Nadzór masowy w erze AI: jak systemy rozpoznawania twarzy zmieniają prywatność w przestrzeni publicznej

Systemy sztucznej inteligencji do rozpoznawania twarzy przestały być technologią przyszłości — są codziennością w miastach na całym świecie. Kamerki monitoringu miejskiego, systemy kontroli dostępu do budynków, aplikacje do płatności twarzą, a nawet systemy rejestrowania obecności w szkołach i miejscach pracy: wszystkie te punkty zbierają dane biometryczne na masową skalę. To, co niegdyś wymagało specjalistycznego sprzętu i ludzkiego operatora, dziś dzieje się automatycznie, w czasie rzeczywistym i bez wiedzy osób obserwowanych.

Skala wdrożeń przekracza debaty publiczne

Według raportu organizacji Comparitech z 2024 roku, w 100 największych miastach świata działa łącznie ponad 1 miliard kamer monitoringu, z których coraz większa część jest zintegrowana z algorytmami AI. W Chinach system Skynet obejmuje szacunkowo ponad 600 milionów kamer, a w Londynie na jednego mieszkańcza przypada średnio 68 kamer na 1000 osób. W Polsce systemy rozpoznawania twarzy testowane są przez policję i straż miejską w Warszawie, Krakowie i Wrocławiu, choć szczegóły wdrożeń rzadko są jawne.

Kluczowa zmiana nie polega na samej liczbie kamer, ale na tym, co robi z obrazem oprogramowanie. Tradycyjny monitoring nagrywał wideo, które ktoś musiał ręcznie przeglądać. Dziś AI analizuje strumienie wideo na żywo: identyfikuje twarze, porównuje je z bazami danych (np. bazami policji, rejestrami kierowców, a w niektórych krajach — z bazami klientów banków lub sieci handlowych), śledzi trasy przemieszczania się osób i generuje alerty w czasie rzeczywistym.

Ramy prawne nie nadążają za technologią

W Unii Europejskiej AI Act (akt o sztucznej inteligencji) klasyfikuje systemy zdalnego identyfikowania biometrycznego w przestrzeni publicznej jako systemy o nieakceptowalnym ryzyku, z wyjątkami na ścisłe cele policji (np. poszukiwanie ofiar porwań, przeciwdziałanie terroryzmowi). Przepisy wejdą w pełni w życie w 2026 roku, ale państwo członkowskie mają marżę interpretacji wyjątków. W Stanach Zjednoczonych brak federalnej regulacji — stany i miasta samodzielnie decydują o zakazach lub wdrożeniach. San Francisco, Boston i Portland wprowadziły zakazy używania rozpoznawania twarzy przez urzędy miejskie, podczas gdy inne aglomeracje rozwijają systemy bez konsultacji społecznych.

W Polsce fundamentem prawnym pozostaje RODO i ustawa o ochronie danych osobowych. Biometria to kategoria szczególnych danych osobowych — ich przetwarzanie wymaga jednej z podstaw prawnych z art. 9 RODO (np. zgoda, interes publiczny, ochrona życia). W praktyce jednak granica między „monitorowaniem bezpieczeństwa” a „masowym gromadzeniem danych biometrycznych” bywa płynna. Urzędy skargi do GIODO (obecnie Prezes UODO) dotyczące monitoringu z AI rosną rocznie.

Fałszywe alarmy i dyskryminacja algorytmiczna

Badania NIST (National Institute of Standards and Technology) z lat 2019–2023 wykazały, że dokładność systemów rozpoznawania twarzy zależy od grupy demograficznej. Błędy (fałszywe dopasowania) występowały znacznie częściej u kobiet, osób starszych oraz osób o ciemniejszym kolorze skóry — w niektórych algorytmach różnica wynosiła rzędu 10 do 100 razy. Choć nowsze modele (np. FaceNet, ArcFace, komercyjne systemy Clearview AI, Corsight) poprawiły te wskaźniki, problem nie zniknął. W kontekście policyjnym fałszywy alarm oznacza aresztowanie niewinnej osoby, doświetlenie, wpis do systemów policji — konsekwencje, które nie są odwracalne.

W 2020 roku w Detroit Robert Williams, Afroamerykanin, został aresztowany na podstawie fałszywego dopasowania systemu rozpoznawania twarzy — to pierwszy udokumentowany w USA przypadek takiego błędu. W 2023 roku analogiczny przypadek dotknął Porche Woodruff, w ciąży kobiety, która została aresztowana za kradzież samochodu, której nie popełniła. W Polsce publicznie znane sprawy są rzadsze, ale brak transparentności systemów utrudnia ocenę skali problemu.

Prywatność jako bien public good

Tradycyjne rozumienie prywatności oparte na „kontroli nad informacją o sobie” (Alan Westin) w warunkach ciągłego skanowania biometrycznego przestaje działać. Nie da się „oddzielić” swojej twarzy w przestrzeni publicznej, nie da się cofnąć zgody na bycie nagranym przez kamerę, której nie widzi się, a której oprogramowanie analizuje cechy biometryczne w ułamku sekundy. Teoretycy prawa (m.in. Woodrow Hartzog, Evan Selinger) wskazują, że w erze AI prywatność staje się dobrem publicznym (public good) — chronieniem jej nie da się zrealizować indywidualnie, tylko zbiorowo, poprzez regulacje, zakazy wdrażania określonych technologii i audyty niezależne.

W 2024 roku Europejski Trybunał Praw Człowieka w sprawie S. and Marper v. United Kingdom potwierdził, że nieograniczone przechowywanie danych biometrycznych osób niewinnych narusza prawo do prywatności (art. 8 EKPC). To orzeczenie staje się punktem odniesienia dla spraw dotyczących baz twarzy gromadzonych przez AI.

Co można zrobić — na poziomie systemowym i indywidualnym

Na poziomie państwa: wprowadzenie moratorium na wdrażanie systemów zdalnego identyfikowania biometrycznego do momentu ustania niezależnych audytów wpływu na prawa człowieka (Human Rights Impact Assessment), obowiązkowe rejestry systemów AI używanych w przestrzeni publicznej, prawo do wglądu w to, czy i jak nasze dane biometryczne są przetwarzane.

Na poziomie miejskim: presja na transparentność zakupów systemów monitoringu przez samorządy, inicjatywy obywatelskie na sesjach rad gmin i miast o debacie przed wdrożeniem „inteligentnych kamer”.

Na poziomie indywidualnym: świadomość, że anonimowość w przestrzeni publicznej nie jest już domyślną, nieuwe uregulowaną, lecz polem walki prawną i technologiczną. Narzędzia takie jak Fawkes (University of Chicago) czy LowKey pozwalają na subtelną modyfikację zdjęć w mediach społecznościowych, by utrudnić trenowanie modeli rozpoznawania — to jednak obrona asymetryczna, kosztowna i niepewna.

Podsumowanie

Rozwój AI w monitoringu nie jest zły sam w sobie — technologia może pomagać w poszukiwaniu zgubionych dzieci, przeciwdziałaniu terroryzmowi, zarządzaniu ruchem drogowym. Problem polega na braku warunków brzegowych: transparentności, niezależnej kontroli, prawodawstwa, które nadąża za wdrożeniami, i mechanizmach odpowiedzialności za błędy. Bez tych elementów infrastruktura „inteligentnych kamer” staje się infrastrukturą ciągłego nadzoru, w której każdy obywatel jest potencjalnym podejrzanym do momentu udowodnienia przeciwnym.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.