De toekomst van surveillance gaat over gedrag, niet over gezichten

In 1787, Engelse filosoof Jeremy Bentham kwam met een idee voor een gevangenis die een fractie van de kosten van andere hedendaagse gevangenissen zou kosten om vrijwel zonder interne misdaad te werken. Zijn theoretische gevangenis, het panopticon, was gebogen, de cellen waren naar binnen gericht naar een middelpunt waar een wachttoren zou staan. De ramen in de wachttoren moesten aan één kant worden verduisterd. Op deze manier zou een enkele bewaker het gedrag van alle gevangenen kunnen observeren. Maar nog belangrijker, de gevangenen zouden nooit weten of de bewaker zijn of haar blik op hen had gericht. Het eindresultaat is dat elk individu in de gevangenis het gevoel heeft voortdurend in de gaten te worden gehouden en zich dienovereenkomstig gedraagt.

Dit idee van het panopticon is een vervanger geworden voor de dreiging van alomtegenwoordige surveillance, voornamelijk vanwege de keuze van Bentham - een gevangenis. Maar Bentham wilde niet de mensen bang maken, maar een manier bieden om een ​​schaarse hulpbron te beheren: de aandacht van de politie.

Een nieuwe trend in videobewakingstechnologie maakt het panopticon van Bentham werkelijkheid, maar niet zoals hij zich had voorgesteld. In plaats van een gevangenis zou het nieuwe panopticon de aandacht van de politie op een persoon richten wanneer haar gedrag relevant wordt voor de wachttoren. Stel je voor dat het mogelijk was om niet de gezichten te herkennen van mensen die al misdaden hadden begaan, maar de gedragingen die wijzen op een misdaad die zou gaan plaatsvinden.

Meerdere verkopers en startups die ISC West bijwoonden, een recente conferentie over beveiligingstechnologie in Las Vegas, probeerden een groeiende markt te bedienen voor bewakingsapparatuur en software die verborgen wapens kan vinden, kentekenplaten en andere identiteitsindicatoren kan lezen en zelfs menselijk gedrag kan ontcijferen.

Een bedrijf belde ZeroEyes uit Philadelphia brengt een systeem op de markt aan politie-afdelingen dat kan detecteren wanneer een persoon een bepaalde faciliteit betreedt met een pistool. Het kan worden geïntegreerd met een willekeurig aantal bewakingssystemen met gesloten circuit. Maar algoritmen voor machine learning komen niet zomaar uit een doos die weten hoe ze een vuurwapen moeten herkennen, net zo min als een drugshond arriveert van de fokker die het verschil kent tussen marihuana en oregano. Om het algoritme aan te leren, verschijnt een team van het bedrijf ter plaatse om schijnaanvallen uit te voeren. Langzaam begint het algoritme te leren hoe een pistool eruitziet in die specifieke omgeving, afhankelijk van licht, hoeken en andere omstandigheden. Ze werken momenteel samen met New York City Schools en hebben een contract met US Customs and Border Patrol, maar zijn nog niet ingezet aan de grens, zei Kenny Gregory, een software-engineer bij het bedrijf.

Geautomatiseerde vuurwapenopsporing is een oplossing voor een groeiend probleem dat geen duidelijke beleidsoplossing heeft: massale schietpartijen en geweergeweld beperken. Terwijl sommige peilingen dat laten zien 70 procent van Amerikanen steunt strengere wapenwetten, dat aantal is veel lager, ongeveer 31 procent, onder conservatieven. En dus is het politieke debat, hoewel vurig, tot stilstand gekomen. Algoritmen voor het detecteren van wapens die beveiligingspersoneel waarschuwen wanneer een gewapend persoon arriveert, kunnen het aantal slachtoffers verminderen - hoewel waarschijnlijk niet zoveel als er in de eerste plaats geen gewapende schutter zou zijn.

Het is een voorspellende indicator van potentieel geweld, in plaats van een achterblijvende indicator, zoals gezichtsherkenning, en draagt ​​minder politieke bagage mee. Steeds meer experimenteren steden en politiediensten met gezichtsherkenning om de aanwezigheid van verdachten in realtime te detecteren. Ze stuiten op hevig verzet van privacy-voorstanders in San Francisco, waar sommige wetgevers zijn op zoek naar blokkeer de inzet, en elders.