因AI“认错脸”,50岁的她坐了6个月牢:被当诈骗犯抓走,回来后房子、车子和狗全没了!

因AI“认错脸”,50岁的她坐了6个月牢:被当诈骗犯抓走,回来后房子、车子和狗全没了!

整理 | 郑丽媛

出品 | ZEEKLOG(ID:ZEEKLOGnews)

如果有一天,你只是长得像某个人,就被 AI 认定为罪犯——然后被警方带走、关进监狱半年,你会怎么办?

最近,外媒曝光了一起离谱案件:一位来自美国田纳西州的 50 岁女性,仅仅因为 AI 人脸识别误判,被警方当作银行诈骗案的主犯逮捕,并在监狱里待了将近  6 个月。直到银行流水证明她当时根本不在案发地,检方才撤销全部指控。

然而,当她终于重获自由时,她的生活已经几乎被毁掉——房没了,车没了,甚至连她养的宠物狗也没了。

(Angela Lipps 事后接受媒体采访时的照片)

从没坐过飞机,却被押送 1200 英里受审

如开头所说,这位当事人名叫 Angela Lipps,今年 50 岁,住在美国田纳西州中北部。

她有三个已经成年的孩子,还有五个孙子孙女。Lipps 的大半辈子几乎都在当地度过,日常活动范围基本只限于邻近州。她甚至有一个很特别的经历:这辈子从没坐过飞机。

然而在去年夏天,她第一次登上飞机,却是被警方押送到 1200 多英里外的北达科他州接受刑事指控。

原因只有一个——AI 人脸识别系统认定她是银行诈骗嫌疑人。

一段监控视频,让 AI 锁定了她

事情要追溯到 2025 年春天。当时,北达科他州法戈市警方正在调查一系列银行诈骗案件。监控视频显示,一名女性使用伪造的美国陆军军官证在银行柜台取走了数万美元。

(监控录像显示一名女子使用伪造的军官证提取大额现金)

为了确认身份,警方将监控画面输入人脸识别软件,系统返回的匹配结果是:Angela Lipps。

随后,一名负责调查的警探查看了她的社交媒体照片以及田纳西州驾照照片,并在起诉文件中写道:嫌疑人与 Lipps 在面部特征、体型、发型以及发色方面“高度相似”。

于是,警方迅速将她列为主要嫌疑人。但令人震惊的是,在整个过程中——警方从未联系过她,也没有进行任何询问。

她正在带孩子,突然被持枪逮捕

于是 2025 年 7 月 14 日,一队美国法警来到 Lipps 位于田纳西州的家中。

当时,她还正在照看 4 个年幼的孩子,却被法警持枪逮捕,随后她就以“北达科他州在逃嫌疑人”的身份,被关押在田纳西州的县监狱里。

“那一刻太可怕了,我到现在脑海里还会反复想起当时的画面。”

由于属于跨州案件,她在等待引渡期间无法获得保释。在监狱里,她才第一次得知自己被指控在北达科他州犯有 4 项非法使用个人身份信息罪和 4 项盗窃罪。

对此,Lipps 满心疑惑:“我从来没去过北达科他州,我也不认识那里的任何人。”

在田纳西州,法院为她指派了处理引渡流程的律师。她被告知,若要抗辩这些指控,就必须前往北达科他州。可让人难以理解的是,Lipps 在田纳西州监狱里整整待了 108 天,北达科他州警方才来把她带走。

(Angela Lipps 在监狱拘留的照片)

2025 年 10 月 30 日,她被押送到法戈;第二天,她才第一次在北达科他州法院出庭。

律师只做了一件事:查银行流水

在北达科他州,她的辩护律师 Jay Greenwood 接手了案件。

Greenwood 第一步没有研究监控视频,也没有研究人脸识别算法,而是做了一件很简单的事:查看银行记录。他说了一句很耐人寻味的话:

“如果你们只有人脸识别这一项证据,我觉得你们应该做一些更深入的调查。”

当 Lipps 的银行流水被调出来后,案件几乎瞬间出现反转:银行记录显示,在警方声称她在法戈实施诈骗的同一时间,Lipps 实际上在田纳西州的家附近活动。其消费记录包括:存入社会保障支票、在加油站购买香烟、购买披萨、使用 Cash App 支付和通过 Uber Eats 点外卖。

很显然,Lipps 的银行流水证明,她当时距离案发地超过 1200 英里。

坐牢 5 个月后,警方才第一次问她

直到 2025 年 12 月 19 日,法戈警方才第一次在监狱里与Lipps面对面谈话——此时,她已经被关押超过 5 个月了。

而当她的银行流水被摆在桌面上时,案件几乎没有继续调查的必要了。于是在与法戈警方会面后的第五天,也就是平安夜,检方正式撤销所有指控,Lipps 被当场释放。

然而,新的问题马上出现:Lipps 身处北达科他州,而她的家在 1200 英里外的田纳西州。她回忆当时的处境:“我只穿了夏装,没有外套,外面特别冷,地上还积着雪。我很害怕,只想离开,却不知道该怎么回家。”

更令人意外的是:警方没有为她支付任何返程费用。最终,是当地几位辩护律师凑钱为她支付了酒店住宿和伙食费用。随后,一个名为 F5 Project 的非营利组织负责人开车把她送到芝加哥,她才得以回到田纳西州。

回到家,一切已经变了

虽然 Lipps 终于恢复自由,但她的生活已经发生了巨大的变化。

在监狱里的 6 个月中,由于无法支付账单,她不仅失去了房子、车子、宠物狗,更让她难以接受的是——法戈警方至今没有向她道歉。

事后,有媒体向法戈警察局长 David Zibolski 提问:“为什么在 Angela Lipps 被关押的 5 个月时间里,警方从未与她联系或进行询问?”他的回答却非常简短:“谢谢你的问题,但我们今天不讨论这个。”

目前警方仅表示,该银行诈骗案件仍在调查中,但至今没有逮捕任何真正的嫌疑人。

这起事件曝光后,引起了许多人的高度关注与讨论,主要焦点在于“这是AI还是人类的错”:

  • “这怎么能怪 AI?它只是标记了一个可能匹配的对象。而刑事司法系统出于与 AI 无关的原因,竟让这名女子在未进行任何问询或尽职调查的情况下,在监狱里坐了 5 个月牢。与其把矛头指向 AI 这个替罪羊,不如审视那些推卸责任的人类专业人员。”
  • “但我们正目睹普通人掌握 AI 后现实会变成什么样。以前的借口是‘电脑说这是对的’,现在换成了‘AI 说这是对的’。别低估人们会把多少决策权和思考任务交给机器,更别提他们会如何不择手段地逃避责任。”
  • “我真心希望大家明白,将责任从 AI 身上转移,试图追究人的责任,恰恰正中了这些公司的营销下怀。警察无法被问责,因为法律赋予他们实质上的豁免权;系统操作者无法被问责,因为他们只是遵照指示信任系统,因此无需承担责任。当整个链条中的人类都无法为这些行为负责,那么 AI 工具及其制造商便成了我们唯一能追究的对象。”

如今,AI 技术的发展使得人脸识别系统已经被广泛应用于多种场景,但越来越多案例也表明:当算法误判+人工审核缺失时,错误可能会被不断放大。那么,你对于这起事件又有何看法呢?

参考链接:https://www.grandforksherald.com/news/north-dakota/ai-error-jails-innocent-grandmother-for-months-in-north-dakota-fraud-case

推荐阅读:

一天开13个会、一个Bug要修200天!前亚马逊L7爆料:这轮大裁员,AI只是“背锅侠”

为省5-10美元差点毁库!Claude一条指令删光200万条数据、网站停摆24小时,创始人坦言:全是我的错

猛裁1.6万人后,网站再崩6小时、一周4次重大事故!官方“紧急复盘”:跟裁员无关,也不是AI写代码的锅

未来没有前后端,只有 AI Agent 工程师。

这场十倍速的变革已至,你的下一步在哪?

4 月 17-18 日,由 ZEEKLOG 与奇点智能研究院联合主办「2026 奇点智能技术大会」将在上海隆重召开,大会聚焦 Agent 系统、世界模型、AI 原生研发等 12 大前沿专题,为你绘制通往未来的认知地图。

成为时代的见证者,更要成为时代的先行者。

奇点智能技术大会上海站,我们不见不散!

Read more

编写你的第一个 Django 应用(官网demo)

编写你的第一个 Django 应用(官网demo)

安装 Django 确保 Python 已安装(推荐 3.8+版本),通过以下命令安装 Django: pip install django 创建项目 使用 django-admin 创建新项目(例如 djangotutorial): django-admin startproject mysite 目录结构如下: mysite/ manage.py mysite/ __init__.py settings.py urls.py asgi.py wsgi.py 验证: python manage.py runserver 启动开发服务器 进入项目目录并运行: python manage.py runserver 访问

By Ne0inhk
Java 中间件:Kafka 分区策略(自定义分区器实现负载均衡)

Java 中间件:Kafka 分区策略(自定义分区器实现负载均衡)

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕Java中间件这个话题展开,希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * Java 中间件:Kafka 分区策略(自定义分区器实现负载均衡) 🚀 * 1. Kafka 分区机制基础 🧱 * 1.1 什么是分区? * 1.2 默认分区策略 * 2. 为什么需要自定义分区器?🎯 * 场景一:避免热点分区 🔥 * 场景二:按业务维度分片 🗂️ * 场景三:动态负载感知 📊 * 3. Kafka 分区器接口详解 🛠️ * 核心方法说明: * 4. 实战:实现一个简单的自定义分区器 💻 * 4.1 项目依赖 * 4.2 自定义分区器代码 * 4.3 配置生产者使用自定义分区器

By Ne0inhk
《从对话到执行:豆包2.0如何用原生Agent架构颠覆传统大模型?》

《从对话到执行:豆包2.0如何用原生Agent架构颠覆传统大模型?》

从对话到执行:豆包2.0如何用原生Agent架构颠覆传统大模型? 2026年2月14日,字节跳动正式发布豆包大模型2.0,不仅带来Pro、Lite、Mini和Code四大子模型,更重磅推出原生智能体(Native Agent)架构——这标志着大模型正从“被动问答”迈向“主动执行”的新时代。 过去的大模型,本质是“超级聊天机器人”;而豆包2.0,则是一个能自主规划、调用工具、协同多角色、完成复杂任务的“数字员工”。本文将深入解析其Agent架构原理,并通过真实代码演示如何用3行代码实现全链路开发,彻底颠覆你对AI能力的认知。 一、传统大模型 vs 原生Agent:一场范式革命 传统大模型(如GPT-4、Claude等)的核心能力是文本生成与理解。即使支持Function Calling,也需开发者手动定义工具、编写胶水逻辑、处理异常流程,本质上仍是“人在指挥AI”。 而豆包2.0的原生Agent架构实现了三大跃迁: * 自主任务拆解:

By Ne0inhk

Qwen3.5-MoE 多模态大模型架构深度解析

Qwen3.5-MoE 多模态大模型架构深度解析 文档版本: v1.0 分析日期: 2026-02-22 分析来源: config.json + quant_model_weights.safetensors.index.json 架构标识: Qwen3_5MoeForConditionalGeneration 1. 模型全局概览 维度值架构类型Qwen3_5MoeForConditionalGeneration模型类别多模态(Vision-Language)MoE权重总量~420.7 GB(量化后)分片文件99 个 safetensors权重条目279,374 条上下文窗口262,144 tokens(256K)词表大小248,320精度bfloat16(部分组件量化为低精度)Transformers 版本4.57.0.dev0 1.1 模型四大模块 ┌─────────────────────────────────────────────────────────┐ │ Qwen3.

By Ne0inhk