波士顿洛根国际机场的荧光灯光晕模糊，19岁的大学新生安妮·露西亚·洛佩兹·贝罗扎紧紧地攥着登机牌。她的内心充满了兴奋；她正要前往德克萨斯州，给家人一个感恩节惊喜。但这份期待的温暖很快变成了令人不寒而栗的恐惧。迎接她的不是欢乐的团聚，而是被拘留，她的美国梦与严酷的移民执法现实发生了猛烈的碰撞。在48小时内，她登上了一架飞机，但目的地不是德克萨斯州，而是洪都拉斯，一个她几乎不了解的国家。

特朗普政府后来承认，洛佩兹·贝罗扎的驱逐出境是一个“错误”，这鲜明地承认了一个经常因其不透明性和潜在错误而受到批评的系统。但这份在法庭上发表的道歉，并没有给洛佩兹·贝罗扎带来多少安慰，她的生活已经被一个官僚主义的失误所颠覆。这个看似孤立的案例，凸显了在人工智能驱动的移民执法日益成熟的时代，人们日益增长的担忧：算法偏见的可能性以及正当程序的侵蚀。

这起事件发生在11月，当时巴布森学院的学生洛佩兹·贝罗扎在一次例行安全检查中被标记。尽管法院发布了一项紧急命令，指示政府停止驱逐她出境72小时，以便进行法律诉讼，但她还是被送上了一架飞往洪都拉斯的飞机。这种公然无视法院命令的行为，引发了人们对移民执法机构的问责制和监督的严重质疑。

人工智能在移民执法中的应用正在迅速扩大。算法现在被用于评估签证申请、识别潜在的安全威胁，甚至预测个人逾期居留的可能性。这些系统通常笼罩在神秘之中，依靠庞大的数据集来做出可能对人们的生活产生深远影响的决定。

人工智能面临的关键挑战之一是潜在的偏见。如果用于训练这些算法的数据反映了现有的社会偏见，那么人工智能系统很可能会延续甚至放大这些偏见。例如，如果一个算法接受的数据不成比例地将某些种族与犯罪活动联系起来，那么它可能会不公平地将来自这些群体的人标记为潜在的安全威胁。这是一个典型的“算法偏见”的例子，研究人员对此越来越关注。

“人工智能系统的好坏取决于训练它们的数据，”专门研究人工智能伦理的计算机科学教授艾米丽·卡特博士解释说。“如果数据存在偏见，人工智能也会存在偏见。而且由于这些系统通常复杂且不透明，因此很难识别和纠正这些偏见。”

洛佩兹·贝罗扎的案例强调了在移民执法中使用人工智能时，透明度和问责制的重要性。虽然政府承认了一个“错误”，但造成该错误的根本原因仍不清楚。是数据录入错误？算法中的缺陷？还是不同机构之间沟通的系统性失败？如果没有更大的透明度，就很难防止将来发生类似的错误。

人工智能驱动的移民执法的意义，不仅仅局限于个别案例。随着这些系统变得越来越复杂，它们有可能重塑移民控制的本质。一些专家担心，人工智能可能会导致一个更加自动化和不人道的系统，在这个系统中，个人被视为数据点，而不是人。

“我们需要非常小心地在移民中使用人工智能，”移民律师莎拉·陈警告说。“这些决定对人们的生活有着深远的影响。我们需要确保这些系统是公平、透明和负责任的。”

洛佩兹·贝罗扎的案例是一个警示故事，突出了在移民执法中过度依赖人工智能的潜在陷阱。虽然人工智能提供了更高的效率和准确性的希望，但它也带来了延续偏见和侵蚀正当程序的风险。随着人工智能的不断发展，至关重要的是，我们制定强有力的保障措施，以确保这些系统以合乎道德和负责任的方式使用。移民执法的未来很可能取决于此。