המגבלות של FRT בחיפוש אחר הרוצח של מנכ"ל United Healthcare

הרצח של מנכ"ל United Healthcare בריאן תומפסון במרכז מנהטן כלל שימוש בטכנולוגיית זיהוי פנים (FRT) כדי לזהות את רוצחו, אך אתגרים הפריעו להצלחתו. תמונות חלקיות של החשוד שצולמו בחלק מיותר מ-15,000 מערכות מעקב ומצלמות אבטחה מתקדמות שונות (כולל מתוך מוניות ומזל"טים) ברחבי העיר ניו יורק (NYPD) לא הצליחו ללכוד את תווי פניו המלאים של החשוד, מה שהגביל את יעילות הטכנולוגיה בבידוד זהותו של החשוד.

לאחר חמישה ימים וללא הצלחה בזיהוי החשוד שלהם באמצעות FRT, משטרת ניו יורק פרסמה תמונות נוספות שלדבריה היו התמונות הברורות ביותר שיש לה מהחשוד כדי לבקש מידע מהציבור.

התמונות הללו הן שהובילו לטיפ פומבי לפיו נראה כי החשוד הוא אותו אדם שנצפה במקדונלד'ס באלטון, פנסילבניה, כ-200 מיילים מניו יורק. האיש הזה, שזוהה כלואיג'י מנג'ונה, נעצר מיד על ידי המשטרה המקומית ובסופו של דבר הואשם ברצח של תומפסון.

"התמונה הזו נראתה יותר פעמים מאשר ברצח הממוצע שלך", קצין משטרת פילדלפיה לשעבר ופרופסור למשפט פלילי במצודה שון פטריק גריפיןסיפר הניו יורק טיימסיוֹם שֵׁנִי.

הפִּיהוסיף כי, "בסופו של דבר, הפעולה הפשוטה של ​​הפצת תמונות - לא טכנולוגיית זיהוי פנים מתוחכמת - היא שהובילה את המשטרה לאדם שהואשם בירי הקטלני... עבור מומחים, המקרה היה תזכורת כיצד - גם כאשר טכנולוגיית זיהוי הפנים הולכת ומשתכללת - הפצת תמונות והסתמכות על כך שהציבור יזהה פנים עדיין יכולה למלא תפקיד קריטי בחקירות".

עתידניתשל המגזיןה-Byte אמר: "בינה מלאכותית לא הצליחה לחלוטין לתפוס את רוצח המנכ"ל."

אבל גם אם ל-NYPD הייתה תמונת פנים ברורה של החשוד, זה היה מועיל רק אם פניו של החשוד היו במאגר המידע הפלילי שלו, המאגר הביומטרי של מחלקת הרכבים של ניו יורק, הבולשת הפדרלית (FBI) מסד הנתונים של הדור הבא לזיהוי (NGI), מערכת הזיהוי הביומטרי האוטומטית (IDENT), או מערכת הזיהוי הביומטרית של משרד ההגנה של משרד ההגנה. (DBIDS).

בעוד שטכנולוגיית זיהוי פנים הופעלה באופן נרחב על ידי רשויות אכיפת החוק לזיהוי חשודים, תפקידה בזיהוי מנג'יון לא היה יעיל. אבל אולי לא רק בגלל החסרונות של הטכנולוגיה. ייתכן שגם בעיות משפטיות ופרטיות והגבלות קישוריות של מסדי נתונים פדרליים ובין-מדינתיים שיחקו תפקיד.

רשמית, NYPD אומר שהכלי העיקרי לזיהוי הפנים שלה מסופק על ידי. עם זאת, המחלקה מכירה בשימוש בכלים אחרים למטרות ספציפיות והתמודדה עם ביקורת על חוסר שקיפות ופיקוח מקיף על טכנולוגיות AI.

FaceCompare Plus של DataWorks מספק השוואת פנים מורפולוגית של כל שתי תמונות פנים זו לצד זו, ללא צורך במערכת זיהוי פנים מלאה. אבל, שוב, התמונה או התמונות של מנג'ונה היו צריכות להיות כבר במאגרים של משטרת ניו יורק או במאגרי מידע מדינתיים ופדרליים אחרים כדי להיות שימושיים.

"רוב האמריקנים עשויים להאמין שלרשויות אכיפת החוק יש תמונות על כולם בארצות הברית. זה מאוד לא נכון"המנכ"ל דוני סקוט היהמצוטט על ידי CNN. "אם במקרה הוא לא תושב ניו יורק שבמקרה לא נעצר לפני כן, רוב הסיכויים שהוא לא יימצא במאגר המידע הפלילי שלהם או במאגר הצילומים שלהם".

סקוט הדגיש עוד כי "למדינת ניו יורק אין גישה למאגר הנתונים של DMV למטרות אכיפת חוק על פי חוק. זה מצריך שיתוף פעולה ושיתוף מידע וסיבה ונכונות של הגורמים הרלוונטיים להיות רשאים לשתף זאת על פי חוק".

באופן דומה, ל-NYPD - ולסוכנויות אכיפת חוק רבות אחרות ברחבי הארץ - אין גישה מיידית זה למאגרי המידע של זה, לפחות מכלל מסד הנתונים DMV של המדינה שלהם. גם למדינה אחת אין גישה למאגר תמונות DMV של מדינה אחרת.

הבולשת הפדרלית (FBI) עושה זאת, והיא אישרה את מעורבותה בחקירת הרצח של תומפסון כשהיא הצטרפה למאמצים עם משטרת ניו יורק לאחר התקרית, שהתרחשה מחוץ לבית מלון במנהטן. ה-FBI סייע במצוד אחר החשוד על ידי מינוף משאביו כדי לעקוב אחר לידים ולזהות את העבריין. לא ידוע אם מאמצי ה-FBI הביאו להתאמה כלשהי של תמונות במסד הנתונים.

ל-FBI יש גישה למאגרי מידע פליליים של אכיפת החוק ולרישומי DMV, אך גישה זו מוסדרת ונשלטת על ידי חוקים פדרליים ומדינתיים, לעתים קרובות באמצעות הסכמי שיתוף פעולה.

ה-FBI מפעיל את רשת שירותי המידע למשפט פלילי (CJIS) הכוללת מערכות כמו מרכז המידע הלאומי לפשיעה (NCIC). רשויות אכיפת חוק ממלכתיות ומקומיות מכניסות גישה לנתונים על ה-NCIC, וה-FBI יכול להשתמש בנתונים אלה לחקירותיו.

רשת CJIS גם מחברת מסדי נתונים ממלכתיים ומקומיים ל-FBI, ומאפשרת שיתוף נתונים בין תחומי שיפוט.

באשר לרשומות DMV, ה-FBI יכול לגשת לרשומות הללו לצורך חקירות, לעתים קרובות באמצעות חוק הגנת הפרטיות של הנהג, המתיר גישה כזו למטרות אכיפת חוק לגיטימיות. באמצעות מערכת התקשורת הלאומית לאכיפת החוק, ה-FBI יכול לבקש נתוני DMV ברמת המדינה, הכוללים מידע על רישיון נהיגה ורישום רכב.

הגישה תלויה לעתים קרובות בהסכמים בין רשויות אכיפת החוק במדינה לבין ה-FBI. מדינות מחזיקות מאגרי מידע משלהן אך מעניקות גישה ל-FBI כאשר חקירות דורשות זאת, תחת פרוטוקולים שנקבעו. הגישה גם מנוטרת מקרוב כדי להבטיח עמידה בחוקי הפרטיות, ושימוש לרעה במערכות אלו עלול לגרום לקנסות משמעותיים.

עם זאת, בסופו של דבר, היו אלה תמונות חלקיות של החשוד ש-NYPD סיפקה לציבור באמצעות התקשורת שהביאו למעצרו של מנג'יון - זאת לאחר ש-NYPD עשתה עניין גדול בחקירתה.

נציב NYPD לשעבר, ריי קלי, אמר מוקדם יותר ל-FOX Business כי הוא מאמין שהחשוד ייתפס "די בקרוב" וכי "זיהוי פנים יעיל, ואני מקווה שייעשה בו שימוש במקרה הזה".

ראש הבלשים של NYPD, ג'וזף קני, הוסיף בתחילת החקירה, עם זאת, שהמשטרה עד כה לא הצליחה לזהות אותו באמצעות זיהוי פנים, אולי בגלל התמונות החלקיות או המגבלות על האופן שבו מותר ל-NYPD להשתמש בטכנולוגיה.

בעוד שזיהוי הפנים התפתח בצורה משמעותית, מערכות מודרניות עדיין מתקשות להתמודד עם כל האתגרים כמו מסכות כירורגיות, בלאקלבות או תמונות חלקיות, שיש להן דרגות שונות של הצלחה.

מערכות זיהוי פנים עדיין מתמודדות עם אתגרים משמעותיים בעת ניתוח תמונות חלקיות שנחסמו על ידי מסכות או בלאקלבות. בעוד שמערכות מתקדמות יכולות להתמקד בתכונות גלויות כמו עיניים, גבות וקווי מתאר פנים, הדיוק פוחת כאשר חלקים גדולים מהפנים מוסתרים. הביצועים תלויים בגורמים כמו רזולוציה, איכות תמונה והאלגוריתמים שבהם נעשה שימוש.

מערכות מסוימות שהוכשרו לתרחישים כאלה שיפרו את שיעורי הזיהוי, תוך מינוף מודלים של AI השואבים רמזים נוספים מנתונים מוגבלים. עם זאת, שיעור ההצלחה נשאר נמוך משמעותית בהשוואה לתמונות ללא הפרעה. מחקרים שנערכו במהלך מגיפת COVID-19 הראו ירידות דיוק שנעו בין 5% ל-50%, בהתאם למערכת ולכיסוי הפנים.

מערכות רבות עודכנו כדי להכיל פנים רעולי פנים על ידי התמקדות בתכונות גלויות כמו העיניים, הגבות והמצח, וחברות מסוימות, כמוו-Huawei, טענו שהטכנולוגיות שלהם משיגות דיוק של 90% -95%..

מערכות מתקדמות המשתמשות במיפוי תלת מימד והדמיית אינפרא אדום יכולות לעקוף חלק מהמגבלות של זיהוי דו-ממדי מסורתי, וכמה מודלים של AI שהוכשרו עם מערכי נתונים נרחבים, כולל פנים מסיכות, מבצעים ביצועים טובים יותר מאלה שהוכשרו על מערכי נתונים בלתי-מסוכים.

התאמה מבוססת תכונות משתמשת באלגוריתמים כדי לנתח חלקים מהפנים הנראים לעין (למשל, עיניים, מצח) ולהשוות אותם עם מסד נתונים, תוך הסתמכות רבה על תכונות ייחודיות כמו צורת העיניים או הגבות. עם זאת, ככל שפחות תכונות גלויות, כך הדיוק נמוך יותר. רוב המערכות רואות ירידה משמעותית בביצועים כאשר יותר מ-30% עד 50% מהפנים מעורפלים.

FRTסמערכות גם נאבקות לעתים קרובות עם זוויות קיצוניות או חסימות, שכן תמונות חלקיות מציגות אי ודאות. טכניקות מתקדמות כמו נורמליזציה של תנוחות או ניתוח ריבוי צילומים (שילוב של מספר תמונות חלקיות) יכולות לעזור להפחית את הבעיות הללו.

מודלים של בינה מלאכותית, במיוחד רשתות עצביות קונבולוציוניות (CNNs), הראו הבטחה ניכרת בזיהוי אנשים עם פנים סתומות חלקית. דגמים אלו נועדו להתמקד בתווי פנים ספציפיים שנשארים גלויים, כגון העיניים, הגבות והמצח. הם יכולים גם להשתמש ברמזים ודפוסים קונטקסטואליים ממערכי נתונים שאומנו על פנים המסוכות חלקית.

עם זאת, שיעור ההצלחה שלהם תלוי במידת החסימה, איכות התמונה והחוסן של מערך האימון. דגמים חדישים משיגים דיוק גבוה יותר אך עדיין מתמודדים עם אתגרים תחת תאורה לקויה, תנועה, זוויות קיצוניות או מכשולים משמעותיים.

רשתות יריביות גנרטיביות (GANs) יכולות להיות יעילות ביותר בסיוע לזיהוי פנים של פנים מעורפלות חלקית על ידי שחזור או הסקת חלקים חסרים של פנים על ידי יצירת קירובים סבירים המבוססים על נתוני אימון. שחזור זה מאפשר למערכות זיהוי אחרות לנתח ייצוג שלם או כמעט שלם של הפנים.

עם זאת, בעוד שמערכות משופרות GAN יכולות לשפר את שיעורי הזיהוי, הדיוק שלהן תלוי באיכות נתוני האימון ובמידת החסימה של פניו של אדם. GANs עומדים גם בפני סיכונים של החדרת חפצים או תוצאות כוזבות אם נעשה בהם שימוש לרעה.

עם זאת, קשה להצביע על המספר המדויק של מערכות זיהוי פנים המשתמשות ב-CNN באכיפת החוק בשל האופי הקנייני והיישומים המגוונים שלהן. עם זאת, ספקים גדולים אוהבים,,, ולהפעיל אלגוריתמים מבוססי CNN במערכות שאומצו רבות על ידי רשויות אכיפת החוק ברחבי העולם.

בעוד Clearview AI, למשל, משתמש ב-CNN כדי לנתח אותוממקורות ציבוריים, אפילו עם תמונות חלקיות או באיכות נמוכה, לא ידוע אם אחת מהתמונות הרבות של מנג'ונה שנמצאו במדיה החברתית ובמקורות ציבוריים מקוונים אחרים לאחר שזוהה כלולה במסד הנתונים שלה, או אם ה-CNN שלה. היה מסוגל לזהות אותו כהתאמה אפשרית.

בסך הכל, בעוד ש-FRT עשתה צעדים בטיפול באתגרים הרבים שלה, הביצועים יכולים להשתנות במידה רבה בהתאם למערכת ולהקשר הספציפיים.

בינתיים, הדיונים על מסגרות זיהוי פנים ושיתוף נתונים נמשכים בהקשר הרחב יותר של טכנולוגיות אכיפת חוק ודיונים על פרטיות, עם קריאות לרגולציה והדרכה חזקה יותר לטיפול בדאגות הפרטיות וזכויות האזרח.

המאמצים לחוקק או להסדיר את זיהוי הפנים בארה"ב נותרו במחלוקת. כמה מחוקקים וקבוצות הסברה דוחפים להגבלות או איסורים מחמירים יותר על שימושים מסוימים, תוך ציון חששות לפרטיות ופוטנציאל לשימוש לרעה. מצד שני, אחרים דוגלים באינטגרציה ובשימוש טוב יותר בטכנולוגיה זו לביטחון לאומי ולמניעת פשיעה, אם כי גם זה נתקל לעתים קרובות בהתנגדות ממוקדת פרטיות.

בעקבות הרצח של תומפסון וחוסר היכולת של FRT לזהות את מנג'יון, צפו שהדיון הזה רק יתגבר - משני הצדדים. כמה פקידי אכיפת חוק פדרליים הביעו ביחידות שהם חוששים שיהיו העתקות, במיוחד לאור הרמה המפתיעה של תמיכה ציבורית מגולוונת מימין ומשמאל - אליטות מול הבחור הקטן - למה שמנג'ונה עשה. "הזעם ההפוך הזה", כפי שתיאר זאת אחד הפקידים, "באמת מטריד. הייתי מצפה לתגובה פוליטית כלשהי שתפיל את ההגבלות" על השימוש בזיהוי פנים "בהמשך".

נושאי מאמר

||||||||||