O futuro da vigilância é sobre comportamentos, não rostos

Em 1787, filósofo inglês Jeremy Bentham surgiu uma idéia para uma prisão que custaria uma fração do custo de outras prisões contemporâneas para funcionar praticamente sem crime interno. Sua prisão teórica, o panóptico, era curva, as celas voltadas para dentro em direção a um ponto central onde uma torre de guarda ficava. As janelas da torre de guarda deveriam ser escurecidas de um lado. Dessa maneira, um único guarda seria capaz de observar o comportamento de todos os prisioneiros. Mais importante, porém, os prisioneiros nunca saberiam se o guarda estava olhando para eles. O resultado final, todo indivíduo dentro da prisão internaliza a sensação de ser vigiado o tempo todo e se comporta de acordo.

Essa idéia do panóptico tornou-se um substituto para a ameaça de vigilância onipresente, devido principalmente à escolha de Bentham de estabelecer - uma prisão. Mas Bentham não pretendia assustar as pessoas, mas fornecer uma maneira de gerenciar um recurso escasso: a atenção da polícia.

Uma nova tendência na tecnologia de vigilância por vídeo está transformando o panóptico de Bentham em realidade, mas não da maneira que ele imaginava. Em vez de uma prisão, o novo panóptico focaria a atenção da polícia em uma pessoa quando seu comportamento se tornasse relevante para a torre de guarda. Imagine que fosse possível reconhecer não os rostos de pessoas que já haviam cometido crimes, mas os comportamentos indicando um crime que estava prestes a ocorrer.

Vários fornecedores e startups que participaram da ISC West, uma recente conferência de tecnologia de segurança em Las Vegas, procuraram atender a um mercado crescente de equipamentos e softwares de vigilância que podem encontrar armas escondidas, ler placas de veículos e outros indicadores de identidade e até mesmo decodificar o comportamento humano.

Uma empresa chamada ZeroEyes fora da Filadélfia comercializa um sistema para departamentos de polícia que podem detectar quando uma pessoa está entrando em uma determinada instalação portando uma arma. Ele se integra a qualquer número de sistemas de vigilância de circuito fechado. Mas os algoritmos de aprendizado de máquina não saem de uma caixa sabendo como reconhecer uma arma de fogo mais do que um cão viciado em drogas chega do criador sabendo a diferença entre maconha e orégano. Para ensinar o algoritmo, uma equipe da empresa aparece no local e começa a preparar ataques simulados. Lentamente, o algoritmo começa a aprender a aparência de uma arma naquele cenário específico, dependendo da luz, ângulos e outras condições. Eles estão trabalhando atualmente com as Escolas da Cidade de Nova York e têm um contrato com a Alfândega e Patrulha de Fronteiras dos EUA, mas ainda não foram implantados na fronteira, disse Kenny Gregory, engenheiro de software da empresa.

A detecção automatizada de armas de fogo é uma solução para um problema crescente que não tem cura clara para as políticas: conter tiroteios em massa e violência com armas. Enquanto algumas pesquisas mostram que 70% dos americanos apóiam leis mais rigorosas sobre armas, esse número é bem menor, cerca de 31 por cento, entre os conservadores. E assim o debate político, embora impetuoso, parou. Algoritmos de detecção de armas que alertam o pessoal de segurança quando uma pessoa armada chega podem reduzir o número de vítimas - embora provavelmente não tanto quanto se não houvesse atirador armado em primeiro lugar.

É um indicador preditivo de violência potencial, em vez de um indicador atrasado, como reconhecimento facial, e carrega menos bagagem política. Cada vez mais, as cidades e os departamentos de polícia estão experimentando o reconhecimento facial para detectar a presença de suspeitos em tempo real. Eles estão enfrentando forte resistência dos defensores da privacidade em San Francisco, onde alguns legisladores estão olhando para implantação de bloco e em outros lugares.