Liệu David Sosa Thực Sự Có Thể Đứng Lên năm 2025?

Trong những tuần sắp tới, Tòa án Tối cao Hoa Kỳ sẽ quyết định liệu có nên xem xét một vụ án đang đợi xử lý mà trong đó có một bản thư hỗ trợ được nộp bởi các David Sosa. Nhiều David Sosa. Các David Sosa đã ký bản thư bao gồm “David Sosa, 32 tuổi, từ Iredell County, Bắc Carolina; David Sosa, 51 tuổi, từ Mecklenburg, Bắc Carolina; David Sosa, 32 tuổi, từ Los Angeles, California; và David Sosa, 50 tuổi, cũng từ Los Angeles, California.” Họ là một trong số hàng nghìn David Sosa sống ở Hoa Kỳ.

Vấn đề là lực lượng chức năng ở Quận Martin, Florida, dường như không thể phân biệt giữa những người David Sosa này, và họ đã bắt giữ và giữ giữa người David Sosa sai lầm với một lệnh bắt cóc mở thuộc về một David Sosa khác. Hai lần.

David Sosa được đề cập trong vụ án đã bị cảnh sát Quận Martin dừng lại vào năm 2014 vì một vi phạm giao thông. Cảnh sát đưa tên anh vào cơ sở dữ liệu lệnh bắt của mình và phát hiện ra một lệnh bắt mở từ năm 1992 ở Quận Harris, Texas, liên quan đến một vụ buôn cocaine. David Sosa chỉ ra rằng David Sosa trong cơ sở dữ liệu có ngày sinh, chiều cao, cân nặng và hình xăm khác nhau. Anh đã bị bắt giữ bất chấp điều này, nhưng ba giờ sau đã được thả sau khi dấu vết vân tay chỉ ra sự không trùng khớp.

Năm 2018, điều này đã xảy ra lại, nhưng lần này (cùng) David Sosa đã chuẩn bị sẵn sàng. Anh giải thích với cảnh sát rằng một lệnh bắt đối với một người cùng tên đã gây ra một vụ bắt giữ sai lầm nhiều năm trước đó trong cùng một quận. Anh đã bị bắt giữ lại, và lần này bị giữ tù trong ba ngày trước khi sai lầm được thừa nhận. David Sosa kiện cảnh sát vì vi phạm Hiến pháp, bao gồm giữ quá thời gian và bắt giữ sai lầm, và anh đã kháo nghị sau khi vụ án của mình bị bác bỏ.

Sau một loạt các thất bại, David Sosa đã đưa vụ án của mình lên Tòa án Tối cao. Tại sao các sĩ quan không cập nhật hồ sơ của họ sau sai lầm năm 2014? Liệu David Sosa có luôn đối mặt với nguy cơ bị đưa vào tù vì anh ta có cùng một tên với một tên buôn bán ma túy đang bị truy nã ở Texas vào đầu những năm 1990? Và trong thời đại của khả năng mới lớn để quản lý và chia sẻ dữ liệu, tại sao những sai lầm như vậy vẫn xảy ra?

Vấn đề này có thể đã tồn tại từ khi cảnh sát bắt đầu duy trì các lệnh bắt. Năm 1967, FBI khởi động Trung tâm Thông tin Tội phạm Quốc gia (NCIC) để chia sẻ thông tin về lệnh bắt trên các hệ thống phân tán được duy trì độc lập bởi hàng nghìn cơ quan cảnh sát ở Hoa Kỳ. Năm nay, hệ thống này xử lý 14 triệu giao dịch mỗi ngày. Nhưng từ những năm 1980, các nhà phân tích đã cảnh báo về các lỗi trong dữ liệu có thể gây ra vấn đề quan trọng về quy trình hợp lý. Một nghiên cứu lưu ý rằng, ngay cả khi đó, mở rộng quyền truy cập vào các lệnh bắt của các khu vực khác không giúp cải thiện chất lượng dữ liệu nhiều; bởi vì “thông tin máy tính không nhất thiết chính xác hơn so với các hệ thống tập tin thủ công, và vì cơ sở dữ liệu máy tính tăng cường khả năng tiếp cận, hiệu ứng của các sai lầm được làm phình lên.”

Vấn đề này đã đặt ra trước Tòa án Tối cao trước đây. Tòa phúc thẩm trong quyết định gần đây nhất của David Sosa dựa trên một vụ án Tòa án Tối cao năm 1979, nơi một người đã sử dụng tên anh trai mình trong một vụ bắt giữ, dẫn đến việc ban lệnh bắt đối với người sai lầm. Mất ba ngày thời gian tù trước khi sai lầm được giải quyết, tạo ra một tiêu chí 72 giờ tương đối tùy ý cho thời gian cần thiết để một vi phạm Hiến pháp kích hoạt trong một số khu vực.

Năm 1994, Thẩm phán John Paul Stevens viết trong một phiếu biểu quyết về sự phản đối cơ bản “xúc phạm đến phẩm giá của công dân bị bắt, bị đeo còng tay, và bị kiểm tra trên đường công cộng chỉ vì một số quan chức đã không duy trì được một cơ sở dữ liệu máy tính chính xác.” Và Thẩm phán Ginsburg bày tỏ lo ngại của mình về cơ sở dữ liệu lệnh bắt vào năm 2009 trong một phiếu biểu quyết về một trường hợp lệnh bắt nhầm lẫn khác. Bà cảnh báo rằng “cơ sở dữ liệu điện tử tạo nên hệ thống thần kinh của các hoạt động công lý hình sự đương đại,” mà “tầm ảnh hưởng và ảnh hưởng của nó đã mở rộng đáng kể.” Nhưng “nguy cơ sai lầm xuất phát từ những cơ sở dữ liệu này không mảnh mai,” vì “các cơ sở dữ liệu của cảnh sát thiếu sự giám sát và thường lạc hậu.”

Trong cả ba quyết định SCOTUS trước đó, cảnh sát đã chiến thắng. Nhóm đa số lập luận rằng sai lầm xảy ra, và các sĩ quan đã làm tốt nhất có thể với thông tin họ có vào thời điểm đó. Và thậm chí nếu sĩ quan mất một khoảng thời gian để giải quyết một sai lầm, ba ngày trong tù không đủ để vi phạm quyền của ai đó. Nhưng sự tiến bộ trong công nghệ nên ngăn chặn những sai lầm cơ bản như vậy, hoặc ít nhất là làm nhanh chóng giải quyết chúng.

Trường hợp của David Sosa làm nổi bật một vấn đề khác của loại hình cảnh sát big-data; một cái tên hào nhoáng che đậy các hệ thống dữ liệu chưa phát triển và không tổ chức. Các công ty công nghệ tư nhân hiện nay cung cấp các giải pháp quản lý lệnh bắt trên đám mây, được quảng cáo là giải pháp cho các hệ thống cơ sở dữ liệu lạc hậu và sự vụng trộm của NCIC. Nhưng các giải pháp công nghệ mới vẫn phụ thuộc vào dữ liệu được tạo ra bởi các sĩ quan cảnh sát và thư ký tòa án, mà nhiều người biết là “đầy lỗi lạc.” Một số hệ thống này đơn giản là tăng cường việc chia sẻ dữ liệu, mà không quan tâm nhiều đến tính chính xác nội bộ hoặc các ứng dụng có hiệu lực từ phía bên ngoài.

Hơn nữa, ngay cả công nghệ hoàn hảo cũng không thể kiểm soát cách sĩ quan sử dụng thông tin trong lĩnh vực - sự quyết định riêng tư sẽ quyết định sĩ quan sẵn lòng hoặc có khả năng mất bao lâu để xác nhận danh tính của một người so với cơ sở dữ liệu lệnh bắt, hoặc họ có mang người đó vào tù vào một buổi chiều thứ Sáu, đối mặt với khả năng phải ở tù thêm một số ngày nữa trước khi một thẩm phán có thể xem xét vụ án. Tiềm năng phát sinh lệnh bắt sai lầm cũng có thể tăng lên với công nghệ mới, khi lệnh tìm kiếm được ban hành cho các dấu vết dữ liệu kỹ thuật số và các công cụ nhận dạng khuôn mặt được sử dụng để ban hành lệnh bắt dựa trên ít hơn nhiều so với nghi ngờ được tạo ra số liệu kỹ thuật số, khiến người vô tội bị buộc tội sai lầm bởi một thuật toán.

Những lệnh bắt nói chung chịu đựng hai loại sai lầm: một lệnh bắt được tạo ra một cách hợp lệ nhưng được đặt sai cho người khác (như trong trường hợp của David Sosa), hoặc một lệnh bắt được tạo ra không hợp lệ nhưng được đặt đúng cho người đúng (như trong trường hợp Tòa án Tối cao năm 2009 của Bernie Herring).

Herring đã bị bắt nhầm lẫn vì một lệnh bắt đã được tòa án hủy bỏ nhưng không được cập nhật trong cơ sở dữ liệu mà các sĩ quan an ninh truy cập. Sau khi bị bắt nhầm lẫn, anh ta bị kiểm tra và một khẩu súng bất hợp pháp đã được thu hồi. Thông thường, một khẩu súng thu hồi thông qua một cuộc bắt giữ sai lầm sẽ bị từ chối ở tòa. Theo thuật ngữ pháp lý, bất kỳ bằng chứng thu được như “quả của cây độc hại” đều phải tuân theo “nguyên tắc loại trừ,” làm cho bằng chứng thu được một cách bất hợp pháp không thể chấp nhận được.

Nhưng vụ án Herring đã mở rộng ngoại lệ “tính tốt” của quy tắc loại trừ khi tòa án quyết định rằng, ngay cả khi các cơ quan được giao nhiệm vụ duy trì một cơ sở dữ liệu lệnh bắt chính xác đã lơ là trong quản lý dữ liệu của họ, sĩ quan cảnh sát ở hiện trường đã dựa vào lệnh bắt không chính xác một cách tốt đẹp. Một vụ án trước đó đã quyết định rằng quy tắc loại trừ không áp dụng đối với những sai lầm do các sĩ quan tư pháp mà thường xuyên duy trì các cơ sở dữ liệu lệnh bắt được sĩ quan cảnh sát sử dụng. Điều này có nghĩa là không có ai để trách nhiệm cho dữ liệu xấu. Nhưng cơ sở dữ liệu được tạo ra bởi những người lao động, và trong nhiều ngữ cảnh khác nhau, thậm chí trong chính phủ, một người lao động sẽ phải chịu trách nhiệm về những sai lầm của mình.

Các rắc rối trong việc đặt trách nhiệm cho các sơ suất lệnh bắt của cảnh sát đi xa hơn cả ngoại lệ tốt. Trong trường hợp đang đợi xem xét của David Sosa về một lệnh bắt hợp lệ được áp dụng cho người sai, các sĩ quan cảnh sát đang tìm cách bảo vệ khỏi những vụ kiện dựa trên nguyên lý miễn trách nhiệm đủ điều kiện. Vì họ là quan chức của bang, cảnh sát lập luận rằng họ miễn trách nhiệm đối với những người bị ngừng, bắt giữ, kiểm tra, và bị giam giữ sai lầm do một lệnh bắt lỗi. Điều này vẫn là đúng ngay cả khi miễn trách nhiệm đủ điều kiện bị chỉ trích là một nguyên tắc pháp lý, và nó đã dẫn Thẩm phán Sonia Sotomayor nhận xét rằng quy tắc này cho phép cảnh sát “bắn trước và nghĩ sau.” Và như David Sosa đề xuất trong đơn kêu oan của mình, nó làm “nhắt mắt” trước các tiến triển trong công nghệ và công việc cảnh sát.

David Sosa và luật sư của anh ấy, một cách dễ hiểu, đang lo lắng. Đơn kêu oan của anh ấy đến Tòa án Tối cao có nội dung: “Cảnh sát có thể bắt giữ Sosa lần thứ ba, thứ tư hoặc thứ năm. Họ có thể thực sự bắt giữ anh ấy mỗi tuần nếu họ muốn—miễn là vẫn còn một lệnh bắt chưa giải quyết cho một David Sosa.”

Và có rất nhiều David Sosas đang gặp nguy hiểm. Các tài liệu tòa án mô tả một số trường hợp: David Sosa là giáo sư triết học tại Đại học Texas tại Austin và đã xuất hiện trong bộ phim Waking Life với vai chính anh. David Sosa đóng quan chức tại San Francisco và là chứng nhân chuyên gia về tài chính trong các phiên tòa. Luật sư David Sosa tại Bronx, hoặc David Sosa làm giám đốc tại Bộ Nông nghiệp Hoa Kỳ. Tiến sĩ David Sosa chuyên nghiệp nội trú tại La Crosse, Wisconsin. Nghệ sĩ siêu thực David Sosa. Một trong hơn 800 David Sosas chỉ trên LinkedIn mà thôi.

Những ngành công nghiệp khác, như ngành công nghiệp kiểm tra lý lịch thương mại, đã gặp khó khăn với việc xác minh danh tính từ nhiều năm nay. Một điều quan trọng được đưa ra bởi những ngành này là ngừng phụ thuộc vào các kỹ thuật kết hợp dựa trên tên—chính kỹ thuật được sĩ quan đã dùng khi ngừng lại David Sosa.

Những ngành công nghiệp khác, như ngành công nghiệp kiểm tra lý lịch thương mại, đã gặp khó khăn với việc xác minh danh tính từ nhiều năm nay. Những nhà phân tích từ Cơ quan Bảo vệ Người tiêu dùng Tài chính lập luận rằng kỹ thuật kết hợp dựa trên tên—điều kỹ thuật mà sĩ quan đã dùng khi ngừng lại David Sosa—tạo ra quá nhiều sai lầm. Điều này không chỉ vì quản lý dữ liệu kém, mà còn vì kỹ thuật kết hợp dựa trên tên gây hại một cách không cân bằng cho người Mỹ gốc Phi, người Mỹ gốc Á và người Mỹ gốc Áchâu, do ít đa dạng về họ tên trong nhóm dân tộc này so với nhóm dân tộc không phải Mỹ gốc Phi.

Gần đây, có một số cuộc thảo luận công khai về cải cách lệnh bắt, đặc biệt là sau cuộc điều tra về công tư của Bộ Tư pháp về Ferguson và hậu quả khủng khiếp của các lệnh bắt không cảnh báo mà khiến cho Breonna Taylor thiệt mạng dưới tay cảnh sát. Phần lớn cuộc thảo luận này đúng đắn khi kêu gọi các thẩm phán ngừng cấp lệnh bắt cho các vi phạm cấp thấp, như bỏ lỡ một buổi tòa hay thanh toán một khoản phạt. Các đề xuất khác cung cấp hướng dẫn kiểm tra và xóa lệnh bắt cũ được lưu trữ trong cơ sở dữ liệu.

Nhưng khi cảnh sát tiếp tục triển khai các công nghệ mới với tốc độ nhanh chóng, chúng ta cần áp đặt trách nhiệm nghiêm túc hơn đối với cách các công nghệ này được sử dụng. Cơ sở dữ liệu lệnh bắt và các nền tảng chia sẻ dữ liệu lệnh bắt có vẻ hơi cơ bản so với phần mềm nhận diện khuôn mặt và máy đọc biển số tự động, nhưng tầm ảnh hưởng của lệnh bắt là rất lớn. Một phân tích năm 2018 đã cho thấy ít nhất 5,7 triệu lệnh bắt đang tồn tại ở 27 tiểu bang. New York City một mình có khoảng 1,6 triệu lệnh bắt mở vào cùng năm đó, và khoảng 810.000 lệnh bắt này đã tồn tại hơn một thập kỷ.

Các lệnh bắt còn mở tạo ra một bóng tối trên những người có thể không biết liệu một lệnh bắt cũ đã được giải quyết hay chưa, ngay cả khi nó được ban hành vì một vi phạm nhỏ từ cách đây hàng thập kỷ. Số lượng lớn lệnh bắt cởi mở tạo ra một mạng lưới nghi ngờ theo kiểu Kafka đối với những người có tên phổ biến, bất kể khu vực quản lý hay sự có sẵn của thông tin đầy đủ. Đã đến lúc đặt trách nhiệm cho các chính quyền địa phương duy trì dữ liệu tốt hơn, đặc biệt là nếu dữ liệu sai lầm khiến một người phải trải qua những ngày ở tù, tách biệt từ gia đình và con cái, và đối mặt với nguy cơ mất việc làm và nhà ở. Nếu công nghệ không thể giải quyết vấn đề, rủi ro kiện tụng có thể sẽ.