پلیس در حال استفاده از هوش مصنوعی برای تحت فشار قرار دادن رانندگان به دلیل رفتار "مشکوک" است
ACLU هشدار می دهد که پلیس از داده های پلاک خودرو برای ردیابی رانندگان و بر اساس الگوهای مشکوک سفر استفاده می کند.
پلاکخوانهای خودکار (ALPR) دیگر فقط به پلیس در بررسی جرایم کمک نمیکنند. اکنون از آنها برای نشان دادن رانندگان به دلیل الگوهای رانندگی ظاهرا "مشکوک" استفاده می شود.
اتحادیه آزادیهای مدنی آمریکا (ACLU) روز دوشنبه در یک پست وبلاگی زنگ خطر را به صدا درآورد و هشدار داد که آژانسهای مجری قانون در سراسر ایالات متحده به طور فزایندهای از پلاکخوانها و ابزارهای مجهز به هوش مصنوعی برای سرکوب رانندگان حتی اگر مشکوک به ارتکاب جرم خاصی نباشند، استفاده میکنند.
این پست با داستان گریس نولز، زنی 20 ساله از شمال ویرجینیا آغاز می شود که در سپتامبر 2025 از اورگان، تگزاس، و لوئیزیانا یک سفر جاده ای انجام داد. در راه خود به فلوریدا، افسری او را زیر گرفت که ادعا می کرد زمان زیادی را صرف رانندگی در لاین چپ کرده است.
افسر نولز را در مورد سفرهایش بازجویی کرد و مدرکی خواست که نشان دهد او در نیواورلئان بوده است. او در نهایت خود را به عنوان یک مامور ویژه با اداره تحقیقات فدرال (FBI) که در پروژه ای برای قاچاق انسان و مواد مخدر بود معرفی کرد. او به او گفت که پلاک او به دلیل الگوهای مسافرتی مشکوک علامت گذاری شده است.
بعد از اینکه او را متقاعد کرد که فقط در یک سفر جاده ای است، او به او پیشنهاد کرد که در ماشینش در رایانه اش به چه چیزی نگاه می کند.
نولز به ACLU گفت: «این اساسا یک نقشه حرارتی از ایالات متحده بود، و من میتوانستم دایرههای مختلفی را ببینم که کجا بودهام، و وقتی او روی آن کلیک کرد، عکس پلاک من بود.
وقتی از او پرسید که مقامات چگونه تصاویر پلاک او را جمع آوری کرده اند، افسر به او گفت که دوربین ها همه جا از جمله بالای تابلوهای بزرگراه وجود دارد.
ACLU هشدار می دهد که برخوردهایی مانند Knowles ممکن است رایج تر شود.
جی استنلی، تحلیلگر ارشد سیاست در ACLU، مینویسد: «برای بسیاری از مردم، این برخوردها بسیار پرخطر، ترسناکتر و خطرناکتر از آنچه نولز تجربه کرد، خواهد بود.
این هشدار در حالی است که ALPR ها در حال حاضر با واکنش های فزاینده مواجه شده اند.
شرکتهایی مانند Flock Safety و Axon در سالهای اخیر برای فروش سیستمهای ALPR به مجریان قانون شناخته شدهاند، که پلاکهای خودرو را هنگام عبور خودروها اسکن میکنند و اطلاعات خودرو را همراه با زمان و مکان مشاهده آنها جمعآوری میکنند. سپس پلیس می تواند آن داده ها را در طول تحقیقات جستجو کند.
با این حال، مدافعان حریم خصوصی هشدار میدهند که دوربینها دادههای موقعیت مکانی میلیونها نفر را که مظنون به جرم نیستند جمعآوری میکنند، اغلب بدون دلیل، علت احتمالی یا سوء ظن منطقی. همچنین گزارشهایی مبنی بر اشتباهات و سوء استفاده گسترده از سوی مجریان قانون از سیستمها گزارش شده است.
یک نظرسنجی آگوست YouGov نشان داد که 46٪ از پاسخ دهندگان مخالف اجرای قانون با استفاده از این فناوری در جوامع خود بودند، در حالی که 38٪ از آن حمایت کردند.
سازمان های مجری قانون در سراسر کشور، از جمله اداره پلیس لس آنجلس، قراردادهای Flock خود را در بحبوحه واکنش های فزاینده به حالت تعلیق درآورده و یا حتی به پایان رسانده اند.
داستان ناولز تنها موردی نیست که نگرانیهایی را در مورد نحوه استفاده پلیس از دادههای پلاک خودرو ایجاد میکند.
در ماه مارس، The Markup گزارش داد که یک مادربزرگ کالیفرنیایی توسط افسران گمرک و حفاظت مرزی ایالات متحده (CPB) در مورد اینکه چند بار از کازینوهای محلی بازدید می کند، بازجویی شده است. در مورد دیگری، مردی پس از رانندگی مکرر بین ویسکانسین و میشیگان، که پلیس محلی آن را "یک ایالت منبع شناخته شده برای ماری جوانا" توصیف کرد، برای توقف ترافیک هدف قرار گرفت.
اوایل این ماه، یک هیئت منصفه فدرال در تگزاس در کنار مردی قرار گرفت که به دلیل آنچه وکلایش به عنوان «طرح توقف ترافیک غیرقانونی» توصیف کردند که توسط پلاکخوانهای «با هوش مصنوعی» فعال شده بود، شکایت کرد. بر اساس این دادخواست، او پس از اینکه پلاک خودرویش را به دلیل رانندگی از هیوستون به کاریزو اسپرینگز، شب ماندن و بازگشت به خانه روز بعد، دستگیر کردند.
در همین حال، WIRED در این ماه گزارش داد که Flock یک ابزار تحقیقاتی مبتنی بر هوش مصنوعی توسعه داده است که "می تواند رانندگان را شناسایی کند و وسایل نقلیه را تنها با الگوهای حرکت آنها ردیابی کند."
Flock فورا به درخواست اظهار نظر پاسخ نداد.
متن اصلی (انگلیسی)
Police Are Using AI to Pull Over Drivers for ‘Suspicious’ Behavior
The ACLU warns that police are using license plate data to track drivers and pull them over based on supposedly suspicious travel patterns.