InquiryIQ to nieudostępniony prototyp Clearview AI, zaprojektowany do rozszerzania wyników rozpoznawania twarzy o wyszukiwanie w sieci i obrazach. System ma tworzyć możliwe profile osób oraz ich powiązań, ale Clearview AI twierdzi, że nie użył go żaden klient z organów ścigania i że firma nie planuje obecnie udostępniać go w tej formie.
To ważne rozróżnienie: mowa o koncepcji opisanej przez kod i elementy interfejsu, a nie o działającym, publicznie dostępnym produkcie dla policji.
InquiryIQ to nieudostępniony prototyp
Clearview AI opracowało InquiryIQ jako eksperymentalnego „asystenta analityka”. Projekt miałby rozpoczynać pracę po wcześniejszym wyszukiwaniu twarzy. Śledczy przekazywałby dodatkowe informacje uznane za istotne, a system rozszerzałby poszukiwania na strony internetowe, zdjęcia i inne materiały wizualne.
Amos Kyler, CEO Clearview AI, stwierdził, że żaden użytkownik organów ścigania nie korzystał z InquiryIQ. Firma twierdzi również, że nie planuje udostępnić prototypu w jego obecnej postaci. Nie oznacza to, że podobna koncepcja nie może zostać kiedyś zmieniona — oznacza natomiast, że InquiryIQ nie należy przedstawiać jako narzędzia używanego obecnie przez policję.
Od rozpoznania twarzy do Candidate Graph
Największa różnica względem prostego wyszukania podobnych twarzy polega na ambicji połączenia wielu rodzajów informacji. Projektowany przebieg wyglądałby następująco:
- Śledczy zaczyna od informacji uzyskanych podczas wyszukiwania twarzy w systemie Clearview AI.
- Dołącza szczegóły takie jak możliwy wiek, płeć, rasa, kolor włosów czy kolor oczu.
- InquiryIQ przeszukuje strony i obrazy, przegląda witryny oraz analizuje napotkane fotografie.
- System może zastosować rozpoznawanie twarzy do kolejnych zdjęć.
- Wyniki trafiają do struktury nazwanej Candidate Graph, czyli grafu możliwych tożsamości i powiązań.
| Element procesu | Projekt prototypu InquiryIQ | Wcześniejszy proces Clearview AI |
| Punkt wyjścia | Informacje uzyskane po wyszukiwaniu twarzy | Potencjalne dopasowania twarzy i tropy |
| Dalsze poszukiwania | Wyszukiwanie stron i obrazów, przeglądanie witryn oraz analiza zdjęć | Śledczy samodzielnie podążali za linkami i prowadzili kolejne poszukiwania |
| Łączenie informacji | Candidate Graph z możliwymi tożsamościami i powiązaniami | Linki i tropy wymagające dalszej pracy człowieka |
| Rola człowieka | Akceptowanie lub odrzucanie znalezionych danych po ich niezależnym sprawdzeniu | Ręczne prowadzenie kolejnych etapów wyszukiwania |
To nie jest drobne usprawnienie wyszukiwarki. Taki projekt przesuwałby punkt ciężkości z pojedynczego dopasowania twarzy na automatyczne porządkowanie cyfrowego śladu człowieka.
Jakie dane mogłyby trafić do profilu
Candidate Graph ma zawierać możliwe tożsamości i osoby powiązane z badanym przypadkiem. W profilu mogłyby pojawić się także:
- adresy i numery telefonów,
- pracodawcy,
- aliasy,
- konta w mediach społecznościowych,
- historia aresztowań,
- cechy fizyczne,
- informacje demograficzne.
Interfejs wskazuje, że wiek, płeć i rasa mogą pomagać systemowi podejmować „mądrzejsze decyzje” podczas wyszukiwania. Nie wiadomo jednak, jak dokładnie te dane wpływałyby na wyniki. Nie ma podstaw, by uznawać je za dowód większej dokładności ani za opis potwierdzonego profilu błędów systemu.
Ważne jest też ostrzeżenie dotyczące samych rezultatów: generowane dane demograficzne, informacje z mediów społecznościowych i dane o aresztowaniach mogą być prawdziwe albo nie. Przed zaakceptowaniem ich w profilu konieczna byłaby niezależna weryfikacja.
Mniejsza pracochłonność, większy zasięg nadzoru
Automatyzacja zmienia nie tylko tempo wyszukiwania. Zmniejsza również wysiłek potrzebny do przeglądania wielu źródeł i łączenia luźnych tropów. Eksperci zajmujący się prywatnością i policją ostrzegają, że może to ułatwić szerokie, słabo ukierunkowane poszukiwania — tak zwane wyprawy na ryby — oraz utrudnić późniejsze odtworzenie, dlaczego śledczy podążył konkretnym tropem.
Woodrow Hartzog, badacz prywatności z Boston University, zwraca uwagę, że wiele zabezpieczeń prywatności powstało w czasach, gdy rządy napotykały praktyczne bariery w śledzeniu ludzi. Narzędzie takie jak InquiryIQ mogłoby te bariery zmniejszyć, nawet jeśli nadal wymagałoby udziału człowieka.
Ryzyko nie sprowadza się do klasycznej pomyłki rozpoznawania twarzy. Błędny lub zmyślony wynik wyszukiwania może zostać połączony z prawdziwym adresem, kontem albo miejscem pracy, tworząc profil, który wygląda przekonująco mimo wadliwego punktu wyjścia. Sam fakt uporządkowania informacji nie czyni ich prawdziwymi.
Weryfikacja człowieka jest zabezpieczeniem — ale nie rozwiązaniem
Clearview AI zakłada, że funkcjonariusz będzie akceptował albo odrzucał znalezione dane dopiero po ich niezależnym sprawdzeniu. To istotne ograniczenie: InquiryIQ nie powinno być traktowane jako samodzielny dowód.
Jednocześnie Woodrow Hartzog ostrzegał, że człowiek pozostawiony w pętli może stać się jedynie „gumową pieczątką”, zatwierdzającą wyniki systemu zamiast je naprawdę kwestionować. Michael Price z Fourth Amendment Center wskazywał z kolei, że generatywny chatbot podatny na halucynacje nie byłby normalnie traktowany jak wiarygodny informator przy podejmowaniu decyzji o podstawie podejrzenia.
To właśnie tutaj rozstrzyga się praktyczna wartość takiego projektu. Weryfikacja człowieka może ograniczyć błędy, ale nie gwarantuje dokładności, legalności ani rzetelnego postępowania. Wszystko zależy od tego, czy osoba korzystająca z systemu rzeczywiście sprawdzi każdy trop, czy tylko zatwierdzi dobrze wyglądający profil.
Co mogłoby poprawić rozliczalność
Andrew Guthrie Ferguson, profesor prawa na George Washington University specjalizujący się w sztucznej inteligencji i policji, wskazuje również możliwą korzyść. System, który zachowywałby prompty, wyszukiwania, wybrane modele i kolejne ścieżki dochodzenia, mógłby ułatwić audyt bardziej niż nieudokumentowane, ręczne poszukiwania.
To jednak potencjalna korzyść wynikająca z koncepcji, a nie funkcja potwierdzona działaniem wdrożonego systemu. Przejrzysty zapis kroków nie naprawi błędnych danych, ale może pomóc ustalić, skąd wziął się konkretny trop i kto go zaakceptował.
W interfejsie pojawiały się odniesienia do modeli powiązanych z xAI oraz do Amazon Bedrock. Clearview AI przedstawiało wybór modeli jako element wewnętrznych porównań inżynieryjnych, a nie opcję przeznaczoną dla użytkowników policyjnych. Nie wynika z tego, że xAI lub Amazon współtworzyły InquiryIQ.
Najważniejszy wniosek
InquiryIQ pokazuje kierunek, w którym rozpoznawanie twarzy może wykraczać poza znalezienie podobnego zdjęcia: w stronę automatycznego łączenia tożsamości, stron internetowych, kontaktów i innych cyfrowych śladów. Clearview AI opisuje jednak projekt jako nieudostępniony prototyp i twierdzi, że nie korzystał z niego żaden użytkownik organów ścigania.
Dla obywateli najważniejsze pytanie nie brzmi więc dziś, czy InquiryIQ już śledzi ludzi. Chodzi o to, jakie zasady powinny obowiązywać, zanim narzędzie zdolne do tak szerokiego łączenia danych trafi do realnego postępowania. Bez wiarygodnych danych, kontroli człowieka i pełnego śladu audytowego szybsze wyszukiwanie może równie łatwo przyspieszyć pomyłkę, jak znaleźć prawdziwy trop.
