里诺市被起诉：AI把路人错认成通缉犯

美国内华达州里诺市的纳税人，可能很快要为一套AI人脸识别系统买单。不是维护费，是赔偿金——而且数额未定。

Jason Killinger的遭遇像极了一场荒诞剧：他在赌场正常下注，系统突然弹窗提示"100%匹配"，保安围上来，警察把他铐走。12小时后释放，零道歉。现在他把整座城市告上了法庭。

从"百分百匹配"到双手被铐：一场算法乌龙的全流程

事件起点是里诺某赌场的监控摄像头。AI系统将Killinger的面部与一名早被禁入赌场的男子比对，输出结果：完全匹配。

赌场保安据此扣留了他。随后赶到的警察Richard Jager没有核实其他证件——Killinger钱包里当时装着至少三张不同ID——直接以"使用假证"罪名逮捕。

联邦法官Miranda Du近期裁定，Killinger可以将里诺市列为被告。此前他已起诉Jager个人，现在枪口抬高了：不是单个警察失职，是整套培训体系的溃败。

诉状措辞尖锐："Jager的行为不是孤立的 rogue employee（问题员工）事件，而是广泛惯例的结果——数百名市政雇员多年来以同样方式制造了数千起非法逮捕。"

算法背锅，谁该负责？

Killinger的律师团队抛出了一个危险数字：数千起。他们指控里诺市未能培训警员合法使用AI面部识别工具，导致系统性侵权。

这个指控如果坐实，意味着算法错误不再是"技术局限"的免责金牌，而是城市治理的失职证据。

赔偿清单已经列好：惩罚性赔偿、律师费、手铐造成的身体伤害补偿。具体金额未公开，但参考同类案件，六位数起步并不夸张。

更值得玩味的是胜诉后果。Killinger若赢，将为"AI时代错误逮捕"树立法律先例——当算法而非人类主导执法判断，责任边界在哪里？

机器抓人，不是第一次翻车

去年北达科他州Fargo市的案例更惨烈。一位无辜祖母被生成式AI系统指认为ATM诈骗犯，羁押超过六个月。银行记录最终证明，案发时她在1200英里之外。

六个月 vs. 十二小时，数字对比背后是同一种模式：警察选择信任机器，放弃基础核实。

Killinger案的特殊性在于，它把追责对象从个人扩展到制度。不是"这个警察太懒"，而是"这座城市默许了懒惰"。

这种诉讼策略的转变，可能比赔偿金额本身更具杀伤力。

当"智能监控"成为城市基础设施

里诺市的困境有普遍性。全球范围内，AI面部识别正快速嵌入公共安全系统——速度快过法律框架的更新，更快过警员培训手册的修订。

赌场是早期 adopters（采用者），因为禁入名单管理需要高效率。但当这套逻辑平移到街道、地铁、机场，误判的代价从"被拒绝入场"升级为"被剥夺自由"。

Killinger的诉状戳破了一个幻觉：技术供应商承诺的"准确率"，不等于司法系统可以承受的"容错率"。99%的正确识别，在千万级人流中意味着数万冤案。

而"100%匹配"这种输出表述，本身就是设计缺陷——它用确定性语言包装概率性结果，直接误导了 downstream（下游）决策者的判断。

里诺市尚未对诉讼公开回应。但内华达州的纳税人或许该问：我们为这套系统付过钱了，现在要为它的错误再付一次吗？