Jungtinių Valstijų teisėsaugos institucijos dirbtinį intelektą naudoja jau kurį laiką, tačiau naujausi jo pritaikymo būdai primena mokslinę fantastiką. Speciali programa iš įprastos namų aplinkos nuotraukos gali nustatyti, kur tiksliai yra pavaizduotas būstas.
Los Andželo policijos departamentas ir Majamio-Deido apygardos šerifo biuras (MDSO) aktyviai pasitelkia DI paremtą įrankį „Raven“. Jis leidžia tyrėjams pagal buto viduje padarytą kadrą nustatyti konkrečią būsto vietą, skelbia „UNIAN“.
Vis dėlto technologija dar nėra universali – vienu paspaudimu identifikuoti bet kurį pasaulio namą ji negali.
Kaip veikia „Raven“ ir kodėl kyla grėsmė nuotraukų saugumui
„Raven“ ieško tik tam tikro tipo objektų – butų, kurie reklamuojami internetinėse būsto nuomos platformose, tokiose kaip „Airbnb“ ar „Vrbo“.
„Graylark“ vadovas Danielis Heinenas įraše socialiniame tinkle „LinkedIn“ aprašė šios programos galimybes. Jo teigimu, tiksliam rezultatui kartais gali pakakti net skalbimo mašinos ar džiovyklės nuotraukos.
Programinė įranga analizuoja išskirtines kadro detales ir lygina jas su internete skelbiamomis nekilnojamojo turto nuotraukomis. Ji gali rasti tą patį objektą net tada, kai vaizdai padaryti iš skirtingų kampų, todėl veikia plačiau nei įprasta atvirkštinė vaizdų paieška.
Paromis nuomojami būstai kartais gali būti naudojami prekybai žmonėmis ir jų išnaudojimui. Dėl šios priežasties „Raven“ kūrėjas pabrėžia, kad įrankis pirmiausia skirtas tokiems tyrimams.
Tačiau technologija kelia klausimų dėl privatumo ir asmens duomenų apsaugos. „Airbnb“ atstovai teigia bandantys techninėmis priemonėmis riboti automatinį informacijos rinkimą iš platformos ir vertinantys, ar toks metodas apskritai yra teisėtas.
„Zillow“ atstovų teigimu, automatizuotas duomenų išgavimas, dar vadinamas skraipinimu, akivaizdžiai pažeidžia platformos naudojimosi taisykles. Bendrovė svarsto galimybę imtis teisinių veiksmų.
„Raven“ atsiradimas verčia iš naujo įvertinti ir kitų viešai internete skelbiamų nuotraukų bei duomenų saugumą. Dideliuose socialiniuose tinkluose sukaupta daugybė su konkrečiais žmonėmis susiejamų vaizdų. Patekę į netinkamas rankas, jie galėtų būti naudojami mokant DI atpažinti asmenis iš aplinkos detalių nuotraukose.
