JAV teisėsaugos institucijos vis dažniau pasitelkia dirbtinį intelektą, tačiau naujausi jo pritaikymo būdai primena mokslinės fantastikos scenarijus. Net įprastos namų aplinkos nuotraukos gali padėti nustatyti, kur tiksliai yra nufotografuotas būstas.
Los Andželo policijos departamentas ir Majamio-Deido apygardos šerifo biuras (MDSO) jau naudoja DI pagrįstą įrankį „Raven“. Tyrėjams jis gali padėti nustatyti buto vietą net iš vienos patalpose padarytos nuotraukos, praneša „UNIAN“.
Vis dėlto technologija dar nėra pajėgi pagal vieną kadrą surasti bet kurį pasaulio namą. „Raven“ veikia tik su tam tikro tipo nekilnojamuoju turtu.
Pakanka net buitinio prietaiso nuotraukos
Programa ieško būstų, kurie buvo viešai paskelbti internetinėse nuomos platformose, tokiose kaip „Airbnb“ ar „Vrbo“. „Graylark“ generalinis direktorius Danielis Heinenas įraše „LinkedIn“ paaiškino, kad tiksliam atsakymui kartais gali pakakti net skalbimo mašinos arba džiovyklės nuotraukos.
„Raven“ išanalizuoja išskirtines vaizdo detales ir palygina jas su internete esančiomis nekilnojamojo turto nuotraukomis. Ji gali rasti tą patį objektą net tada, kai palyginamos skirtingais kampais padarytos nuotraukos. Tuo ši sistema pranoksta įprastą atvirkštinę vaizdų paiešką.
Įrankio kūrėjai teigia, kad jis visų pirma skirtas tirti atvejus, kai trumpalaikei nuomai naudojami būstai gali būti susiję su prekyba žmonėmis ir jų išnaudojimu.
Platformos įžvelgia teisinių ir privatumo problemų
Tokios galimybės kelia klausimų dėl asmens duomenų apsaugos. „Airbnb“ nurodė bandanti techninėmis priemonėmis riboti automatinį duomenų rinkimą iš savo svetainės ir vertinanti, ar tokio metodo naudojimas apskritai yra teisėtas.
„Zillow“ atstovai savo ruožtu teigia, kad automatizuotas duomenų išgavimas, arba skraipinimas, aiškiai pažeidžia platformos naudojimosi sąlygas. Bendrovė svarsto galimus teisinius veiksmus.
„Raven“ atsiradimas taip pat išryškino platesnę viešai internete skelbiamų nuotraukų ir informacijos saugumo problemą. Dideliuose socialiniuose tinkluose sukaupta daugybė su konkrečiais žmonėmis susiejamų vaizdų. Patekę į netinkamas rankas, tokie duomenys galėtų būti naudojami mokant DI atpažinti asmenis pagal jų aplinkos detales nuotraukose.