在最新一集的《Mindscape》Podcast 節目中，主持人 Sean Carroll 邀請了喬治華盛頓大學法學院（GW Law School）教授 Andrew Guthrie Ferguson，共同探討數位時代下的監控議題，特別是針對 Ferguson 的新書《你的數據將被用來對付你》（Your Data Will Be Used Against You）展開深度對談。這場對談揭示了當代社會如何陷入「自我監控」的陷阱，以及人工智慧如何徹底改變執法機關利用這些數據的方式。
節目開頭提到，近期美國政府與人工智慧公司 Anthropic 之間發生了衝突，主因是國防部希望將 Anthropic 的 AI 技術應用於軍事，而公司方則擔心技術被用於自主武器化無人機或大規模監控 [00:41]。Anthropic 執行長 Dario Amodei 指出，雖然 AI 不會直接去收集原始數據，但它改變了數據的利用方式。在過去，龐大的監控數據因為難以檢索而幾乎無法被濫用，但有了 AI 之後，搜尋大規模數據變得異常簡單，政府甚至可以在民眾不知情的情況下對全民進行有效監視 [01:51]。這種現象催生了 Ferguson 所說的「自我監視 (Self-Surveillance)」陷阱：人們出於生活便利，透過智慧型手機、智慧電視、洗碗機、手錶與汽車，不斷地將個人數據傳送到雲端，這些行為本質上等同於全天候對自己進行「監聽 (Wiretapping)」[03:08]。然而，法律進展的速度遠慢於科技發展，導致多數人渴望擁有的隱私保護在現實法律框架中依然付之闕如 [03:33]。
Ferguson 在法學院授課時，常以一個生動的例子開場。他詢問數位原住民身分的學生，近期旅行時是否使用了地圖？學生們對傳統紙本地圖感到困惑，並承認完全依賴口袋裡的「魔法裝置」或車載 全球定位系統 (GPS) [05:46]。當被問及是否知道這些定位數據可被警方或檢察官在法庭上作為呈堂證供時，雖然學生們面露難色，卻沒有人願意放棄這種便利。這正是當前社會的現狀：我們圍繞著數位便利建構生活，購買每一件智慧裝置——無論是能記錄心跳的智慧手錶、追蹤行程的智慧型手機，還是家中監控寵物的攝影機——在本質上都是在購買監控設備 [06:38]。
Ferguson 強調，這並非對數位創新的譴責，而是對社會尚未正視風險的深思。人們購買 Ring 門鈴攝影機是為了安全，卻未察覺 99.9% 的時間其實是在記錄自己與鄰居的私生活 [22:35]。如果某人開車去參加一場抗議活動，其車載地圖系統必須全程追蹤位置才能運作，這便留下了數位蹤跡 [08:51]。在法律環境變遷下，過去不被視為犯罪的行為，如尋求墮胎或性別肯定醫療（Gender Affirming Care），現在可能使個人甚至其家屬面臨被刑事追訴的風險，而這些數位路徑將成為關鍵證據 [09:14]。
現行的法律架構仍停留在模擬（Analog）時代。Ferguson 在教學中甚至必須向 23 歲的學生解釋何謂縮影膠片（Microfiche），因為目前許多主導性的法律判例仍建立在警察去銀行調閱縮影資料的年代 [10:49]。關於隱私的核心觀念源自 1960 年代末期的「美國訴卡茲案 (United States v. Katz)」，該案定義了隱私的合理期待 (Reasonable Expectation of Privacy) [11:32]。當時的 FBI 探員為了錄下一通投幣式公用電話的對話，必須將一台捲盤式錄音機放在電話亭上方。如今，麥克風無處不在，法律卻未隨之更新 [11:15]。
根據美國憲法第四修正案 (Fourth Amendment)，政府不得進行不合理的搜索與扣押，通常需要法官核發的令狀 (Warrant) 才能進入住宅搜查 [13:04]。但當個人數據存放在 Google 或 Amazon 等第三方雲端供應商時，這是否仍適用於隱私保護，目前法律界仍存在爭議。雖然最高法院在過去的判例中裁定警方需要令狀才能搜索智慧型手機，因為手機包含的私人資訊甚至比家裡還多，但法院也曾呼籲國會制定相關規範，國會至今卻鮮少作為 [17:29]。
Ferguson 指出，獲得令狀的門檻其實並不高。法律標準僅要求 相當理由 (Probable Cause)，這比 51% 的證據優勢還要低，大約僅需 30% 左右的可能性 [19:05]。一旦涉及刑事犯罪，無論數據多麼私密，警方幾乎都能透過令狀取得，包括數位日記、經期追蹤應用程式，甚至是植入心臟的智慧心律調節器 (Smart Pacemaker) [19:51]。書中舉了一個具體案例：一名男子涉嫌縱火詐領保險金，警方透過取得他心律調節器的數據，證明其心跳頻率與他自稱在火災現場奔跑求救的說法不符，最終將該數據作為證據 [21:11]。
這種風險正朝向更具特權的階層擴散。過去，受嚴密監控的多半是貧困社區或有色人種；現在，無論是支持憲法第二修正案的擁槍人士，還是參與政治抗爭的公民，都可能被自動化車牌辨識系統（ALPR）或數位足跡鎖定 [31:54]。甚至連前 FBI 局長 Jim Comey 這種指標性人物，其私人的文字訊息也被用於政治性的刑事調查 [30:21]。
人工智慧的介入讓這一切變得更加危險。全美已有超過 300 個轄區建立了「即時犯罪中心 (Real-Time Crime Centers)」[39:56]。這是一個集中式的指揮系統，整合了街道攝影機、警方密錄器、無人機，甚至是民眾家中或商店的攝影機。AI 的「超能力」在於能夠執行「物件辨識 (Object Recognition)」，辨識並追蹤所有出現的汽車、孩童、狗，或穿著特定顏色衣物的人。例如，警方可以搜尋全城市所有穿「藍色毛衣」的人，並像使用時光機一樣，追蹤該人影在城市中的移動路徑 [37:39]。這種技術賦予了警方前所未有的權力，卻完全缺乏法律監控。此外，公共安全正被外包給如 Axon 這樣的私人企業，這些公司對股東負責，其利益未必與公眾一致 [39:18]。
關於「預測性警務 (Predictive Policing)」，對談中提到早期基於地點或個人的算法嘗試（如在芝加哥或洛杉磯）大多已宣告失敗，既無法證實其有效性，也充滿理論瑕疵 [43:04]。然而，這類技術仍因其「科技感」而受到執法機關青睞。更嚴重的問題在於「臉部辨識 (Facial Recognition)」的誤差 [44:27]。當算法顯示 95% 的匹配度時，非數據專家的警探往往直接採信。臉部辨識系統通常會列出前 10 名或更多嫌疑人，這意味著除了首選目標外，還有至少 9 名無辜者出現在清單中。在現行制度下，檢方往往不需要向辯方律師披露曾使用臉部辨識，也不需要交出其他可能的嫌疑人名單 [47:11]。
針對這些危機，Ferguson 提出了幾項策略。司法層面應更新第四修正案以適應數位時代；立法層面應參考 1960 年代末的《監聽法案 (Wiretap Act)》，對數位數據的調閱設立更高的門檻與「最小化原則」，即僅能針對特定犯罪，且必須證明無其他手段可取得證據 [49:21]。此外，社區教育也至關重要。人們雖然不具備與 Amazon 或 FBI 談判的籌碼，但可以選擇減少不必要的監控設備，例如不再安裝用於監視寵物的攝影機 [50:13]。
對談最後探討了最糟的「暴君測試」情境。中國目前的現狀即為參考：數百萬台攝像頭結合 AI 與社會信用評分，實現了極致的社會控制。雖然犯罪率降低，卻徹底犧牲了自由 [59:51]。諷刺的是，如果美國政府明天強制要求家家戶戶安裝監視器與監聽設備，必然會引發民憤；但現實中，人們卻付錢給 Amazon 以換取這一切。Amazon 擁有的數位紀錄包含民眾的家中對話（Alexa）、門口活動（Ring）、閱讀習慣（Kindle）及消費偏好，這些數據隨時可能因一張合法的傳票或令狀而被迫轉交政府 [01:01:43]。儘管前景充滿挑戰，Ferguson 仍抱持一絲樂觀，認為現在各界對於「權力被武器化」的擔憂已達成某種跨黨派共識，這種危機感或許正是推動立法與司法進步的動力 [01:08:11]。