„10 lenyűgöző SEO stratégiák, amelyek 2023-ban forradalmasítják a webhelyforgalmadat”


Detroit Rendőrség Arcazonosító Hibák Után Új Szabályokat Vezet Be

2020 januárjában Robert Williams 30 órát töltött egy detroiti börtönben, mert az arcazonosító technológia azt sugallta, hogy bűnöző. A találat hibás volt, és Mr. Williams pert indított.

Pénteken, egy jogi egyezség részeként a jogtalan letartóztatása miatt, Mr. Williams elérte, hogy a Detroit Rendőrség jobban teljesítsen. A város új szabályokat vezetett be az arcazonosító technológia használatára, amelyeket az Amerikai Polgári Szabadságjogok Uniója (ACLU) nemzeti szabványnak tart. „Reméljük, hogy ez jó irányba mozdítja el a dolgokat,” mondta Mr. Williams.

Mr. Williams volt az első ismert személy, akit tévesen tartóztattak le hibás arcazonosítás alapján. De nem ő volt az utolsó. A detroiti rendőrség legalább két másik embert is letartóztatott téves arcazonosító keresések eredményeként, köztük egy nőt, akit autólopással vádoltak, amikor nyolc hónapos terhes volt.

A bűnüldöző szervek országszerte használják az arcazonosító technológiát, hogy azonosítsák a bűnözőket, akiknek tetteit kamerák rögzítik. Michiganben a szoftver egy ismeretlen arcot hasonlít össze a mug shot-ok vagy jogosítványképek adatbázisában szereplő arcokkal. Más joghatóságokban a rendőrség olyan eszközöket használ, mint a Clearview AI, amely a közösségi média oldalakról és az internetről származó fotókat keres.

Az egyik legfontosabb új szabály, amit Detroitban elfogadtak, az, hogy az arcazonosító technológiával azonosított emberek képeit nem lehet megmutatni egy szemtanúnak egy fotósorozatban, hacsak nincs más bizonyíték, amely őket a bűncselekményhez köti. „A ‘szerezz egy képet, tedd be egy sorozatba’ folyamat véget ér,” mondta Phil Mayor, az ACLU Michigan ügyvédje. „Ez az egyezség a Detroit Rendőrséget az arcazonosító technológia legjobban dokumentált visszaélőjéből egy nemzeti vezetővé teszi az ilyen technológiák használatának szabályozásában.”

Érdekesség: Az AI arcazonosító rendszerek pontossága gyakran függ az adatok minőségétől és sokszínűségétől. A helytelen adatok használata növelheti a hibás találatok számát.

Források: The New York Times, ACLU