2015年，《纽约时报》发表了一场题为“预测性警务是否合乎道德和有效？”的辩论根据兰德公司（Perry，McInnis，Price，Smith，&Hollywood，2013，p.xiii）报告的定义，预测性警务是“应用分析技术，特别是定量技术，以确定警察干预的可能目标，并通过统计预测来预防犯罪或解决过去的犯罪。“在执法中使用预测性警务是从被动警务向主动警务的长期历史转变的一部分。正如Sarah Brayne（2017年，第989页）所描述的，自20世纪80年代以来，警方的工作已经从追捕犯罪嫌疑人转变为对可能发生犯罪的特定热点地区的主动警务。根据Brayne（2017）的说法，“预测警务是热点警务的延伸，大数据（即高频观测）的时间密度使其成为可能”（第989页）。正如服务提供商之一PredPol所解释的，预测性警务使用“犯罪行为模式”的算法分析以及三个数据点，“犯罪的过去类型、地点和时间”，为“执法机构提供针对犯罪最可能发生的地点和时间的定制犯罪预测”（PredPol 2016）

《纽约时报》辩论的重点不是特定的预测性警务技术或服务提供商，而是在一般层面上讨论预测性警务。这场辩论表明，预测性警务的有效性得到了赞扬，而其道德性却受到了批评。正如前联邦检察官、维克森林大学法学院（Wake Forest University School of Law）刑事司法项目主任、教授卡米·查维斯·西蒙斯（Cami Chavis Simmons，2015年）在辩论中所说的那样，“一些研究人员声称（预测性警务软件）比人类分析师更能确定犯罪可能发生的地点，从而预防犯罪。”，她（Chavis，2015）继续说道，

算法无法向警方通报“热点”的潜在条件，这些条件会导致该地区的犯罪。电脑无法告诉警察局，即将在领土上展开暴力对抗的敌对帮派，但当地居民可以

虽然辩论中的一些评论员，如加州大学（UC）预测技术研究所执行主任肖恩·杨（2015），Faiza Patel（2015），纽约大学法学院布伦南司法中心（Brennan Center for Justice at New York University Law School）自由与国家安全项目（Liberty and National Security Program）的联合主任，对“用于预测犯罪地点的算法只会与输入的信息一样好”的效果持怀疑态度，伦敦政治经济学院媒体与传播系助理教授甚至表示，“这些技术从根本上是歧视性的。“这些例子说明了预测性警务的道德和有效性是如何介于新技术和技术之间的，而这些新技术和新技术又是由它们产生的

以《纽约时报》辩论为灵感，我通过一个德国媒体理论框架，即kulturtechniken，研究了预测性警务的伦理与有效性之间的相互交织¹Kulturtechniken，或文化技术，正如现在正在翻译的概念，提供了一种理解“媒体和事物”如何提供“它们自己的执行规则”和“构建我们在实践中的可能性”的方法（L.C.Young，2015）。通过观看《纽约时报》的辩论，我问预测性警务的重要技术是什么。与辩论一样，我的方法并不关注特定的技术或服务提供商，而是谈论预测性警务运作所依据的一般原则。继Bernhard Siegert（2008）之后，我想强调“历史上和逻辑上领先的行动或行动序列”，并帮助我们生成和理解“媒体概念”，如预测性警务（第29页）。辩论本身由六个简短的评论组成。评论员卡米·查维斯·西蒙斯（Kami Chavis Simmons）、阿德森·B·弗朗索瓦（Aderson B.Francois）、Seeta Peña Gangadharan、安德鲁·帕帕克里斯托斯（Andrew Papachistos）、法伊莎·帕特尔（Faiza Patel）和肖恩·杨（Sean Young）是各自领域的专家，他们每个人都代表了一种稍微不同的方法预测性警务。重要的是，我将重点关注专家们在这场辩论中对预测性警务的看法，而不是查看他们对这一问题的实际研究。我的目标是通过这种界定来描述预测性警务的基本递归操作，因为这些操作是为一般受众所描述的，以及这些操作在我们当前的文化和社会中所产生的区别或影响。在实践中，本文的每一个子章节都以介绍《纽约时报》辩论中提到的其中一种操作开始。我的目标是从这些行动中提出Siegert（2015年，第3页）所称的“技术先验”：首先决定和定义预测性警务的道德和有效性的技术条件

文化技术或伦理学作为方法，方法作为伦理学

在她的文章《伦理学作为方法、方法作为伦理学》中，安妮特·马克姆（Annette Markham，2006年，第50-51页）将方法描述为完成某件事的方式，将伦理学描述为理解世界的对话过程。因此，伦理既不是一个预先建立的价值体系，也不是一套正确或错误的信念，而是一个积极的成长过程。完成某件事总是涉及道德选择，而道德选择是为了完成某件事情而做出的。尽管马克姆特别关注研究人员及其伦理和方法，但我想建议的是，她对伦理作为方法和方法作为伦理的理解也可以扩展到非人类领域

现在，文化技术作为一个概念与不同的历史时期有着不同的含义（参见Siegert，2013；Winthrop Young，2013），但在这里，我依赖于杰弗里·温斯罗普·杨（Geoffrey Winthrop Young）（2015）最近将文化技术表述为“区块链”（blockquote>

operative chain），它由行动者和技术对象组成，产生文化秩序和构造，随后作为这些操作的基础。文化技术这一[…]含义的核心是一个概念，即相当简单的操作合并成复杂的实体，然后这些实体被视为运行这些操作的代理或源。（第458页）

Winthrop Young举例说明了这一说法，他指出，人们在构思图像概念之前就画画，在音调概念存在之前就播放音乐。概念没有本体论的优先权，而是从实践中产生的（Winthrop Young，2015，第459页）

Jussi Parikka（2015a，第30页）指出，文化技术具有认识论、组织和社会后果。预测性警务的一种特殊技术是基于犯罪概率来标记热点。正如我将在以下章节中讨论的那样，这些预测不仅能够改变我们如何将某些地区理解为高犯罪率地区，而且将特定地区标记为热点也会改变我们的方向，例如，执法人员对这些地区和生活在那里的人的方向（Chavis，2015）。这说明了Siegert（2013年，第57页）注意到人总是文化技术的产物，没有本体论的优先权。文化技术是人类了解自己并形成主体的手段（Parikka，2015a，第30页）。在这一点上，文化技术的方法不仅与许多传统的后人类主义有相似之处，而且与之不同。温斯罗普·杨（Winthrop Young，2014年，第386页）指出，后人类主义主张人类通过技术和技术进行杂交，但对于文化技术而言，人类从来没有离开过非人

我们正进入一个时代，因为电脑这么说，事情就发生了，这一想法非常符合文化技术方法构建人与技术关系的方式。对于文化技术方法来说，人类对技术的掌握是有问题的。例如，Cornelia Vismann（2013）认为，

文化技术定义了媒体和事物的代理。如果媒体理论是或有一种语法，那么该机构就会在声称语法主语位置和文化技巧的宾语中找到它的表达方式。语法上的人（和人类一样）会在一个给定的句子中占据指定的位置。（第83页）

Vismann（2013年，第83-85页）所建议的是一种视角的改变，即主权主体或自主行动的人被剥夺了权力，并被置于物体和技术之中，这些物体和技术具有能动性，因此决定了可能的行动路线。她的例子改编自沃尔夫冈·沙德尔瓦尔特（Wolfgang Schadelwaldt），是洗澡者和掷枪者，这两种人代表了两种不同的思考代理的方式。根据Vismann（2013）的说法，“洗澡者是由水携带的”，“洗澡的轨迹仍然与水的介质相联系”，而投掷长矛的手只会启动一个有目标的过程（第85页）。然而，尽管水作为媒介的例子更符合文化技术，但这两个过程的差异实际上只是表面上的，因为所有“事物和媒介都将始终作为运营的载体，无论其执行过程中涉及到什么”（Vismann，2013，第86页）。与水一样，矛也决定了一个动作，而操作产生了“一个主体，然后他将声称掌握了工具和与之相关的动作”（Vismann，2013，第83页）

位置和数据

Geoffrey Winthrop Young（2013）提出，“与其解决‘什么是文化技术？’这个问题，不如问：‘文化技术的概念是什么？’”，让我们开始探索《纽约时报》（New York Times）的辩论，看看在道德和有效性的背景下突出的特定文化技巧是什么，以及他们想要回答的问题是什么。与预测性警务有效性相关的一个特殊问题是，犯罪可能发生在哪里

根据Josh Scannell（2015）的说法，当前的许多预测性警务技术都基于疾病或天气预测模型：这些技术侧重于地点，并通过增加潜在犯罪领域的执法人员来进行预防。换言之，位置映射基于数据分析和数据可视化技术，然后用于控制某些区域。例如，PredPol（2016）通过从地图中自动生成500英尺×“每天每班”都可能发生犯罪的地方。这里，我们想起了Siegert（2013）的观点，即空间永远不会“独立于空间控制的文化技术而存在”（第57页）。预测性警务区分的位置非常特殊，因为它们的边界是通过预测性建模定义的，而不是邮政编码、街角或地点的物理边界。例如，这些地区可能是犯罪率高的地区和被确定为“后续犯罪”风险的附近地区（Brayne，2017年，第989页）

这些作者认为，热点是由特定技术主动产生的，这些技术有自己的偏见和问题。Francois（2015）在《纽约时报》评论中指出了犯罪预测技术的历史：使用数据预测犯罪不是一个新概念；本质上，它依赖于一个古老的真理，即罪犯是习惯性的生物，因此，他们会在同一时间、同一地点犯下同样的罪行

预测假释犯再犯可能性的模型自20世纪20年代末开始开发，基于数据的风险评估在过去三十年中一直是司法系统的一部分（Brayne，2017，第981页）。Francois（2015）继续说道：“现代预测警务的新特点是，通过使用所谓的大数据，执法部门可以使用复杂的客观统计和地理空间模型来预测犯罪水平，从而决定何时、何地和如何干预。”。“Gangadharan（2015）将这一承诺称为“对技术在公共安全中的作用的短视。对预测技术的客观性和中立性的错误信念贯穿于整个过程的每一步。”Francois、Patel、Chavis和Gangadharang都将种族定性作为统计和地理空间模型客观性是一种谬论的例子。Francois（2015）指出，早在对数据进行计算分析之前，种族定性就已经成为犯罪预测中的一个问题。Gangadharan（2015）认为，无论是由于隐性还是显性的种族偏见，少数群体社区执法部门对犯罪发生率的过度报告都会给计算分析带来色彩，将这些地区指定为更多警务的“热点”，这可能会导致那里的监禁率增加

如果我们将预测性警务视为一种文化技术而非技术，我们的记录立即从中立或客观转向承认这些系统不断地以自己的方式区分和塑造我们的文化。技术和技术从来都不是中立的；例如，它们建立并维持“跨越种族、性别和阶级的权力边界”，不仅基于身份相关因素，还基于对相关技术和技术的获取，对不同的人产生不同的影响（Noble和Roberts，2015年，第2页，9）。区分不仅仅是人们如何使用技术或技术的问题。正如利亚姆·科尔·杨（Liam Cole Young）（2015）所指出的，“对文化技术的研究认为，媒体和事物不仅仅是被动的对象，可以在有意（人类）主体的突发奇想下被激活。媒体和事物提供了自己的执行规则。”他在这里指的是西格特将门作为文化技术的著名例子。对于Siegert来说，门具有特殊的功能，这限制了它的潜在用途。例如，人们可以打开或关闭门，当打开时，人们可以从一个空间移动到另一个空间。换句话说，预测中使用的大数据技术警务可以被视为解决了一些道德问题，但在这样做的同时，也打开了其他问题。例如，在位置数据的背景下，Brayne（2017，第997页）指出，大数据犯罪预测可以消除一些问题，例如，当面临潜在嫌疑人的不完整信息时，人类倾向于利用关于阶级或种族的刻板印象。然而，参考之前的研究，她（Brayne 2017，第997-998页）也很快注意到，大数据技术只在表面上显得中立，犯罪数据往往不完整；例如，发生在公共场所的犯罪因其举报而发挥了更大的作用，不信任警方的团体和个人不会举报犯罪，警方的注意力往往以不成比例的高比率集中在特定社区。她（Brayne 2017，第998页）指出：“这些社会动态为预测性警务算法中的历史犯罪数据提供了信息。

《纽约时报》辩论中对预测性警务的许多批评似乎表明，由于数据有失偏颇，我们无法真正知道犯罪将发生在哪里。他们强调，在定位热点时使用有偏见的数据甚至可能会造成“紧张局势，进一步破坏最需要警方保护的地区的稳定”（Chavis，2015）。我们能否通过建立更广泛和全面的数据分析机制来解决这个问题，从而更好地了解潜在的犯罪？文化技术方法认为数据只是问题的一部分。西格特（Siegert）（2008）文化技术绝不仅仅是交流或交换信息，而是通过引入差异来创造“秩序”的行为（第35页）。因此，更大的认识论和本体论问题与区分不同地区和生活在这些地区的人有关，首先是在罗马帝国用犁，今天用数据，明天谁知道怎么做。划定界限、划定地点、界定热点从来都不是中立的，也不是客观的，而是一种道德决定和政治行为。正如Siegert（2013年，第60页）所说，它标志着“内部和外部、文明和野蛮之间的区别，一个内部领域，法律在其中占主导地位，一个外部领域，法律不在其中。”，Patel（2015）指出，有时预测性警务不仅用于“预测犯罪可能发生的地点”，而且还用于“谁可能犯罪”。这一问题让我们转向了针对个人并基于未来潜力进行操作的文化技术。在这里，预测性警务引入了文化技术，不再根据人的个人性格甚至过去的历史来评估人，而是根据未来的行动能力来评估人。正是预测的未来，开始制约人类行为的潜力。当然，这里重要的是，预测的未来是通过特定的文化技术实现的。在《纽约时报》的辩论中，Patel（2015）和Sean Young（2015）讨论了试图预测个人行为的特定文化技术。

我们通过社交媒体网站自行生成的数据在计算个人潜在未来方面的作用越来越大。安德鲁·格思里（Andrew Guthrie，2017，第1139-1140页）指出，例如，芝加哥警察局研究“社交网络，甚至社交媒体”，以绘制城市帮派成员之间的关系，并化解报复性暴力。Sean Captain（2015）在一篇讨论日立可视化预测犯罪分析软件的新闻报道中指出，“他们（日立）表示，社交媒体在预测犯罪方面发挥着重要作用，将准确率提高了15%。”，他在《纽约时报》评论中指出，就在五年前，许多人认为社交媒体是一种毫无意义的科技时尚。但社交媒体的使用不再有争议。当然，它可以让人们与他人联系，表达自己，为品牌做广告，但它不仅仅是商业和自我宣传的工具。社交媒体可以用来帮助预测和预防犯罪。

Young（2015）引用了2014年马里斯维尔·皮尔查克高中（Marysville Pilchuck High school）的校园枪击案，并指出，枪击事件发生前一个月，社交媒体上流传着枪手可能伤害自己和他人的信息。对他来说，及早发现并立即治疗有风险的人可能会阻止这种情况。Young（2015）指出，随着预测技术变得更加可用和可靠，它可以用于（通过执法人员和心理健康专业人员之间的合作）为有风险的人提供即时治疗，以防止死亡，并向有危险的人提供服务和信息

对于Sean Young来说，预测性警务的力量最终体现在识别和识别风险主体的理念上。当然，这些技术已经在不同的领域使用；例如，Louise Amoore的研究侧重于解释边境控制如何利用大数据技术识别风险主体。根据Amoore（2011年，第27页）的说法，当代风险演算不是寻求数据点之间的因果关系，而是基于计算不确定性和打开概率世界。作为一个例子，Amoore给了我们一个等式：“如果***和***，与***相关，那么***”，并解释说，在关于边境安全分析的关联规则的决定中，该等式可能是：如果过去前往巴基斯坦的旅行和停留时间超过三个月，与第三方支付的航班相关，那么风险标志，扣留

这就是Amoore所称的数据派生

根据Amoore（2011年，第27页）的说法，数据衍生工具是一种特定的抽象形式，用于当代基于风险的安全计算。这是一种推测未来价值、潜力而非实际价值的技术。数据衍生工具是识别机场潜在恐怖分子的技术（Amoore，2011），但也用于目标营销和识别潜在受众（Arvidsson，2016）。亚当·阿维德森（Adam Arvidsson，2016）在阿莫尔的工作基础上提出，衍生品有两个基本特征：第一，“衍生品具有衍生性质：衍生自基础实体的性质，或者仅仅是一个‘基础’”；第二，衍生品是“投射到未来”的路径（第5-6页）。如果我们将这两个特征结合起来，那么衍生工具所寻求的是基础（资产、商品等）的未来价值。Amoore和Arvidsson都强调的是，将基础分解为质量、构成要素和属性，然后将其重新构建为衍生工具的过程本身就构建了一个与基础实体没有任何必要（代表性）关系的现实。问题不再是“我们是谁，甚至不取决于我们的数据对我们的描述，而是取决于可以想象和推断出我们的倾向和潜力”（Amoore 2011，第28页）

根据《华盛顿邮报》（Washington Post）上的一篇报道，例如，预测性警务系统“当心”将数据转换为威胁分数，以通知警方有关情况或人员：

当警察接到电话时，“当心”会自动运行地址。搜索会返回居民的姓名，并根据一系列公开可用的数据对其进行扫描，以生成每个人或地址的颜色编码威胁等级：绿色、黄色或红色。（Jouvenal，2016年）

Futhermore，Justin Jouvinal（2016年），《当心》背后的一位记者注意到，《当心》的制作者Intrado认为，《小心》如何计算威胁分数是一个商业秘密，因此不清楚在Facebook上对轻罪、重罪或威胁性评论的权重。但是，程序会标记问题并向用户提供报告

人们的想象和推断与另一种文化技巧有关，这就是想象力和推断信息如何被传递给需要它的人。颜色编码的威胁分数是数据分析的结果，也是调解和可视化信息的技术。彩色编码的威胁等级指示器在911事件后在世界上有先例。Brian Massumi（2005）展示了国土安全部如何开发和使用彩色编码的危险警报系统，不仅在恐怖袭击后通知人们，而且“校准公众的焦虑”（第31-32页）。对于Massumi的论点来说，重要的是，颜色编码的威胁图表没有描述对公众的威胁内容。Massumi称这些颜色代码为无意义的信号。威胁图表和威胁分数使数据关系变得可感知，但正如Munster（2013）所指出的，“使某物可感知[…]与感知某物不同”（第82页）

当预测性警务系统生成一个彩色编码图表来可视化威胁级别，而不是描述如何构想威胁时，警察是从受该技术控制的认识论角度出发的。Parikka（2015a）将其称为元编程：“编码人类作为组织的计算方面”（第45页）。他（Parikka 2015a）对作为“软件计算机化环境”的组织感兴趣，在那里，劳动力被训练为遵循抽象的命令，并适应组织逻辑的模式（第45页）。这里的元编程依赖于通过不同的文化技术对人类的心理和生理调节。从元编程的角度来看，使用预测警务的警官成为技术试图完成任务的过程中的一个操作链。如果风险主体或潜在罪犯的身份是基于数学模型，那么警察的行动能力是基于图表中的颜色。人类的能动性和行动能力的认识论基础取决于颜色编码的威胁图和警察接受训练以使用他们所接收的信息的方式，和Myesa Knox Mahoney（2017）使用“象征性警务”的概念来描述一种警务形式，这种形式不直接解决犯罪来源，而是试图通过发出控制区域的信号来预防犯罪。预测性警务，其方法是突出热点，以确定警察的存在，而不是在犯罪发生时阻止犯罪，而是在犯罪开始之前预防犯罪，或者在犯罪发生之前识别风险主体并进行干预，似乎很适合这个定义。

Siegert（2015年，第13页）指出，物质和象征往往与文化技术紧密结合。文化技术是有区别的，通过区别，“象征性被从现实中过滤出来”，“相反，象征性被融入到现实中”。为了说明这一过程，Vismann（2013年，第84页）提到了罗马帝国和使用犁来画线的文化技术，这标志着城市的界限。线内是人类的物质和象征性政权，有围墙、法律、道德规范和市场场所。留在外面的是自然，它成为不守规矩和野蛮的象征。该技术在物质上和象征上都将我们与他们区分开来（Vismann，2013年；L.C.Young，2015年）。同样，预测性警务是以先发制人的逻辑运作的，它显示了象征性（犯罪的可能性）是如何从真实（时空数据）中分割出来的，象征性的（警察的存在）融入了真实的（街道）。

预测性警务的有效性不仅取决于数据的有效使用，还取决于警察资源的有效使用和人体的实际存在。有趣的是，Francois（2015）在《纽约时报》的辩论中问道，使用执法是否是应对犯罪预测建模的最合乎道德的方式：

预测警务逻辑中最深层的缺陷是假设，一旦数据进入模型，模型预测的是警务需求，与需要任何其他不那么强制的社会工具来应对经济困境、家庭错位、精神疾病、环境压力和种族歧视等创伤（这些创伤往往伪装成犯罪行为）相反。

Papachistos（2015）指出，在芝加哥等城市，但与其逮捕或审判这些人，不如用更微妙的方式说服他们远离伤害：

警察和社区成员与那些处于危险中的人坐在同一张桌子上。警方警告法律后果；社区和家庭成员对枪支暴力发出道德和同情的声音；和服务提供商提供就业和医疗服务。

这里的警务不再指警察部队执行法律的职责，而是指通过其他手段使世界变得有意义的技术。例如，帕帕克里斯托斯（2015）提出了以受害者为中心的公共卫生方法；在这里，预测性警务技术，即风险评估和观察，将不再只是执法技术，而是社会服务和社区成员可以使用的技术。

这些观点揭示了预测性警务的复杂性。一方面，这场辩论表明，从技术中可以发现伦理和有效性。例如，Sean Young（2015）指出，“技术，无论是计算机模型还是新颖的医疗程序，都有风险和好处。[…]作为一个社会，我们应该在实施创新时继续研究这些伦理问题。”另一方面，上述弗朗索瓦和帕帕克里斯托斯的例子表明，为了建设性，对预测性警务的批评需要从技术、数据和算法的问题扩展到数据可以发挥作用的各种物理表现，在哪里可以使用，以及谁使用。这是一场从技术到技术的运动，例如，预测性警务的有效性和道德性都不能基于与大数据和算法相关的问题，但Francois（2015）认为，我们需要考虑执法的角色和文化及其当前的政策。

Coda:Ethics

《纽约时报》的辩论问道：“预测性警务是否合乎道德和有效？”。帕帕克里斯托斯（2015）在回答中指出，“算法可能有助于缩小司法系统的重点和范围，导致与公民的接触更少、更公平。但如果警察和检察官在没有监督或问责的情况下使用数据，这种情况就不会发生。”，世卫组织还警告人们不要过度依赖预测性警务技术，并指出始终需要进行人的分析。重要的是，将人类定位为预测性警务的道德管理者或守门人并不能回答预测性警务是否合乎道德和有效，而是试图找出如何两者兼而有之。这些技术越是常规化，在我们社会的不同领域传播得越多，我们的观点就越是变化；我们不再问是否应该使用预测性警务，而是在哪里以及如何使用。预测性警务本身正在成为一种文化技术，我们的道德理解需要适应这一新技术。

在现有的学术中，很少有人谈到道德与文化技术之间的联系，可能是因为技术先验似乎没有多少空间用于基于人类的道德。然而，如果正如Markham（2006年，第50页）所指出的那样，“人们对如何完成某件事所做的每一个选择都基于一套道德原则”，那么伦理似乎也在文化技术的讨论中发挥着重要作用。当使用预测警务时，它会为世界设定特定的秩序和结构。这些秩序和结构是创造伦理功能和伦理模式的文化技术。这些秩序和结构是Parikka（2015b）所称的感官和感觉关系的“系统性重新排列”，这些关系“不再仅仅以感官可直接感知的方式表达”（第181页）。这些命令和构造不是凭空出现的，而是递归操作链的一部分；从被动警务向主动警务的转变与统计分析、计算大数据预测甚至数据可视化的发展紧密相连。主动警务和预测分析带来了识别和瞄准热点的技术，然后可以转化为识别和瞄准个人的技术。这些技术也可以从法律和安全领域应用到我们文化和社会的其他领域。正如肖恩·杨（Sean Young，2015）等乐观主义者所言，“预测技术为我们提供了一类工具，以前只有中情局和国家安全局等秘密机构才能使用。让我们使用它们吧。”

《纽约时报》的辩论始于道德和有效性之间的区别。在辩论中，如果我们遵循这一逻辑，我们会发现有效性通常由计算技术定义（这里的有效性只是指这些技术在世界上产生东西，而不是产生，例如，准确的结果），而伦理则位于人类领域。有趣的是，《纽约时报》的辩论没有提到计算系统伦理治理的一个建议解决方案是将“道德建设想象为机器学习的结果，而不是价值观框架”（Ganesh，2017）。具体而言，已经在自主武器系统的背景下讨论了计算伦理应用，研究人员认为，道德问题可以通过设计一个“道德管理者”来解决，这是一个道德决策成为机器功能的系统（参见Arkin，Ulam，&；Duncan，2009）。该系统的有效性不仅取决于组件中编码的道德约束，还取决于数据和统计数据的使用预言。原则上，这些技术不仅可以用于军事技术，也可以用于其他领域在我们的文化中，自动化和计算能力发挥着重要作用，需要和要求道德治理（参见Arkin，Ulam，&；Wagner，2012；Böhlen&；Karppi，2017，第13页）。因此，道德管理者的组成部分指出了对道德进行计算的可能性。但在这些系统实施之前，让我们回到人类在辩论中的角色。

Vismann（2013年，第87页）认为，“文化技术的研究提出了关于事物和媒体如何运作的问题。”。一方面，我们对预测性警务的运作方式了解得越多，对合乎道德的人类治理和对计算系统的控制的要求就越显得像一个悖论：这些行动的有效性是建立在超越人类阈值的基础上的。因此，预测性警务突出了Vismann（2013）所称的“文化技术的优势点”，在那里“主权主体被剥夺了权力，取而代之的是机构的投资”（第86页）。但另一方面，对这些系统的以人为基础的道德治理的需求也表明了我们作为人类如何被迫在一种文化中找到新的角色，在这种文化中，社会的许多基本部分正在通过计算技术进行重组。用布鲁诺·拉图尔（Bruno Latour，2009年，第174页）的话说，我们“从来没有面对一方面的人，另一方面的事”，而是“面对的是行动计划，其中的部分被赋予了人类的一部分，而其他部分则被赋予了非人类的部分。”，主体的主权不仅受到“决定主体行动领域范围”的文化技术的限制（第84页），而且至少在某种形式上也使主权成为可能（2013年，第88页）。换言之，如果主权人类主体在大数据和预测分析领域被剥夺了权力，那么伦理领域可能是我们人类可以找到新的有意义的角色的地方。

利益冲突声明

作者声明与研究没有潜在的利益冲突，

资助

作者披露收到了以下对本文的研究、作者身份和/或发表的资助：该研究部分由Kone基金会的研究资助。

//section>

简介