2026 年 9 月 22 日是科幻剧《疑犯追踪》（Person of Interest）开播 15 周年的节点。科技博主 krthr 在 2026 年 11 月初重温这部剧集时感叹，剧中那台监控全美通信并提前预知暴力犯罪的超级人工智能 The Machine，在 2011 年首播时看是纯科幻，在今天看却离现实不远。这种直觉代表了当下公众对 AI 与监控合流的普遍焦虑，但把焦虑对准全知全能的机器，恰恰看错了真正的技术风险。
现实中没有任何一套系统接近 The Machine 的能力。无论是美国国家安全局（NSA）的 PRISM 项目、商业数据分析公司 Palantir，还是各地警局采购的人脸识别与预测性警务工具，都只是高度割裂的局部软件。真正的现实麻烦从来不是算法算命太准，而是执法与情报机构手握一堆数据残缺、带着人口统计学偏见的半吊子工具，却在实际办案中把粗糙的调查线索当成了确定性结论。
PRISM 与 Palantir 拼不出全知机器
大众最容易把斯诺登曝光的 PRISM（棱镜计划）或 Palantir 的警务软件当成现实版 The Machine，但这三者在技术架构与法律边界上完全不在一个维度。The Machine 的核心设定是无差别吞吐全球音视频与通信流，自己理解上下文，直接吐出一个即将涉案的社保号码；而现实系统连第一步的全量数据自动理解都做不到。
根据美国隐私与公民自由监督委员会（PCLOB）及情报界公开文件，美国涉外情报监控法第 702 条款（Section 702）下的监控分为两块：一块是直接向服务商调取数据的 PRISM，另一块是从互联网主干流量中截取的“上游”（upstream）收集。这两项操作都必须绑定明确的目标选择器，比如特定的电子邮箱地址或电话号码，受法定程序和特定审查限制，并不是无限制读取每个人全部数字生活的全知之眼。
商业软件更不具备自动搜罗全网数据的特权。布伦南司法中心（Brennan Center）的调研明确区分过，执法机构采购的 Palantir 软件本质上是数据整合与分析工具，用来帮办案人员把已有的案件卷宗、车牌记录、嫌犯关系表串起来做可视化管理，它本身并不是数据收集项目，Palantir 官方也明确表示目前不提供预测性警务工具。至于警界实际部署的预测性警务系统，美国国家科学院的研究报告指出，这类工具干的活是基于历史报案数据去框定高发案地段或做群体风险评估，根本算不出某个具体自然人明天会不会去抢劫。
剧集替算法做了免费的有效性公关
《疑犯追踪》真正具有迷惑性的地方，在于它用一套反监控的叙事外壳，包装了一个算法百发百中的技术神话。2023 年发表在学术期刊上的一项研究点破了这个悖论：剧集主创虽然在斯诺登事件后频频探讨监控权力的越界与滥用，但为了推动每周抓一个坏人或救一个好人的探案节奏，剧中的机器输出目标人物时几乎从不失手。这种叙事在潜移默化中让观众接受了一个荒谬的前提，即只要喂够数据，算法监控就极其有效且结果干净。
科幻剧最大的谎言不是机器产生意识，而是假设算法的输入完美无瑕。
现实中的算法底牌要粗糙得多。美国政府问责局（GAO）在 2024 年发布的一项审查报告中专门警告，执法部门使用的人脸识别系统给出的匹配结果，顶多只能算作一条调查线索，绝不能当成确定性结论；但在实际警务运转中，一线人员极易高估机器吐出分数的确定性。美国国家标准与技术研究院（NIST）的算法测试也证实，部分主流人脸识别算法在不同人口统计学群体之间存在明显的错误率差异。
同样的问题直接污染了预测性警务。由于历史警务数据本身就包含过往执法偏见与记录缺失，算法跑出来的风险评分只会把旧偏见洗白成看似客观的数学概率。对于采购这些系统的执法机构来说，最大的合规雷区是把拼凑出来的概率线索直接当成抓捕依据；而对于普通公民尤其是特定少数族裔群体，威胁不是被一台算无遗策的神明 AI 盯上，而是因为一次糟糕的跨库数据关联或高错误率的人脸比对，莫名其妙进入警方的重点盘查名单。
- 风险.执法部门在引入新一代大模型与数据整合平台时，若未严格隔离“线索生成”与“证据认定”，算法偏见将直接转化为现实中的错误拘留与司法不公。
从黑屏抗议到后台静默分类的 15 年
这篇 2026 年的观剧笔记还提及了另一组准确的时代坐标：2010 年代初的早期互联网记忆。就在《疑犯追踪》第一季热播期间，2012 年 1 月，包括维基百科在内的大量网站曾发起联合黑屏行动，抗议美国国会的 SOPA（禁止网络盗版法案）和 PIPA（保护知识产权法案）；黑屏抗议次日，美国司法部直接关停了头部文件共享网站 Megaupload。
把 2012 年的街头式网络抗争和 2026 年的怀旧放在一起对比，能看清这 15 年间公众面对技术权力时的处境逆转。在 SOPA 和 Megaupload 的年代，互联网控制权之争是显性的，法案条文、封站动作和全网黑屏都在明处，普通网民在论坛和社区里能清楚看到对手是谁、边界在哪里。
到了 15 年后的今天，监控与控制早就退出了显性的公共视野，拆解成了无数个互不统属却不断累积个人信息的后台数据库。没有一台叫 The Machine 的超级电脑在云端俯瞰众生，但车牌读取器、第 702 条款通信截留、商业数据经纪商的画像与警用分析软件正在后台持续运转。接下来真正需要紧盯的变量，不是哪家 AI 实验室又刷高了多模态推理跑分，而是监管机构能否按 GAO 报告警示的那样，给执法端的人脸识别与数据整合平台套上硬性合规枷锁，禁止把充满瑕疵的自动化分类结果直接等同于嫌疑人定性。