Przyszłość nadzoru dotyczy zachowań, a nie twarzy

W 1787, angielski filozof Jeremy Bentham wpadł na pomysł więzienia, które kosztowałoby ułamek kosztów innych współczesnych więzień, praktycznie bez żadnej wewnętrznej przestępczości. Jego teoretyczne więzienie, panopticon, było zakrzywione, a komórki skierowane do wewnątrz, w kierunku punktu środkowego, w którym stałaby wieża strażnicza. Okna wieży strażniczej miały być zaciemnione z jednej strony. W ten sposób pojedynczy strażnik będzie w stanie obserwować zachowanie wszystkich więźniów. Ale co ważniejsze, więźniowie nigdy nie będą wiedzieć, czy strażnik miał na nich skierowany wzrok. Rezultat końcowy: każda osoba w więzieniu uwewnętrznia poczucie bycia obserwowanym przez cały czas i zachowuje się odpowiednio.

Ta idea panopticonu stała się zagrożeniem dla wszechobecnej inwigilacji, głównie ze względu na wybór Bentham - więzienia. Ale Bentham starał się nie straszyć ludzi, ale zapewnić sposób zarządzania ograniczonymi zasobami: uwagę organów ścigania.

Nowy trend w technologii nadzoru wideo przekształca panopticon Benthama w rzeczywistość, ale nie w taki sposób, jak sobie wyobrażał. Zamiast więzienia nowy panopticon skoncentruje uwagę organów ścigania na osobie, gdy jej zachowanie stanie się istotne dla wieży strażniczej. Wyobraź sobie, że można rozpoznać nie twarze osób, które już popełniły przestępstwa, ale zachowania wskazujące na popełnienie przestępstwa.

Wielu sprzedawców i start-upów uczestniczących w ISC West, niedawnej konferencji technologii bezpieczeństwa w Las Vegas, starało się obsłużyć rosnący rynek sprzętu i oprogramowania do monitoringu, które może znajdować ukrytą broń, odczytywać tablice rejestracyjne i inne wskaźniki tożsamości, a nawet dekodować ludzkie zachowanie.

Firma o nazwie ZeroEyes firma z Filadelfii sprzedaje policji system, który może wykryć, kiedy osoba wchodzi do obiektu z bronią. Integruje się z dowolną liczbą systemów dozoru zamkniętego. Ale algorytmy uczenia maszynowego nie wychodzą po prostu z pudełka, wiedząc, jak rozpoznać broń, tak samo jak pies narkotykowy przybywa od hodowcy, znającego różnicę między marihuaną a oregano. Aby nauczyć algorytmu, zespół z firmy pojawia się na miejscu i przeprowadza pozorowane ataki. Algorytm powoli zaczyna się uczyć, jak wygląda broń w tym konkretnym ustawieniu, w zależności od światła, kątów i innych warunków. Obecnie współpracują ze szkołami w Nowym Jorku i mają kontrakt z US Customs and Border Patrol, ale nie są jeszcze rozmieszczeni na granicy, powiedział Kenny Gregory, inżynier oprogramowania w firmie.

Zautomatyzowane wykrywanie broni palnej jest jednym z rozwiązań rosnącego problemu, dla którego nie ma jasnego rozwiązania politycznego: ograniczenie strzelanin masowych i przemocy z użyciem broni. Chociaż niektóre sondaże to pokazują Wzrost o 70 Amerykanów popiera surowsze przepisy dotyczące broni, liczba ta jest znacznie niższa, około 31 procent, wśród konserwatystów. I tak debata polityczna, choć ognista, utknęła w martwym punkcie. Algorytmy wykrywania broni, które ostrzegają personel ochrony, gdy przybywa uzbrojona osoba, mogą zmniejszyć liczbę ofiar - choć prawdopodobnie nie tak bardzo, jakby w ogóle nie było uzbrojonego strzelca.

Jest to wskaźnik predykcyjny potencjalnej przemocy, a nie wskaźnik opóźniony, taki jak rozpoznawanie twarzy, i niesie ze sobą mniej bagażu politycznego. Coraz więcej miast i departamentów policji eksperymentuje z rozpoznawaniem twarzy, aby wykryć obecność podejrzanych w czasie rzeczywistym. Spotykają się ze zdecydowanym oporem ze strony obrońców prywatności w San Francisco, gdzie niektórzy prawodawcy szukają zablokuj wdrożenie i gdzie indziej.