Rød ulv, blå ulv: AI-drevet ansiktsgjenkjenning og overvåking av palestinere

Få steder på jorden er så nådeløst overvåket som de okkuperte palestinske områdene.

I gatene i Hebron, kl. overfylte kontrollposter I Øst-Jerusalem, og i millioner av menneskers hverdag, fungerer avanserte AI-systemer nå som både portvokter og vaktmester.

Bak kameraene og databasene finnes to uhyggelig effektive verktøy – Rød ulv og blå ulv – ansiktsgjenkjenningssystemer som ikke er designet for bekvemmelighet eller handel, men for kontroll.

Jobben deres: skanne ansikter, matche dem mot enorme biometriske databaser og avgjøre om noen kan bevege seg fritt eller må stoppes.

Det som gjør disse systemene så alarmerende er ikke bare teknologien i seg selv, men måten de brukes på – rettet mot en hel befolkning basert på etnisitet, samle inn data uten samtykke og bygge inn algoritmer i okkupasjonsmaskineriet.

I de neste avsnittene utforsker vi hvordan disse AI-systemene fungerer, hvor de har blitt distribuert, overgrepene de gir næring til, og hvorfor de er viktige langt utover Palestina.

Hvordan Rød Ulv og Blå Ulv Opererer

Blue Wolf er en mobilapplikasjon som bæres av soldater på patrulje. Et raskt bilde av en palestiners ansikt utløser en umiddelbar kryssjekk mot et stort biometrisk arkiv som ofte omtales av soldater som ulveflokk.

Svaret er brutalt enkelt: en fargekode. Grønn foreslår bestått; gul betyr stopp og spørsmål; rød signaler holder tilbake eller nekter adgang.

Blue Wolf er ikke bare et oppslagsverktøy. Det registrerer nye ansikter. Når et bilde ikke samsvarer, kan bildet og metadataene legges til i databasen, slik at en profil opprettes eller utvides. Enhetene har blitt oppfordret til å fange opp så mange ansikter som mulig for å «forbedre» systemet.

Red Wolf flytter identifikasjonen til selve kontrollpunktet. Fastmonterte kameraer ved sperregrindene skanner alle ansikter som kommer inn i buret. Systemet sammenligner ansiktsmalen med registrerte profiler og blinker de samme sorteringsfargene på en skjerm.

Hvis systemet ikke gjenkjenner deg, består du ikke. Ansiktet ditt blir da fanget og registrert til neste gang.

AI og maskinlæring under panseret

Nøyaktige leverandører og modellarkitekturer er ikke offentlige. Men virkemåten er i samsvar med en standard datasyn rørledning:

• Gjenkjenning: Kameraer eller telefonsensorer finner et ansikt i bildet.
• Landemerkemerking: Viktige punkter (øyne, nese, munnviker) kartlegges for å normalisere positur og belysning.
• Innebygging: Et dypt nevralt nettverk konverterer ansiktet til en kompakt vektor («ansiktsavtrykk»).
• Matchende: Den vektoren sammenlignes med lagrede innebygginger ved hjelp av cosinuslikhet eller et nærmeste nabo-søk.
• Beslutningstaking: Hvis likheten overstiger en terskel, returneres profilen med en status; ellers kan en ny profil opprettes.

Det særegne her er populasjonsspesifisiteten. Trenings- og referansedataene består i overveldende grad av palestinske ansikter. Dette konsentrerer modellens ytelse på én gruppe – og kodifiserer en form for digital profilering per design.

I stor skala bruker systemene sannsynligvis kantinferens for hastighet (telefoner og kontrollpunktenheter som kjører optimaliserte modeller) med asynkron synkronisering til sentrale servere. Det minimerer ventetid ved svingporten samtidig som den sentrale databasen holdes oppdatert.

Terskler kan justeres i programvare. Å heve dem reduserer falske positive, men øker falske negative; å senke dem gjør det motsatte. I en kontrollpunktskontekst diagonaliserer insentiver mot overflagging, noe som flytter feilbyrden over på sivile.

Data, etiketter og drift

Ansiktsgjenkjenning er bare så «god» som dataene.

Blue Wolfs massefotokampanjer fungerer som datainnsamling. Ansikter fanges i variert belysning og vinkler, med etiketter festet i etterkant: identitet, adresse, familiebånd, yrke og sikkerhetsvurdering.

Disse etikettene er ikke grunnleggende sannhet. De er administrative påstander som kan være utdaterte, partiske eller feil. Når slike etiketter gir næring til modellomtrening, herdes feilene til funksjoner.

Over tid, datasettdrift sniker seg inn. Barn blir voksne. Mennesker endrer utseende. Mangel på «harde» eksempler (lignende personer, okklusjoner, masker) kan blåse opp feilrater i den virkelige verden. Hvis overvåking og rebalansering er svak, forringes systemet stille – samtidig som det beholder den samme auraen av sikkerhet ved kontrollpunktet.

Hvor det distribueres og hvordan det skaleres

Hebrons H2-sektor er smeltediglen. Dusinvis av interne kontrollposter regulerer bevegelse gjennom gatene i gamlebyen og til palestinske hjem.

Rød Ulv er festet ved utvalgte sperrekors, og skaper en obligatorisk påmeldingstraktBlå Ulv følger etter til fots og utvider dekningen til markeder, sidegater og private dørstokker.

In Myndighetene har lagt ut kunstig intelligens-kompatibel videoovervåkning i palestinske nabolag i Øst-Jerusalem og rundt hellige steder. Kameraer identifiserer og sporer individer på avstand, noe som muliggjør arrestasjoner etter hendelsen ved å kjøre video via ansiktssøk.

Overvåkingstetthet er viktig. Jo flere kameraer og opptakspunkter, desto mer komplett blir befolkningsgrafen: hvem bor hvor, hvem besøker hvem, hvem går hva. Når grafen er etablert, gir den ikke bare næring til gjenkjenning, men også til nettverksanalyse og modeller av livsmønstre.

Hebron: En by under digital nedstengning

Beboere beskriver kontrollposter som føles mindre som grenseoverganger og mer som automatiserte porter. En rød skjerm kan stenge noen ute fra sin egen gate inntil en menneskelig overstyring kommer – hvis den i det hele tatt kommer.

Utover adgangskontrollen metter kameranettet hverdagen. Linser stikker ut fra hustak og lyktestolper. Noen peker inn i gårdsrom og vinduer. Folk forkorter besøkene, endrer gangruter og unngår å bli værende utendørs.

Den sosiale kostnaden er subtil, men gjennomgripende: færre samlinger på gårdsplassen, færre tilfeldige samtaler, færre gateleker for barn. En by blir stille ikke fordi den er trygg, men fordi den blir sett på.

Øst-Jerusalem: Kameraer i hvert hjørne

I gamlebyen i Øst-Jerusalem og omkringliggende nabolag er ansiktsgjenkjenning basert på en omfattende CCTV-ryggrad.

Opptak er søkbart. Ansikter fra en protest kan matches dager senere. Logikken er enkel: du kan dra i dag, men du ikke vil forlate databasen.

Beboerne snakker om den «andre sansen» man utvikler – en bevissthet om hver eneste kuppel som er montert på en stolpe – og den interne sensoren som følger med.

Menneskerettighetskrisen

Flere røde linjer krysses samtidig:

• Likestilling: Bare palestinere er underlagt biometrisk sortering ved disse kontrollpunktene. Separate ruter beskytter nybyggere fra tilsvarende gransking.
• Samtykke: Registrering er ufrivillig. Å nekte å bli skannet betyr å nekte å flytte.
• Åpenhet: Folk kan ikke se, bestride eller korrigere dataene som styrer dem.
• proporsjonalitet: Et lavfriksjons, alltid på biometrisk slepenett behandler en hel befolkning som mistenkt som standard.

Ansiktsgjenkjenning feilidentifiserer også – spesielt ved dårlig belysning, delvis okklusjon eller aldersendring. I denne settingen kan en falsk treff bety tilbakeholdelse eller nektelse av passering; en tapt treff kan strande noen ved en sperrekors.

Den psykologiske toll

Livet under vedvarende AI-overvåking lærer forsiktighet.

Folk unngår sammenkomster, endrer rutiner og holder tettere oppsyn med barn. Ord veies offentlig. Bevegelse kalkuleres.

Mange beskriver den umenneskeliggjørende effekten av å bli redusert til en grønn, gul eller rød kode. En maskins binære vurdering blir det viktigste faktumet om dagen din.

Styring, lov og ansvarlighet

Innenfor Israel har ansiktsgjenkjenning møtt motstand fra personvernreglene. I de okkuperte områdene gjelder et annet juridisk regime, og militære ordrer overstyre sivile personvernsnormer.

Viktige hull:

• Ingen uavhengig tilsyn med myndighet til å revidere datasett, terskler eller feilrater.
• Ingen ankeprosess for personer som er feilaktig flagget eller registrert.
• Udefinert oppbevaring og delingsregler for biometriske data og avledede profiler.
• Formålskryp risiko ettersom datasett og verktøy blir ombrukt til etterretningsmålretting og nettverksovervåking.

Uten bindende grenser er standardbanen utvidelseflere kameraer, bredere overvåkningslister, dypere integrasjoner med andre datasett (telefoner, kjøretøy, verktøy).

Inne i beslutningssløyfen

Ansiktsgjenkjenning her fungerer ikke i et vakuum. Det er fusjonert med:

• Overvåkningslister: Lister over navn, adresser og «partnere» som styrer fargekoderesultater.
• Regler for geofencing: Steder eller tidsvinduer som utløser skjerpet gransking.
• Operatørbrukeropplevelse: Enkel fargesortering som oppmuntrer automatiseringsskjevhet — menneskelig respekt for maskinproduksjon.
• Kommandodashbord: Varmekart, varsler og statistikk som kan gjøre «flere stopp» om til «bedre ytelse».

Når kommandomålinger verdsetter volum – flere skanninger, flere flagg, flere «funn» – beveger systemet seg mot å maksimere friksjonen for befolkningen det styrer.

Hva gjør det annerledes enn konvensjonell overvåking

Tre funksjoner som skiller Rød Ulv/Blå Ulv fra hverandre:

1. Obligatorisk fangst: Bevegelse krever ofte skanning. Å reservere seg mot sikkerhet er lik utestengelse.
2. Populasjonsspesifisitet: Modellen og databasen fokuserer på én etnisk gruppe, og integrerer diskriminering i prosessen.
3. Operasjonell integrasjon: Gir umiddelbart utdata for porttilgang og utløser håndheving, ikke bare etteranalyse.

Elementer gjenspeiler andre utplasseringer over hele verden: tette kameranett, ansiktssøk på protestopptak, prediktiv politiarbeid matet av skjeve etiketter.

Men sammensmeltingen av militær okkupasjon og AI-styrt bevegelse er uvanlig tydelig. Den demonstrerer hvordan moderne datasyn kan forsterke segregeringssystemer – gjøre dem raskere, stillere og vanskeligere å bekjempe.

Sikkerhetsansatte hevder at disse verktøyene forhindrer vold og gjør screening mer effektivt.

Kritikere hevder at «effektivt yrke» ikke er en etisk oppgradering. Det er rett og slett industrialiserer kontroll – og skyver kostnadene ved feil over på sivile som mangler noen form for klagemulighet.

Hva du skal se neste

• Modellkryp: Utvidelse fra ansikts-ID til gange-, stemme- og atferdsanalyse.
• Terskeljustering: Politiske endringer som i det stille hever eller senker kampstandardene – og den sivile byrden.
• Datafusjon: Kobling av biometri til telekommetadata, bilskiltlesere, betalinger og forsyningstjenester.
• Eksport: Adopsjon av lignende «kamptestede» systemer av andre myndigheter, markedsført som smartby- eller grensesikkerhetsløsninger.

Konklusjon: En advarsel til verden

Ved en turnstilk i Hebron eller en smug i Damaskus-porten har kunstig intelligens blitt en stående beslutningstaker over menneskelig bevegelse.

Faren er ikke bare kameraet. Det er systemet: obligatorisk registrering, ugjennomsiktige databaser, umiddelbar sortering og et juridisk vakuum som behandler et helt folk som permanent mistenkt.

Det som normaliseres er en mal – en måte å styre gjennom algoritmerValget som den bredere verden står overfor er om de skal akseptere den malen, eller sette en streng grense før automatisert mistenksomhet blir standardinnstillingen i det offentlige liv.