Τον Φεβρουάριο του 2024, η γερμανική αστυνομία ανακοίνωσε τη σύλληψη της Daniela Klette, μέλους της τρομοκρατικής οργάνωσης Red Army Faction, η οποία κατάφερνε να παραμένει ασύλληπτη για δεκαετίες. Πριν, όμως, εντοπιστεί από τις Αρχές, είχε βρεθεί στο στόχαστρο ερευνητών δημοσιογράφων χάρη σε ένα νέο τεχνολογικό εργαλείο.
Ο Michael Colborne από την ερευνητική δημοσιογραφική ομάδα Bellingcat χρησιμοποίησε μια φωτογραφία της Klette από την ανακοίνωση αναζήτησής της και την υπέβαλε σε αρκετά εργαλεία αναγνώρισης και σύγκρισης προσώπων που βασίζονται στην τεχνητή νοημοσύνη. Τα αποτελέσματα οδηγούσαν επανειλημμένα στο ίδιο πρόσωπο: μια γυναίκα στο Βερολίνο με το όνομα Claudia Ivone. Μέχρι τη σύλληψή της, η συγκεκριμένη γυναίκα ήταν γνωστή και ιδιαίτερα φωτογραφημένη στην αφροβραζιλιάνικη κοινότητα της capoeira στην πόλη.
Η υπόθεση αυτή δείχνει πόσο έχει αλλάξει το παιχνίδι της αναζήτησης ανθρώπων. Αυτό που πριν από περίπου τρεις δεκαετίες ξεκίνησε με απλές διαδικτυακές αναζητήσεις έχει πλέον ενισχυθεί από τεχνολογίες που μπορούν να επεξεργάζονται τεράστιες ποσότητες εικόνων και δεδομένων σε πολύ μικρό χρόνο.
Η Klette, πάντως, δεν αποτελεί μεμονωμένη περίπτωση.
Πέρυσι, ο Αμερικανός ερευνητής γερμανικής καταγωγής Jürgen Matthäus, μαζί με ερευνητή της Bellingcat, αξιοποίησε ιστορικά αρχεία και προηγμένο σύστημα αναγνώρισης προσώπου με τεχνητή νοημοσύνη, προκειμένου να αναζητήσει τον πιθανό δράστη που εμφανίζεται σε μία από τις πιο συγκλονιστικές φωτογραφίες του Ολοκαυτώματος. Στην εικόνα, ένας ναζί στρατιώτης κρατά το όπλο του στραμμένο στο κεφάλι ενός Εβραίου άνδρα, ο οποίος βρίσκεται γονατισμένος μπροστά από έναν λάκκο με πτώματα στην κατεχόμενη Ουκρανία.
Παρόμοιες τεχνολογίες έχουν χρησιμοποιηθεί και σε άλλες έρευνες. Οι New York Times αξιοποίησαν σύγχρονες μεθόδους τεχνητής νοημοσύνης για να υποστηρίξουν ότι ο άνθρωπος πίσω από το ψευδώνυμο Satoshi Nakamoto, το οποίο συνδέεται με τη δημιουργία του Bitcoin, ήταν πιθανότατα ο Βρετανός επιστήμονας πληροφορικής Adam Back. Ο ίδιος έχει απορρίψει τον συγκεκριμένο ισχυρισμό.
Οι Sunday Times, από την πλευρά τους, συνεργάστηκαν με ερευνητές της Bellingcat και χρησιμοποίησαν το PimEyes, ένα εργαλείο τεχνητής νοημοσύνης που αναζητά στο διαδίκτυο εικόνες ενός προσώπου με βάση μια φωτογραφία αναφοράς. Σε συνδυασμό με παραδοσιακές ερευνητικές μεθόδους, η τεχνολογία χρησιμοποιήθηκε για την αναζήτηση των καταζητούμενων αρχηγών καρτέλ Christy Kinahan και του γιου του, Daniel.
Ακόμη και ιδιώτες ερευνητές έχουν αξιοποιήσει αυτές τις δυνατότητες. Ο Alex Baber δημιούργησε το δικό του εργαλείο τεχνητής νοημοσύνης με στόχο να υποστηρίξει την έρευνά του σχετικά με την ταυτότητα του ανθρώπου που θεωρεί ότι ήταν ο πραγματικός Zodiac Killer, ένας από τους πιο γνωστούς κατά συρροή δολοφόνους στην αμερικανική ιστορία.
Πού σταματά το δημόσιο συμφέρον;
Οι δυνατότητες αυτές είναι εντυπωσιακές, αλλά ταυτόχρονα θέτουν ένα δύσκολο ερώτημα: πόση διαφάνεια μπορεί να αντέξει μια κοινωνία χωρίς να παραβιάζεται η ιδιωτικότητα;
Η αναζήτηση της αλήθειας και η προστασία του δημόσιου συμφέροντος δεν είναι πάντα εύκολο να διαχωριστούν από την αδιακρισία ή την απλή περιέργεια. Ακόμη και πριν από την εμφάνιση της τεχνητής νοημοσύνης, η λεγόμενη "πληροφορία ανοιχτών πηγών" περιλάμβανε τη συλλογή δεδομένων από αναρτήσεις στα μέσα κοινωνικής δικτύωσης, διαδικτυακούς χάρτες και δημόσια διαθέσιμα έγγραφα.
Η διαφορά σήμερα είναι ότι όλα αυτά τα δεδομένα μπορούν να συνδυαστούν με τεράστιες βάσεις εικόνων. Έτσι, μια φωτογραφία μπορεί να συγκριθεί με δισεκατομμύρια άλλες, καθιστώντας ευκολότερο τον εντοπισμό της ταυτότητας ενός ανθρώπου ή μιας τοποθεσίας.
Αυτό δημιουργεί κινδύνους για ανθρώπους που κρύβονται για σοβαρούς λόγους.
Ένα χαρακτηριστικό παράδειγμα θα ήταν ένας άνθρωπος που βρίσκεται σε πρόγραμμα προστασίας μαρτύρων και αποφασίζει να παρακολουθήσει έναν ποδοσφαιρικό αγώνα. Το πρόσωπό του μπορεί να καταγραφεί από κάμερες ή κινητά τηλέφωνα και στη συνέχεια να αντιστοιχιστεί αυτοματοποιημένα με άλλες εικόνες που υπάρχουν στο διαδίκτυο.
Το πρόβλημα γίνεται ακόμη μεγαλύτερο όταν η τεχνητή νοημοσύνη αποκτά τη δυνατότητα να παρακάμπτει τεχνικά εμπόδια που μέχρι σήμερα λειτουργούσαν ως δικλείδες προστασίας.
Η πρόκληση για την κρυπτογράφηση
Ένα ακόμη σημαντικό ζήτημα αφορά την κρυπτογράφηση, δηλαδή τις τεχνολογίες που χρησιμοποιούνται για την προστασία των δεδομένων και των επικοινωνιών στο διαδίκτυο.
Το ερώτημα είναι τι θα συμβεί όταν συστήματα τεχνητής νοημοσύνης αποκτήσουν ακόμη μεγαλύτερες δυνατότητες μαθηματικού συλλογισμού και μπορούν να εντοπίζουν αδυναμίες σε κρυπτογραφικούς αλγορίθμους.
Σε ανάρτηση ιστολογίου τον Ιούλιο, η Anthropic ανέφερε ότι ερευνητές της, χρησιμοποιώντας το μοντέλο Claude Mythos Preview, εντόπισαν βελτιωμένες μεθόδους επίθεσης σε κρυπτογραφικούς αλγορίθμους. Οι τεχνολογίες αυτές αποτελούν βασικό μέρος της προστασίας των ιδιωτικών δεδομένων στο διαδίκτυο και οποιαδήποτε σημαντική πρόοδος στην παράκαμψή τους θα μπορούσε να έχει ευρύτερες συνέπειες για την ψηφιακή ασφάλεια.
Το ζήτημα, επομένως, δεν περιορίζεται στην προστασία των δεδομένων. Συνδέεται άμεσα και με την προστασία της ανθρώπινης ταυτότητας.
Όταν το θόλωμα δεν αρκεί
Τα τελευταία χρόνια έχουν αναπτυχθεί διάφορες τεχνικές για την απόκρυψη προσωπικών στοιχείων σε φωτογραφίες και βίντεο. Το θόλωμα των προσώπων αποτελεί μία από τις πιο συνηθισμένες μεθόδους, ιδιαίτερα σε υλικό που αφορά θύματα, ανήλικους ή πληροφοριοδότες.
Η εξέλιξη της τεχνητής νοημοσύνης, όμως, προκαλεί αμφιβολίες για το πόσο αποτελεσματική μπορεί να παραμείνει αυτή η προστασία.
Σε άρθρο που δημοσιεύτηκε τον Ιούνιο στο Tech Policy Press, οι ερευνήτριες Shirin Anlen και Gabi Ivens εξέτασαν την αποτελεσματικότητα τεχνικών θόλωσης που χρησιμοποιούνται για την προστασία θυμάτων και πληροφοριοδοτών.
Χρησιμοποίησαν δημοσιευμένες φωτογραφίες δύο παιδιών, στα οποία τα χαρακτηριστικά του προσώπου είχαν αλλοιωθεί με θόλωμα, και τις επεξεργάστηκαν μέσω ευρέως διαθέσιμων εργαλείων τεχνητής νοημοσύνης που μπορούν να βελτιώνουν και να επαναφέρουν την ευκρίνεια μιας εικόνας.
Η διαδικασία είχε ως αποτέλεσμα να γίνουν ξανά ορατές ορισμένες δομές των προσώπων και να εμφανιστούν πιο καθαρά χαρακτηριστικά. Παρότι το αποτέλεσμα δεν αποτελούσε απαραίτητα πιστή αναπαράσταση των πραγματικών προσώπων, μπορούσε να περιορίσει τον βαθμό ανωνυμίας.
Μέσα από τέτοιες ανακατασκευές μπορούν να προκύψουν πληροφορίες σχετικά με την ηλικία, το φύλο, την καταγωγή ή την ομοιότητα ενός ανθρώπου με άλλα πρόσωπα. Έτσι, ακόμη και όταν η πραγματική ταυτότητα δεν αποκαλύπτεται άμεσα, η απόσταση ανάμεσα στην ανώνυμη εικόνα και το πραγματικό πρόσωπο μειώνεται.
Το σημαντικό ερώτημα, επομένως, δεν είναι μόνο πόσο ακριβή είναι αυτά τα εργαλεία σήμερα, αλλά και πόσο περισσότερο θα εξελιχθούν στο μέλλον.
Ένα νέο παιχνίδι γάτας και ποντικιού
Η εξέλιξη αυτή φαίνεται να δημιουργεί ένα νέο διαρκές "παιχνίδι γάτας και ποντικιού" ανάμεσα στις κρατικές Αρχές, τις επιχειρήσεις, τους ερευνητές και τους δημοσιογράφους.
Κάθε νέα δυνατότητα εντοπισμού και ταυτοποίησης δημιουργεί ταυτόχρονα την ανάγκη για νέες μεθόδους προστασίας της ιδιωτικότητας. Και όσο πιο ισχυρά γίνονται τα εργαλεία τεχνητής νοημοσύνης, τόσο δυσκολότερο μπορεί να γίνεται για κάποιον να παραμείνει πραγματικά ανώνυμος.
Το μεγαλύτερο βάρος, ωστόσο, είναι πιθανό να πέσει σε εκείνους που έχουν τους σοβαρότερους λόγους να προστατεύσουν την ταυτότητά τους: θύματα, πληροφοριοδότες, μάρτυρες και άλλους ανθρώπους που μπορεί να κινδυνεύουν αν εντοπιστούν.
Η τεχνητή νοημοσύνη μπορεί να αποτελέσει εξαιρετικά ισχυρό εργαλείο για την αποκάλυψη της αλήθειας και την εξυπηρέτηση του δημόσιου συμφέροντος. Ταυτόχρονα, όμως, χρειάζεται να συνοδεύεται από κανόνες και ασφαλιστικές δικλείδες, ώστε η δυνατότητα αναζήτησης και ταυτοποίησης να μην καταλήξει να ακυρώνει την ίδια την έννοια της ανωνυμίας.
