Rød Ulv, Blå Ulv: AI-drevet ansiktsgjenkjenning og overvåking av palestinerne

Få steder på jorden er like konstant overvåket som de okkuperte palestinske territoriene.

På gatene i Hebron, ved overfylte kontrollposter i Øst-Jerusalem, og i dagliglivet til millioner, fungerer avanserte AI-systemer nå som både portvakt og vakthund.

Bak kameraene og databasene ligger to fryktelig effektive verktøy — Rød Ulv og Blå Ulv — ansiktsgjenkjenningssystemer designet ikke for komfort eller kommersiell bruk, men for kontroll.

Deres jobb: skanne ansikter, sammenligne dem med enorme biometriske databaser, og bestemme om noen kan bevege seg fritt eller må stoppes.

Hva som gjør disse systemene så alarmerende, er ikke bare teknologien i seg selv, men måten de brukes — målretting av en hel befolkning basert på etnisitet, innsamling av data uten samtykke, og innbygging av algoritmer i okkupasjonens maskineri.

I de kommende seksjonene utforsker vi hvordan disse AI-systemene fungerer, hvor de er deployert, misbrukene de driver, og hvorfor de er viktige langt utenfor Palestina.

Hvordan Rød Ulv og Blå Ulv opererer

Blå Ulv er en mobilapplikasjon båret av soldater på patrulje. Et raskt bilde av et palestinsk ansikt utløser en øyeblikkelig sammenligning mot en stor biometrisk database som ofte omtales av troppene som Wolf Pack.

Svaret er brutalt enkelt: en fargekode. Grønn indikerer pass; gul betyr stopp og spør; rød signaliserer arrest eller nektelse av adgang.

Blå Ulv er ikke bare et oppslagverktøy. Det registrerer nye ansikter. Når et bilde ikke matcher, kan bildet og metadataene legges til i databasen, og skape eller utvide en profil. Enheter har blitt oppmuntret til å fange så mange ansikter som mulig for å “forbedre” systemet.

Rød Ulv flytter identifikasjonen til kontrollposten selv. Faste kameraer ved vendesler skanner hvert ansikt som går inn i buret. Systemet sammenligner ansiktstempelet med registrerte profiler og viser de samme triage-fargene på en skjerm.

Hvis systemet ikke gjenkjenner deg, kommer du ikke inn. Da blir ansiktet ditt fanget og registrert for neste gang.

AI og maskinlæring under panseret

Nøyaktige leverandører og modellarkitekturer er ikke offentliggjort. Men atferden sammenfaller med en standard datamaskin-synspipeline:

• Deteksjon: Kameraer eller telefoner lokalisere et ansikt i bildet.
• Landmarking: Nøkkel punkter (øyne, nese, munnhjørner) kartlegges for å normalisere posisjon og lys.
• Emballasje: Et dypt neuralt nettverk konverterer ansiktet til en kompakt vektor (“ansiktutskrift”).
• Sammenligning: Denne vektoren sammenlignes med lagrede emballasjer ved hjelp av kosinuslikhet eller en nærmeste nabo-søk.
• Beslutning: Hvis likheten overstiger en terskel, returneres profilen med en status; ellers kan en ny profil bli opprettet.

Hva som er særegent her, er befolknings-spesifikke. Trening- og referansedata består overveiende av palestinske ansikter. Det konsentrerer modellens ytelse på en gruppe — og kodifiserer en form for digital profilering ved design.

På større skala bruker systemene sannsynligvis kant-inferens for hastighet (telefoner og kontrollpostenheter som kjører optimerte modeller) med asynkron synkronisering til sentrale servere. Dette minimiserer forsinkelsen ved vendeslen samtidig som den sentrale databasen holdes fersk.

Terskler kan justeres i programvaren. Å øke dem reduserer falske positiver, men øker falske negativ; å senke dem gjør det motsatte. I en kontekst med kontrollposter, er incitamentene skjevde mot å overflagge, og legger byrden av feil på sivile.

Data, merker og drift

Ansiktsgjenkjenning er bare så “god” som dens data.

Blå Ulvs massefotokampanjer fungerer som datainnsamling. Ansikter blir fanget i varierende lys og vinkler, med merker festet post-hoc: identitet, adresse, familiære bånd, yrke og en sikkerhetsvurdering.

Disse merkene er ikke grunnfakta. De er administrative påstander som kan være foreldet, forvrengt eller feil. Når slike merker mates modellens om-trening, forsterkes feilene til funksjoner.

Over tid kommer datadrift inn. Barn blir voksne. Folk endrer utseende. Mangel på “harde” eksempler (liknende mennesker, forvrengninger, masker) kan blåse opp feilrater i virkeligheten. Hvis overvåking og gjenbalansering er svak, degraderer systemet stille — samtidig som det beholder samme aura av sikkerhet ved kontrollposten.

Hvor det er deployert og hvordan det skalerer

Hebrons H2-sektor er smelteovnen. Dusinvis av interne kontrollposter regulerer bevegelse gjennom Old City-gatene og til palestinske hjem.

Rød Ulv er fastmontert ved utvalgte vendesler, og skaper en obligatorisk registreringskanal. Blå Ulv følger på foten, og utvider dekningen til markeder, sidegater og private dørtrinn.

I Øst-Jerusalem har myndighetene lagt AI-kapable CCTV over palestinske nabolag og rundt hellige steder. Kameraer identifiserer og sporer individer på avstand, og muliggjør etterfølgende arrestasjoner ved å kjøre video gjennom ansiktsøk.

Overvåkningstetthet teller. Jo flere kameraer og fangstpunkter, jo mer komplett befolkningsgraf: hvem bor hvor, hvem besøker hvem, hvem deltar i hva. Når denne grafen er etablert, mater den ikke bare gjenkjenning, men også nettverksanalyse og mønster-i-livet-modeller.

Hebron: En by under digital lås

Befolkningen beskriver kontrollposter som føles mindre som grenseoverganger og mer som automatiske porter. En rød skjerm kan låse noen ute av sin egen gate til en menneskelig overgang kommer — hvis den kommer i det hele tatt.

Forbi adgangskontroll, mättet kameranettverket dagliglivet. Linser stikker ut fra tak og lyktestolper. Noen peker inn i gårdsrom og vinduer. Folk forkorter besøk, endrer gangruter, og unngår å bli stående utenfor.

Sosialkostnaden er subtil, men gjennomtrengende: færre gårdsromssamlinger, færre tilfeldige samtaler, færre gateleker for barn. En by blir stille, ikke fordi den er trygg, men fordi den er overvåket.

Øst-Jerusalem: Kameraer i hver eneste krok

I Øst-Jerusalems gamleby og omkringliggende nabolag, kjører ansiktsgjenkjenning på et omfattende CCTV-ryggrad.

Opptak er søkbart. Ansikter fra en protest kan bli sammenlignet dager senere. Logikken er enkel: du kan forlate i dag, men du kommer ikke ut av databasen.

Befolkningen snakker om “den andre sansen” du utvikler — en bevissthet om hver eneste polmontert kuppel — og den indre sensoren som følger med.

Menneskerettighetskrisen

Flere røde linjer krysses på en gang:

• Likhet: Bare palestinerne er underlagt biometrisk triage ved disse kontrollpostene. Separate ruter beskytter bosettere fra sammenlignbar granskning.
• Samtykke: Registrering er ufrivillig. Å nekte å bli skannet betyr å nekte å bevege seg.
• Gjennomsiktighet: Folk kan ikke se, bestride eller korrigere dataene som styrer dem.
• Proporsjonalitet: En lav-friksjons, alltid-på biometrisk nett behandler en hel befolkning som mistenkt som standard.

Ansiktsgjenkjenning misidentifiserer også — spesielt med dårlig lys, delvis forvrengning eller aldersendring. I denne sammenhengen kan en feilaktig sammenligning bety arrest eller nektelse av adgang; en manglende sammenligning kan strande noen ved en kontrollpost.

Den psykologiske belastningen

Livet under konstant AI-overvåking lærer forsiktighet.

Folk unngår samlinger, endrer rutiner, og overvåker barna sine nærmere. Ord blir veid i offentligheten. Bevegelse er beregnet.

Mange beskriver den avmenneskeliggjørende effekten av å bli redusert til en grønn, gul eller rød kode. En maskins binær dom blir den viktigste fakta om din dag.

Styring, lov og ansvar

Inne i Israel selv, har ansiktsgjenkjenning møtt motstand mot personvern. I de okkuperte territoriene, gjelder en annen rettslig regime, og militære ordrer overstyrer sivile personvernsnormer.

Nøkkelgap:

• Ingen uavhengig overvåking med makt til å granske datasett, terskler eller feilrater.
• Ingen ankeprosess for individer som feilaktig blir identifisert eller registrert.
• Udefinert oppbevaring og delingsregler for biometriske data og avledede profiler.
• Formålsskjevhet risiko når datasett og verktøy blir gjenbrukt for etterretning og nettverks-overvåking.

Uten bindende grenser, er standard-retningen utvidelse: flere kameraer, bredere overvåkingslister, dypere integrasjoner med andre datasett (telefoner, kjøretøy, kommunikasjon).

Inne i beslutningsløkken

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

• Overvåkningslister: Lister over navn, adresser og “assosiater” som styrer fargekodens utfall.
• Geofencing-regler: Steder eller tidsvinduer som utløser økt granskning.
• Operatør-UI: Enkel farge-triage som oppmuntrer automatiseringsforvrengning — menneskelig avhengighet av maskin-utgang.
• Kommandodashboard: Varme-kart, varsler og statistikk som kan gjøre “mer stopp” til “bedre ytelse”.

Når kommando-metrikker prisar volum — flere skanninger, flere flagg, flere “funn” — glir systemet mot å maksimere friksjon for befolkningen det styrer.

Hva som gjør det forskjellig fra konvensjonell overvåking

Tre funksjoner skiller Rød Ulv/Blå Ulv fra:

1. Obligatorisk fanging: Bevegelse ofte krever skanning. Å nekte å bli skannet betyr å nekte å bevege seg.
2. Befolknings-spesifikke: Modellen og databasen fokuserer på en etnisk gruppe, og baker diskriminering inn i pipelinen.
3. Operasjonell integrasjon: Utgangene utløser øyeblikkelig adgang og utløser håndheving, ikke bare etterfølgende analyse.

Elementer minner om andre deployeringer verden over: tette kameranett, ansiktsøk på protestopptak, prediktiv politi som mates av skjeve merker.

Sikkerhetsmyndighetene argumenterer for at disse verktøyene forhindrer vold og gjør skanning mer effektiv.

Kritikere motsetter at “effektiv okkupasjon” ikke er en etisk oppgradering. Det industrialiserer kontroll — og flytter feil-kostnaden over på sivile som mangler noen form for gjenkall.

Hva å se etter neste

• Modell-kryp: Utvidelse fra ansikts-ID til gange, tale og atferdsanalyse.
• Terskel-justering: Politiske endringer som stille øker eller senker sammenlignings-barene — og sivile byrde.
• Data-fusjon: Kobling av biometri til telekommunikasjons-metadata, nummerplater, betalinger og kommunikasjon.
• Eksport: Adopsjon av lignende “battle-testede” systemer av andre regjeringer, markedsført som smart-by eller grense-sikkerhetsløsninger.

Konklusjon: En advarsel til verden

Ved en Hebron-kontrollpost eller en Damaskus-gate-gate, har AI blitt en stående beslutningstager over menneskelig bevegelse.

Faren er ikke bare kameraet alene. Det er systemet: obligatorisk registrering, ugjennomsiktige databaser, øyeblikkelig triage, og en rettslig tomrom som behandler en hel befolkning som permanent mistenkt.

Hva som normaliseres, er en mal — en måte å styre gjennom algoritmer. Valget som står overfor den videre verden, er om å akseptere denne malen, eller å tegne en hard linje før automatisert mistanke blir standardinnstillingen for offentlig liv.