Червоний Вовк, Синій Вовк: AI-Пowered Розпізнавання Обличчя та Надзір за Палестинцями

Мало де на Землі існує місця, які були б так безжалісно спостережені, як окуповані палестинські території.

У вулицях Хеврона, на залізних пунктах пропуску в Східному Єрусалимі та у повсякденному житті мільйонів людей, передові системи AI тепер діють як і охоронець, і сторож.

Позаду камер і баз даних знаходяться два страшенно ефективні інструменти — Червоний Вовк і Синій Вовк — системи розпізнавання облич, розроблені не для зручності чи комерції, а для контролю.

Їхня робота полягає в тому, щоб сканувати обличчя, порівнювати їх з величезними біометричними базами даних і вирішувати, чи може хтось рухатися вільно чи мусить бути зупинений.

Те, що робить ці системи такою страшною, це не тільки сама технологія, а й те, як вони використовуються — націлювання на цілу популяцію на основі етнічної приналежності, збирання даних без згоди та впровадження алгоритмів у механізм окупації.

У наступних розділах ми досліджуємо, як ці системи AI працюють, де вони були розгорнуті, які порушення вони спричиняють і чому вони мають значення далеко за межами Палестини.

Як працюють Червоний Вовк і Синій Вовк

Синій Вовк — це мобільний додаток, який використовується солдатами під час патрулювання. Швидке фото обличчя палестинця викликає миттєве порівняння з великою біометричною базою даних, яку війська часто називають Вовчою Стаєю.

Відповідь страшенно проста: кольоровий код. Зелений колір означає пропуск; жовтий — зупинку і допит; червоний — затримання або заборону входу.

Синій Вовк не тільки інструмент для пошуку. Він також реєструє нові обличчя. Коли фото не збігається, зображення та метадані можуть бути додані до бази даних, створюючи або розширюючи профіль. Військові підрозділи були заохочені фотографувати якомога більше облич, щоб «поліпшити» систему.

Червоний Вовк переносить ідентифікацію на сам пункт пропуску. Фіксовані камери на турнікетах сканують кожне обличчя, яке входить у клітку. Система порівнює шаблон обличчя з зареєстрованими профілями та виводить ті самі кольори на екрані.

Якщо система не розпізнає вас, ви не проходите. Ваше обличчя тоді фотографується і реєструється для наступного разу.

AI і машинне навчання під капотом

Точні постачальники і архітектури моделей не публікуються. Але поведінка системи відповідає стандартній пipeline комп’ютерного зору:

• Виявлення: Камери або телефонні датчики знаходять обличчя у кадрі.
• Маркування: Ключові точки (очі, ніс, кути рота) відображаються для нормалізації положення і освітлення.
• Вбудовування: Глибока нейронна мережа перетворює обличчя у компактний вектор («відбиток обличчя»).
• Порівняння: Цей вектор порівнюється зі збереженими вбудовуваннями за допомогою косинусної подібності або найближчого сусіда.
• Вирішення: Якщо подібність перевищує поріг, повертається профіль зі статусом; інакше може бути створений новий профіль.

Те, що відрізняє цю систему, це специфікація популяції. Тренувальні і довідкові дані переважно складаються з палестинських облич. Це концентрує продуктивність моделі на одній групі — і кодифікує форму цифрового профайлінгу за конструкцією.

У великомасштабному застосуванні системи ймовірно використовують інференс на краю для швидкості (телефони і пункти пропуску, що працюють з оптимізованими моделями) з асинхронним синхронізуванням з центральними серверами. Це мінімізує затримку на турнікеті, зберігаючи при цьому свіжість центральної бази даних.

Пороги можна налаштувати у програмному забезпеченні. Збільшення їх зменшує кількість помилкових позитивних результатів, але збільшує кількість помилкових негативних; зниження їх робить навпаки. У контексті пунктів пропуску стимули зсуваються в бік завищення; це переносить тягар помилок на цивільних осіб.

Дані, мітки і зсуви

Розпізнавання облич є тільки такою «доброю», як і дані, на яких воно тренується.

Кампанії масового збору фотографій Синього Вовка діють як збирання даних. Обличчя фотографуються у різних умовах освітлення і кутів, з мітками, доданими пізніше: ідентифікація, адреса, сімейні зв’язки, професія і рейтинг безпеки.

Ці мітки не є істинними. Вони є адміністративними твердженнями, які можуть бути застарілими, упередженими або неправильними. Коли такі мітки використовуються для повторної тренувки моделі, помилки затверднюються у вигляді особливостей.

З часом зсуви даних починають діяти. Діти стають дорослими. Люди змінюють свій зовнішній вигляд. Недостатність «важких» прикладів (людей, які виглядають схоже, окулювання, маски) може збільшити реальні показники помилок. Якщо моніторинг і ребалансування є слабкими, система тихо погіршується — зберігаючи при цьому той самий ореол впевненості на пункті пропуску.

Де вони розгорнуті і як вони масштабуються

Сектор H2 у Хевроні є випробувальним полігоном. Десятки внутрішніх пунктів пропуску регулюють рух через вулиці Старого Міста і до палестинських домів.

Червоний Вовк встановлений на вибраних турнікетах, створюючи фунель обов’язкової реєстрації. Синій Вовк слідує за ними пішки, розширюючи покриття до ринків, бічних вулиць і приватних дверних прорізів.

У Східному Єрусалимі влади розгорнули AI-здатні камери спостереження по всьому палестинському кварталу і навколо святинь. Камери ідентифікують і відстежують осіб на відстані, дозволяючи післяподійні затримання шляхом проходження відео через пошук облич.

Густота спостереження має значення. Чим більше камер і пунктів реєстрації, тим повніша граф популяції: хто живе де, хто відвідує кого, хто відвідує які заходи. Як тільки ця граф встановлена, вона годує не тільки розпізнавання, а й мережеві аналітичні моделі і моделі поведінки.

Хеврон: Місто під цифровою блокадою

Мешканці описують пункти пропуску, які відчуваються не як кордони, а як автоматичні ворота. Червоний екран може заблокувати людину з її власної вулиці, доки не надійде людський оператор — якщо він надійде взагалі.

Поза контролем доступу камерна сітка насичує повсякденне життя. Об’єктиви виступають з дахів і ліхтарів. Деякі з них спрямовані у дворики і вікна. Люди скорочують візити, змінюють маршрути руху і уникají затримуватися на вулиці.

Соціальна ціна є тонкою, але всеосяжною: менше зібрань у двориках, менше випадкових розмов, менше ігор для дітей на вулиці. Місто стає тихим не тому, що воно безпечне, а тому, що воно спостерігається.

Східний Єрусалим: Камери на кожному куті

У Старому Місті Східного Єрусалима та навколишніх кварталах розпізнавання облич використовується на основі розгорнутої системи камер спостереження.

Відеозаписи можна шукати. Обличчя з протесту можна зіставити пізніше. Логіка проста: ви можете піти сьогодні, але ви не вийдете з бази даних.

Мешканці говорять про «другий відчуття» — відчуття кожного опори — і внутрішнього цензора, який з’являється з ним.

Криза прав людини

Кілька червоних ліній перехідних одночасно:

• Рівність: тільки палестинці підлягають біометричній селекції на цих пунктах пропуску. Відокремлені маршрути захищають поселенців від подібної перевірки.
• Згода: Реєстрація є примусовою. Відмова від сканування означає відмову від руху.
• Прозорість: Люди не можуть бачити, оскаржувати або виправляти дані, які керують ними.
• Пропорційність: Низькозатратна, постійно діюча біометрична сітка扱ує цілу популяцію як підозрювану за замовчуванням.

Розпізнавання облич також може помилково ідентифікувати — особливо при поганому освітленні, частковому окулюванні або зміні віку. У цьому контексті помилкова відповідь може означати затримання або заборону проходу; пропущена відповідь може залишити людину на пункті пропуску.

Психологічна ціна

Життя під постійним спостереженням AI вчить обережності.

Люди уникують зібрань, змінюють свої звички і наглядають за дітьми ближче. Слова зважуються у громадських місцях. Рух обчислюється.

Багато описують делюдськувальний ефект від того, що їх звели до зеленого, жовтого чи червоного коду. Бінарне рішення машини стає найбільш важливим фактом про їхній день.

Керування, закон і підзвітність

У самому Ізраїлі розпізнавання облич зустріло phảnспрям проти приватності. На окупованих територіях діє інша правова система, і військові накази переважають цивільні норми приватності.

Ключові пробіли:

• Немає незалежного нагляду з повноваженням аудиту баз даних, порогів або показників помилок.
• Немає апеляційного процесу для осіб, яких помилково ідентифікували або зареєстрували.
• Невизначене зберігання і правила обміну біометричними даними та отриманими профілями.
• Ризик зсуву мети існує, оскільки дані і інструменти перепрофілюються для цілей розвідки і мережевого спостереження.

Без обов’язкових обмежень стандартна траєкторія — розширення: більше камер, ширші списки спостереження, глибші інтеграції з іншими базами даних (телефонів, транспортних засобів, комунальних послуг).

Усередині рішення

Розпізнавання облич тут не діє у вакуумі. Воно сполучене з:

• Списками спостереження: списками імен, адрес і «асоційованих осіб», які керують результатами кольорового коду.
• Географічними правилами: місцями або часовими вікнами, які викликають підвищену увагу.
• Інтерфейсом оператора: простим кольоровим кодуванням, яке заохочує автоматичну упередженість — людську схильність до машинного виходу.
• Командними панелями: тепловими картами, сигналами і статистикою, які можуть перетворити «більше зупинок» на «кращу продуктивність».

Як тільки метрики командної панелі цінують обсяг — більше сканувань, більше прапорів, більше «знахідок» — система зсувається в бік максимізації тертя для популяції, яку вона керує.

Що робить її іншим від звичайного спостереження

Три особливості відрізняють Червоного Вовка/Синього Вовка:

1. Примусова реєстрація: Рух часто вимагає сканування. Відмова від сканування означає відмову від руху.
2. Специфікація популяції: Модель і база даних зосереджені на одній етнічній групі, впроваджуючи дискримінацію у процес.
3. Операційна інтеграція: Виходи миттєво керують доступом і викликають виконання, а не тільки післяфактний аналіз.

Елементи нагадують інші розгортання у світі: густі сітки камер, пошук облич на відео протестів, прогностичне поліцейське спостереження, яке живиться упередженими мітками.

Але сполучення військової окупації і AI-керованого руху є незвичайно яскравим. Воно демонструє, як сучасний комп’ютерний зір може затверднювати системи сегрегації — роблячи їх швидшими, тихішими і важчими для оскарження.

Офіційні особи безпеки стверджують, що ці інструменти запобігають насильству і роблять скринінг більш ефективним.

Критики заперечують, що «ефективна окупація» не є етичним оновленням. Вона просто індустріалізує контроль — і переносить витрати помилок на цивільних осіб, які не мають жодної можливості оскарження.

Що слід спостерігати далі

• Зсув моделі: Розширення від ідентифікації облич до аналізу походження, голосу і поведінки.
• Настройка порогів: Політичні зміни, які тихо підвищують або знижують пороги відповідності — і тягар цивільних осіб.
• Злиття даних: Зв’язування біометричних даних з метаданими телефонів, читачами номерних знаків, платежами і комунальними послугами.
• Експорт: Прийняття подібних «бойових» систем іншими урядами, які позиціонуються як рішення «розумного міста» або безпеки кордонів.

Висновок: Попередження для світу

На пункті пропуску у Хевроні або на вулицях Дамаських воріт AI стало постійним рішенням щодо руху людей.

Небезпека не тільки у камері. Це система: примусова реєстрація, не透енні бази даних, миттєва селекція і правовий вакуум, який扱ує цілу популяцію як постійно підозрювану.

Те, що нормалізується, — це шаблон — спосіб керування через алгоритми. Вибір, який стоїть перед світом, — це прийняти цей шаблон або провести жорстку лінію, перш ніж автоматична підозра стане стандартною установкою громадського життя.