Η Τεχνητή Νοημοσύνη... περιπολεί στους δρόμους της Βρετανίας: Πως την χρησιμοποιεί η Αστυνομία

Η βρετανική αστυνομία αναπτύσσει τεχνολογίες που προσομοιάζουν στην περιγραφή του καθεστώτος του «Μεγάλου Αδερφού» στο μυθιστόρημα του Όργουελ "1984".

Από τις κάμερες αναγνώρισης προσώπου που σας παρακολουθούν να ψωνίζετε μέχρι τους αλγόριθμους που προβλέπουν εγκλήματα πριν συμβούν, τα νέα αυτά εργαλεία δίνουν την αίσθηση ότι έχουν ξεπηδήσει από κάποιο μυθιστόρημα επιστημονικής φαντασίας.

Αλλά δεν υπάρχει τίποτα φανταστικό σχετικά με τους αστυνομικούς της τεχνητής νοημοσύνης, που ήδη «περιπολούν» στους δρόμους της Βρετανίας με τους ειδικούς να αναμένουν περισσότερες εξελίξεις στο μέλλον.

Ο Jake Hufurt, επικεφαλής έρευνας και ερευνών στο Big Brother Watch, προειδοποίησε τη MailOnline: «Υπνοβατούμε σε ένα αστυνομικό κράτος υψηλής τεχνολογίας».

Ζωντανή αναγνώριση προσώπου

Η ζωντανή αναγνώριση προσώπου, όπως υποδηλώνει και το όνομα, επιτρέπει στην αστυνομία να αναγνωρίζει τα καταζητούμενα άτομα ανάμεσα σε μεγάλο πλήθος σε πραγματικό χρόνο.

Η αστυνομία χρησιμοποιεί μια σειρά από κάμερες για να καταγράψει το πρόσωπο οποιουδήποτε περνάει από μια καθορισμένη ζώνη.

Στη συνέχεια, ένας αλγόριθμος συγκρίνει τα πρόσωπα όσων περπατούν μπροστά από την κάμερα με μια «λίστα παρακολούθησης» καταζητούμενων εγκληματιών και δημιουργείται ειδοποίηση, εάν η τεχνητή νοημοσύνη εντοπίσει κάποιον που να ταιριάζει με την περιγραφή κάποιου εγκληματία.

Από το 2015, αρκετές αστυνομικές δυνάμεις σε όλο το Ηνωμένο Βασίλειο έχουν αρχίσει να χρησιμοποιούν αυτήν την τεχνολογία σε δημόσιους χώρους ως μέρος πιο στοχευμένων καταστολών και σε εκδηλώσεις που υπάρχει πολύς κόσμος και είναι δύσκολη η αστυνόμευση.

Η Μητροπολιτική Αστυνομία του Λονδίνου και η Αστυνομία της Νότιας Ουαλίας είναι από τους πιο ένθερμους υποστηρικτές της νέας τεχνολογίας.

Μόνο φέτος η αστυνομία της Νότιας Ουαλίας έχει ήδη αναπτύξει οκτώ ζωντανές ζώνες αναγνώρισης προσώπου, μεταξύ των οποίων συγκαταλέγεται ένα παιχνίδι, το Six Nations και μια συναυλία του Bruce Springsteen.

Έντονες αντιδράσεις από πολιτικούς ακτιβιστές

Ωστόσο, ομάδες πολιτικών ακτιβιστών έχουν εκφράσει ανησυχίες σχετικά με τη χρήση της ζωντανής αναγνώρισης προσώπου, υποστηρίζοντας ότι η τεχνολογία είναι υπερβολικά επεμβατική.

Ο κ. Hufurt λέει: «Είναι σαφές ότι ορισμένες [χρήσεις τεχνητής νοημοσύνης], συμπεριλαμβανομένης της τεχνολογίας Ζωντανή Αναγνώριση προσώπου, δεν είναι συμβατές με μια δημοκρατική κοινωνία και θα πρέπει να απαγορευθούν».

Το 2020, το εφετείο διαπίστωσε ότι η δίκη της αστυνομίας της Νότιας Ουαλίας, η οποία σάρωσε τα πρόσωπα χιλιάδων, είχε γίνει παράνομα χωρίς να λαμβάνεται υπόψη το απόρρητο ή η προστασία των δεδομένων.

Υπάρχουν, επίσης, ανησυχίες ότι η αναγνώριση προσώπου μπορεί να είναι χειρότερη στην αναγνώριση μαύρων προσώπων, καθιστώντας τα ψευδώς θετικά στοιχεία και τις περιττές συλλήψεις πιο πιθανές.

Ενώ οι δοκιμές της Μητροπολιτικής Αστυνομίας διαπιστώθηκε ότι είχαν ακρίβεια 90%, οι δοκιμές που διεξήχθησαν από το Εθνικό Εργαστήριο Φυσικής του Ηνωμένου Βασιλείου (NPL) υποδηλώνουν ότι η μεροληψία παραμένει.

Στην έκθεση του NPL που δημοσιεύτηκε τον Μάρτιο του περασμένου έτους, η τεχνολογία του Met βρέθηκε να έχει «στατιστικά σημαντική ανισορροπία με περισσότερα μαύρα άτομα να έχουν ψευδώς θετικά αποτελέσματα από Ασιάτες ή Λευκούς».

Κάμερες «Μάτι στον ουρανό»

Ένας άλλος τρόπος με τον οποίο η τεχνητή νοημοσύνη ανοίγει τον δρόμο της προς την αστυνόμευση είναι μέσω της χρήσης καμερών που εντοπίζουν αυτόματα πότε διαπράττονται εγκλήματα.

Οι οδηγοί που διαπράττουν παραβάσεις στους δρόμους της Βρετανίας είναι πιθανό να λάβουν σύντομα κάποια κλίση από έναν αστυνομικό τεχνητής νοημοσύνης που τους παρακολουθεί.

Η Safer Roads Humber ξεκίνησε την εβδομαδιαία δοκιμή μιας κάμερας κινητής τηλεφωνίας με τεχνητή νοημοσύνη, η οποία είναι εκπαιδευμένη να εντοπίζει, εάν οι οδηγοί χρησιμοποιούν τα τηλέφωνά τους ή δεν χρησιμοποιούν ζώνη ασφαλείας κατά τη διάρκεια της οδήγησης.

Η κάμερα ενεργοποιείται από ένα τρέιλερ που είναι σταθμευμένο στην άκρη του δρόμου και καταγράφει εικόνες τυχόν οδηγών που περνούν.

Αναγνώριση προσώπου σε καταστήματα

Ωστόσο, δεν είναι μόνο στους δρόμους, όπου η τεχνητή νοημοσύνη είναι παρούσα. Τα σούπερ μάρκετ και άλλα καταστήματα χρησιμοποιούν όλο και περισσότερο την τεχνολογία αναγνώρισης προσώπου για κλοπές.

Τον περασμένο Οκτώβριο, ο υπουργός Αστυνομίας Κρις Φιλπ ανακοίνωσε μια συνεργασία 600.000 λιρών (752.000 $) μεταξύ της αστυνομίας και 13 από τους μεγαλύτερους λιανοπωλητές του Ηνωμένου Βασιλείου, γνωστούς ως Project Pegasus.

Στο πλαίσιο του Project Pegasus, καταστήματα όπως τα John Lewis, Tesco και Sainsbury's θα μπορούσαν να στείλουν το δικό τους βίντεο CCTV στην αστυνομία για ανάλυση.

Στη συνέχεια, η αστυνομία θα χρησιμοποιήσει λογισμικό αναγνώρισης προσώπου AI για να εντοπίσει τους κλέφτες.

Σύμφωνα με μια μελέτη της αστυνομίας της Νότιας Ουαλίας, αυτό μπορεί να μειώσει τον χρόνο που απαιτείται για την ταυτοποίηση ενός υπόπτου από περίπου 14 ημέρες σε λίγα λεπτά.

Προγνωστική αστυνόμευση

Μέσω μιας τεχνολογίας που ονομάζεται «προγνωστική αστυνόμευση», οι αστυνομικοί του Ηνωμένου Βασιλείου χρησιμοποιούν την τεχνητή νοημοσύνη για να προβλέψουν πού είναι πιθανό να συμβεί το έγκλημα και ποιος είναι πιθανό να το διαπράξει.

Αυτά τα συστήματα λαμβάνουν τις τεράστιες ποσότητες δεδομένων που είναι διαθέσιμα στην αστυνομία και αλγόριθμους για να προσπαθήσουν να προβλέψουν τον κίνδυνο εγκλήματος.

Η Avon και η αστυνομία του Somerset χρησιμοποιούν ένα σύστημα που ονομάζεται SPSS, το οποίο δημιουργεί μια «βαθμολογία κινδύνου» για άτομα με βάση προηγούμενα δεδομένα.

Μία λίστα μοντέλων που χρησιμοποιούνται SPSS δηλώνει ξεκάθαρα ότι μπορούν «να υπολογίσουν τον κίνδυνο διάρρηξης τους επόμενους 12 μήνες».

Τα μοντέλα ισχυρίζονται επίσης ότι μπορούν να προβλέψουν τον κίνδυνο να διαπράξει κάποιος μια σοβαρή ληστεία, να επαναλάβει το έγκλημα ή ακόμα και να γίνει θύμα ενδοοικογενειακής βίας.

Αντί να εξετάζουν τα άτομα, τα προγνωστικά εργαλεία αστυνόμευσης επικεντρώνονται σε γεωγραφικές περιοχές.

Αυτό το εργαλείο επιτρέπει στην αστυνομία να δημιουργήσει μια κλίμακα κινδύνου για περιοχές με πληθυσμό μικρότερο από 1.000 έως 3.000 άτομα χρησιμοποιώντας δεδομένα όπως η ανεργία, η στέρηση, τα ποσοστά αντικοινωνικής συμπεριφοράς και προηγούμενα εγκλήματα.