Um erro cometido pelo sistema de reconhecimento facial da polícia de Detroit, nos Estados Unidos, resultou na primeira prisão ilícita feita no país a partir do uso desta tecnologia da qual se tem notícia. A denúncia foi feita às autoridades locais nesta quarta-feira (24), pela União Americana pelas Liberdades Civis (ACLU), mas o fato aconteceu em janeiro.
De acordo com a entidade, Robert Williams passou quase 30 horas preso injustamente, depois que o software de reconhecimento de rostos da Polícia do Estado de Michigan o apontou como o provável autor do furto em uma loja de relógios. A foto da carteira de motorista de Williams foi colocada junto à de outros homens negros e comparada com um vídeo de vigilância do estabelecimento furtado.
Tecnologia, negócios e comportamento sob um olhar crítico.
Assine já o The BRIEF, a newsletter diária que te deixa por dentro de tudo
Após a análise digital no sistema fornecido pela empresa Rank One Computing, os policiais mostraram a imagem ao segurança da loja, que não teve dúvidas em afirmar que se tratava do criminoso. Com base nesta confirmação, Robert foi preso em sua casa, diante da esposa e das filhas.
A ACLU diz que o reconhecimento de rostos é usado em segredo em muitos lugares.Fonte: Freepik
Não se sabe se existiam outras provas contra ele, mas a polícia acabou reconhecendo o erro horas depois da prisão e retirou as acusações. Conforme Williams, o policial responsável por interrogá-lo na cadeia afirmou que “o computador deve ter entendido errado”, ao comentar sobre o uso do software ter levado à sua prisão.
"Tecnologia falha e tendenciosa"
Segundo a ACLU, o caso de Robert Williams demonstra como os programas de reconhecimento facial são falhos e tendenciosos, pois apresentam taxas de erro significativamente mais altas quando utilizados contra negros e mulheres.
Diante destas vulnerabilidades e de como ela é amplamente utilizada pela polícia, geralmente em segredo, a entidade pediu às autoridades de Detroit que parem de usar a tecnologia imediatamente, pois ela pode colocar muitas pessoas em risco.
Categorias