Twarze z niczego: sztuczna inteligencja w kryminalistyce i poszukiwaniach

Twarze z niczego: sztuczna inteligencja w kryminalistyce i poszukiwaniach

Twarze z niczego: sztuczna inteligencja w kryminalistyce i poszukiwaniach

Tradycyjny rysopis powstawał na podstawie opisu świadka i umiejętności rysownika. Dziś systemy AI potrafią z tekstu wygenerować portret podejrzanego, a następnie porównać go z milionami zdjęć w bazach danych. To przyspiesza pracę śledczych, ale wprowadza nowe ryzyka: fałszywe dopasowania, stronniczość rasową i niejasną odpowiedzialność za błędy.

Jak działa generowanie portretów

Nowoczesne systemy łączą dwa etapy. Najpierw model językowy przetwarza opis świadka na szczegółowy rysopis: kształt twarzy, rysy, wiek, kolor skóry i włosów. Następnie model generatywny tworzy obraz. Wynik może być następnie porównany z bazami danych policyjnych lub publicznymi repozytoriami zdjęć. Proces trwa minuty zamiast godzin, co jest atrakcyjne dla służb operujących pod presją czasu.

Ryzyko fałszywych dopasowań

Dopasowanie twarzy to nie tożsamość. Systemy rozpoznawania twarzy mają udokumentowane problemy z dokładnością dla osób o ciemniejszej karnacji i dla kobiet. Gdy wygenerowany portret jest następnie używany do wyszukiwania w bazie, błędy kumulują się: opis świadka może być nieprecyzyjny, obraz generowany mało realistyczny, a dopasowanie statystyczne nie oznacza, że osoba jest sprawcą. Istnieją udokumentowane przypadki niesłusznych zatrzymań opartych wyłącznie na dopasowaniu AI.

Stronniczość w danych treningowych

Modele uczą się na danych historycznych, które już zawierają uprzedzenia. Jeśli policja częściej zatrzymywała osoby z określonych grup, baza zdjęć odzwierciedla ten wzorzec. System może wtedy „znaleźć” podejrzanego, bo statystycznie pasuje do profilu, a nie dlatego, że jest sprawcą. To przenosi dyskryminację z przeszłości do teraźniejszości, tylko w tempie maszynowym.

Przejrzystość i prawo do obrony

Gdy dowód opiera się na algorytmie, obrona ma trudne zadanie. Parametry modelu, dane treningowe i próg dopasowania często są chronione jako tajemnica handlowa. Sąd i obrońca nie mogą w pełni ocenić wiarygodności systemu. To narusza zasadę konfrontacji i prawa do rzetelnego procesu. Regulacje powinny wymagać ujawniania metodologii i umożliwiania niezależnych audytów.

Kierunek regulacji

Unijny AI Act klasyfikuje systemy biometryczne używane w ściganiu jako wysokiego ryzyka. Wymaga to oceny wpływu, nadzoru ludzkiego i rejestracji. Niektóre jurysdykcje wprowadzają moratoria na użycie rozpoznawania twarzy w czasie rzeczywistym. Kluczowe jest, by technologia wspierała śledczych, a nie zastępowała dowód i osąd.

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.

Czytaj dalej

Sztuczna inteligencja w atakach na infrastrukturę krytyczną

Sztuczna inteligencja w atakach na infrastrukturę krytyczną

Deepfake głosu w oszustwach bankowych na seniorów

Deepfake głosu w oszustwach bankowych na seniorów

AI w szkole: wykrywanie plagiatu algorytmami i fałszywe oskarżenia

AI w szkole: wykrywanie plagiatu algorytmami i fałszywe oskarżenia

AI w medycynie: halucynacje modeli i ryzyko błędnej diagnozy

AI w medycynie: halucynacje modeli i ryzyko błędnej diagnozy