Fremtidens overvågning handler om adfærd, ikke ansigter

I 1787, engelsk filosof Jeremy Bentham kom med en idé til et fængsel, der ville koste en brøkdel af omkostningerne ved andre moderne fængsler til at køre uden praktisk talt nogen intern kriminalitet. Hans teoretiske fængsel, panopticon, var buet, cellerne vendte indad mod et midtpunkt, hvor et vagttårn ville stå. Vinduerne i vagttårnet skulle mørkere på den ene side. På denne måde ville en enkelt vagt være i stand til at observere alle fangeres opførsel. Men endnu vigtigere er, at fangerne aldrig ville vide, om vagten havde hans eller hendes blik trænet på dem. Slutresultatet, hvert individ inden i fængslet internaliserer en følelse af at blive overvåget hele tiden og opfører sig i overensstemmelse hermed.

Denne idé om panopticon er blevet en stand-in for truslen om allestedsnærværende overvågning, hovedsageligt på grund af Benthams valg af indstilling - et fængsel. Men Bentham havde ikke til formål at skræmme folk, men at skabe en måde at styre en knap ressource på: opmærksomhed fra retshåndhævelse.

En ny tendens inden for videoovervågningsteknologi gør Benthams panopticon til virkelighed, men ikke på den måde, han forestillede sig. I stedet for et fængsel ville det nye panopticon koncentrere opmærksomheden om retshåndhævelse mod en person, når hendes adfærd bliver relevant for vagttårnet. Forestil dig, at det ikke var muligt at genkende ansigterne fra mennesker, der allerede havde begået forbrydelser, men den adfærd, der indikerer en forbrydelse, der var ved at opstå.

Flere leverandører og startups, der deltog i ISC West, en nylig sikkerhedsteknologikonference i Las Vegas, søgte at tjene et voksende marked for overvågningsudstyr og software, der kan finde skjulte våben, læse nummerplader og andre identitetsindikatorer og endda afkode menneskelig adfærd.

Et firma kaldet ZeroEyes ud af Philadelphia markedsfører et system til politiet, der kan opdage, hvornår en person går ind i et givet anlæg med en pistol. Det integreres med et hvilket som helst antal lukkede overvågningssystemer. Men maskinlæringsalgoritmer kommer ikke bare ud af en kasse, der ved, hvordan de genkender et skydevåben, mere end en narkotikahund ankommer fra opdrætteren, der ved forskellen mellem marihuana og oregano. For at undervise i algoritmen dukker et team fra virksomheden op på stedet og fortsætter med at iscenesætte mock-angreb. Langsomt begynder algoritmen at lære, hvordan en pistol ser ud i den specifikke indstilling, afhængigt af lys, vinkler og andre forhold. De arbejder i øjeblikket med New York City Schools og har en kontrakt med US Customs and Border Patrol, men er endnu ikke implementeret til grænsen, sagde Kenny Gregory, softwareingeniør hos virksomheden.

Automatisk registrering af skydevåben er en løsning på et voksende problem, der ikke har nogen klar politisk kur: At begrænse masseskydninger og pistolvold. Mens nogle afstemninger viser det 70 procent af amerikanere støtter strengere pistollovgivning, er antallet langt lavere, ca. 31 procent, blandt de konservative. Og så er den politiske debat, mens den er fyrig, stoppet. Pistol-detekteringsalgoritmer, der advarer sikkerhedspersonale, når en bevæbnet person ankommer, kan reducere antallet af ofre - dog sandsynligvis ikke så meget, som om der ikke var nogen væbnet skyder i første omgang.

Det er en forudsigelig indikator for potentiel vold snarere end en haltende indikator, såsom ansigtsgenkendelse, og bærer mindre politisk bagage. Flere og flere eksperimenterer byer og politiafdelinger med ansigtsgenkendelse for at opdage mistænkte tilstedeværelse i realtid. De mødes med hård modstand fra talsmænd for privatlivets fred i San Francisco, hvor nogle lovgivere ser ud til blokere distribution og andre steder.