الشرطة الأمريكية تعتمد الذكاء الاصطناعي Raven: العثور على المنزل من صورة واحدة لداخله

صورة واحدة لغرفة، دون إطلالة من النافذة على برج مميز ودون أي وسوم جغرافية. هذه هي المادة التي يعمل بها Raven، نظام الذكاء الاصطناعي الذي اعتمدته الشرطة في الولايات المتحدة لتحديد موقع المنازل. وتراهن الشركة المطورة، Graylark Technologies، على التحليل الشامل للصورة. إمكانات Raven ليست بلا حدود، لكن النتيجة الجزئية بالنسبة إلى المحققين كثيرًا ما تحسم الوجهة التي يتوجهون إليها والحي الذي يجب التحقق منه.

ما المعروف عن Raven

التفاصيل المنشورة علنًا قليلة. يتضح من التقرير أن النظام مخصص للعمل مع صور الداخل: يرفع المستخدم صورة لغرفة، وتبحث الخوارزمية فيها عن علامات تتيح ربط المكان بموقع معين. ولا يَعِد المطورون صراحةً بالمعجزات. فـRaven لا يحوّل أي صورة إلى عنوان دقيق، بل يساعد على حصر نطاق البحث.

الفائدة العملية واضحة. فصور مسارح الجرائم، والصور المأخوذة من المراسلات، ولقطات الفيديو الخاصة بالمخطوفين أو المفقودين كثيرًا ما تُظهر الحيز الداخلي فقط. وفي السابق كانت هذه المواد تُقيَّم يدويًا: يدقق المحققون في التخطيط والتشطيبات والأثاث والمقابس والمفاتيح الكهربائية والمنظر خارج النافذة. أما Raven فيؤتمت هذا العمل، ويجمع، بحسب الوصف، عددًا كبيرًا من العلامات الصغيرة في تقدير واحد.

كيف يمكن أن يعمل

لم تكشف الشركة في الوصف المتاح عن بنية النموذج، لذلك يتناول ما يلي الأساليب النموذجية، لا تفاصيل مؤكدة عن Raven. تقارن أنظمة تحديد الموقع الجغرافي من الصور عادةً الصورة بقاعدة بيانات ضخمة من اللقطات، وتتعلم من الخصائص الإقليمية: طراز البناء، والمواد المعتادة، وأشكال النوافذ والأبواب، ومعايير التجهيزات الكهربائية، والعلامات المناخية. والداخل أصعب من الشارع، لأن معالمه الفريدة أقل، ولأن الأثاث والتشطيبات تتكرر بكثرة في أنحاء البلاد.

لذلك لا توجد هنا فعلًا «إمكانات غير محدودة». فالنتيجة تعتمد على جودة الصورة، وعلى عدد التفاصيل المميزة في الإطار، وعلى مدى تمثيل المنطقة في بيانات التدريب.

ما يمكن قوله عن النظام استنادًا إلى المعلومات المتاحة:

• المطوِّر: Graylark Technologies؛
• المستخدمون: وحدات الشرطة في الولايات المتحدة؛
• المدخلات: صورة واحدة لداخل المنزل؛
• المخرجات: الموقع المرجّح للمسكن، بما يحصر نطاق البحث؛
• الدقة وحجم عينة التدريب ونسبة الأخطاء: لم تُعلن للعامة.

النقطة الأخيرة هي الأهم. فمن دون اختبارات مستقلة لا يمكن تقييم Raven. وعبارة «يساعد» لا تعني «يجد»، وثمن المطابقة الخاطئة في العمل الشرطي مرتفع.

المخاطر: الخطأ وإساءة الاستخدام

لمثل هذه الأدوات مشكلتان. الأولى تقنية: يقدّم النموذج حيًّا يبدو معقولًا لكنه خاطئ، ويتعامل المحقق مع هذه الإشارة على أنها حقيقة. عندها قد يصبح منزل شخص آخر محل اشتباه، وقد تطرق عمليات التفتيش أو التحقق أبواب أناس لا صلة لهم بالقضية إطلاقًا. ويتطلب الأمر هنا تقديرات واضحة لدرجة الثقة، وقاعدة تقضي بأن نتيجة Raven مجرد مبرر للتحقق، لا أساس لاتخاذ إجراءات.

المشكلة الثانية هي الرقابة على الوصول. فالتقنية التي تحدد العنوان من صورة غرفة لا تصلح للبحث عن الخاطفين فحسب. إذ يمكن تطبيقها على صور وسائل التواصل الاجتماعي، وصور الأسواق الإلكترونية، وأي لقطة أظهر فيها شخص منزله. ولا يزال من غير الواضح أي سجلات للاستعلامات يحتفظ بها النظام، وهل يلزم إذن قضائي، ومن يدقق في طلبات البحث.

ما الذي ينبغي أن تفعله الفرق والمستخدمون

الحد الأدنى العملي لوحدات الشرطة هو: توثيق كل استعلام إلى Raven، ومطالبة المورّد بمقاييس الدقة على بيانات حقيقية، والتحقق من النتيجة عبر مصادر مستقلة قبل أي إجراء ميداني.

أما الشركات التي تبني منتجات على الرؤية الحاسوبية، فالإشارة أبسط. لقد أصبحت صور الداخل مصدرًا للبيانات الجغرافية، ولذلك ينبغي في سياسات الخصوصية والإشراف على المحتوى معاملتها معاملة الصور الموسومة جغرافيًا.

والنصيحة للأشخاص العاديين عملية. قبل نشر صورة من المنزل، تحققوا مما يظهر في الإطار: النوافذ، والأثاث النمطي، والأشياء ذات العلامات الإقليمية. فالصورة التي تحتوي على أقل قدر من التفاصيل تمنح الخوارزمية فرصًا أقل. لكن لن يضمن أي أسلوب إخفاء الهوية.