2012 году, имело двойной мандат: понизить уровень преступности и завоевать доверие населения. Если целью становится завоевание доверия, арест может оказаться последним прибежищем, а не исходным выбором. Более человечный подход может привести к более теплым отношениям между полицией и населением и к меньшему количеству трагедий, которые мы видели за последние годы – убийства полицией молодых черных мужчин и последующие бунты.

С математической точки зрения, однако, доверие сложно подсчитать. Это большая проблема для людей, создающих математические модели. Намного проще продолжать подсчитывать количество арестов и строить модели, предполагающие, что о нас следует судить по нашему окружению. С невиновными людьми, живущими в районах с высокой преступностью, обращаются плохо, а преступники, живущие среди законопослушных граждан, остаются непойманными. И из-за сильной корреляции между бедностью и выявленной преступностью бедняки продолжают попадаться в эти цифровые сети. Остальные из нас о них практически и не думают.