تحلیل وضعیت هزاران خانه توسط کامیون‌های زباله مجهز به هوش مصنوعی

کامیون‌های حمل زباله این روزها کارکردی فراتر از جمع‌آوری پسماندها پیدا کرده‌اند؛ آن‌ها اکنون وضعیت چمن‌های نامرتب و حیاط‌های رسیدگی‌نشده را نیز گزارش می‌دهند.

در حداقل چهار ایالت آمریکا (کالیفرنیا، جورجیا، کارولینای جنوبی و تگزاس)، برخی از خودروهای خدماتی شهری به دوربین‌های مجهز به هوش مصنوعی شرکت City Detect مجهز شده‌اند. این دوربین‌ها بی‌سروصدا از حیاط خانه‌ها عکس می‌گیرند و تصاویر را وارد نرم‌افزاری می‌کنند که چمن‌های بلند، زباله، دیوارنویسی یا تخلفات جدی‌تری مانند سقف‌های در حال ریزش را شناسایی می‌کند. سپس به املاک متخلف امتیازی تحت عنوان «Blight Score» (از ۱ تا ۴) داده می‌شود که نشان‌دهنده شدت مشکل است. در صورت عدم رسیدگی، بازرسان انسانی می‌توانند از اطلاعات به‌دست‌آمده برای صدور جریمه استفاده کنند. بر اساس گزارش‌ها، از زمان آغاز آزمایش این سرویس در دالاس تگزاس در آوریل گذشته، این سیستم حداقل یک تخلف احتمالی را در بیش از ۲۱ هزار ملک ثبت کرده است. بنا بر اعلام City Detect، سیستم دوربین این شرکت تاکنون ۶ میلیون تخلف را در سراسر آمریکا شناسایی کرده است.

این کامیون‌های زباله خبرچین، تنها جدیدترین نمونه از کاربرد زیرساخت‌های متصل هوش مصنوعی و فناوری‌های موسوم به شهر هوشمند برای افزایش نظارت‌های محلی هستند. گسترش این دوربین‌ها در شرایطی رخ می‌دهد که فعالان مدنی، جوامع محلی و برخی قانون‌گذاران در سراسر این کشور در حال مقابله با سیستم‌های خودکار پلاک‌خوان و سایر فناوری‌های مبتنی بر هوش مصنوعی هستند و آن‌ها را ابزارهایی برای نظارت جمعی می‌دانند.

کامیون زباله تمام‌وقت، بازرس پاره‌وقت

شرکت City Detect در سال ۲۰۲۱ تاسیس شد و در تاسکالوسا، آلاباما مستقر است. ایده اصلی این سرویس نسبتاً ساده است: City Detect دوربین‌ها و نرم‌افزار هوش مصنوعی را تامین می‌کند و شهرداری‌ها آن‌ها را روی خودروهای ناوگان محلی خود که در مسیرهای عادی تردد دارند، نصب می‌کنند. نمونه‌های گزارش‌شده تاکنون شامل نصب این دوربین‌ها روی کامیون‌های حمل زباله بوده است، اما از نظر تئوری می‌توان از آن‌ها روی سایر خودروهای دولتی نیز استفاده کرد. در مورد کامیون‌های زباله، دو دوربین نصب می‌شود که هر کدام یک سمت خیابان را پوشش می‌دهند. این دوربین‌ها در حین حرکت کامیون در جاده‌های عمومی عکس می‌گیرند و نمای جلوی هر خانه را ثبت می‌کنند. سپس نرم‌افزاری که City Detect آن را PASS AI می‌نامد، تصاویر را پردازش کرده و به دنبال نشانه‌هایی از تخلفات احتمالی مرتبط با قوانین آن منطقه می‌گردد.

پس از پردازش تصویر، هوش مصنوعی بر اساس شدت مشکل، امتیازی به تخلف احتمالی اختصاص می‌دهد. هنوز مشخص نیست که این نرم‌افزار دقیقاً چگونه این امتیازات را تعیین می‌کند. بااین‌حال، پس از ثبت امتیازات، داده‌ها برای یک بازرس انسانی ارسال می‌شود تا با بررسی مناطق، خانه‌هایی را که از نظر هوش مصنوعی مشکلات جدی‌تر یا فوری‌تری دارند، به‌سرعت شناسایی کند. سپس صاحبان خانه‌ها یک «اخطار اولیه» دریافت می‌کنند که به آن‌ها اطلاع می‌دهد در صورت عدم رفع داوطلبانه مشکل، ممکن است جریمه شوند.

شایان ذکر است که بنا بر اعلام City Detect، هرگونه جریمه قطعی باید توسط بازرس شهرداری صادر شود. این شرکت مدعی است که تنها اطلاعات لازم را برای تصمیم‌گیری در اختیار شهرداری‌ها قرار می‌دهد. به گفته City Detect، هدف این است که وقت کارکنان برای رسیدگی به مشکلات ساختاری جدی‌تر آزاد شود و زمان کمتری را صرف بررسی موارد جزئی و غیرفوری کنند.

شرکت City Detect در وب‌سایت خود نوشته است: «بازرسی‌های دستی، شکایات مبهم و کمبود نیروی کار همه‌چیز را کند می‌کند. پرونده‌ها روی هم انباشته می‌شوند و شهروندان ناامید می‌گردند. سیستم PASS AI با تشخیص‌های مبتنی بر نقشه، گزارش‌دهی سریع و فیلتر هوشمند شکایات تکراری، تیم شما را از حالت واکنشی به حالت پیشگیرانه ارتقا می‌دهد.»

چه کسی تاوان چمن‌های نامرتب را می‌دهد؟

منتقدان نگران‌اند که این فناوریِ ظاهراً صرفه‌جویانه در زمان، به افزایش جریمه‌ها و احضاریه‌ها منجر شود؛ به‌ویژه در محله‌های کم‌درآمد که ساکنان آن‌ها ممکن است زمان یا منابع کمتری برای نگهداری از چمن‌های خود در بهترین حالت داشته باشند.

جزئیات همکاری دالاس با City Detect این هفته در گزارشی از سوی یک رسانه محلی منتشر شد. درخواست سوابق عمومی از شهرداری نشان داد که City Detect از زمان آغاز آزمایش‌ها در اوایل سال جاری، تصاویری از ده‌ها هزار خانه ثبت کرده است. این سوابق، تاریخ و زمان ثبت هر عکس، و همچنین خلاصه کوتاهی از تخلف احتمالی و شدت آن را نشان می‌دهند. بر اساس تصویر سند منتشرشده در این گزارش، برچسب‌هایی مانند «ارتفاع چمن»، «ضایعات حیاط»، «شاخه‌ها» و «زباله» همگی امتیاز ۲ از ۴ را دریافت کرده‌اند.

این امتیازات لزوماً به‌طور یکنواخت توزیع نشده‌اند. بررسی آدرسِ بیش از ۲۱ هزار تخلفِ ثبت‌شده در داده‌های شهری و ایجاد یک نقشه حرارتی نشان می‌دهد که بیشترین موارد شناسایی‌شده، متعلق به مناطقی با میانگین درآمد پایین‌تر بوده‌اند. یکی از ساکنان این محله‌ها در مصاحبه‌ای اعلام کرد که این برنامه ناعادلانه است و احساس می‌کند هدف آن «بیرون راندن آن‌ها از منطقه» است.

او در این نگرانی تنها نیست. سال گذشته، گزارش شد که شهر هانتسویل در آلاباما در پی اعتراضات شهروندان نسبت به مسائل نظارتی و پیامدهای اقتصادی احتمالی برای جوامع فقیر، قرارداد پیشنهادی با City Detect را کنار گذاشته است. همین هفته، یکی از اعضای شورای شهر دالاس به نام چاد وست (Chad West)، با اشاره به نگرانی‌های حریم خصوصی و «پیامدهای ناخواسته» برای ساکنان کم‌درآمدی که توانایی مالی لازم برای رفع فوری مشکلاتی مانند رنگ‌رفتگی ساختمان را ندارند، پیشنهاد اصلاحیه‌ای برای قطع بودجه این دوربین‌ها ارائه داد. وست اگرچه بعداً این اصلاحیه را پس گرفت، اما تاکید کرد که هنوز مشکلاتی وجود دارد که باید به آن‌ها رسیدگی شود.

چاد وست در مصاحبه‌ای اعلام کرد: «من نگرانی‌های جدی درباره نصب دوربین‌های هوش مصنوعی روی کامیون‌های خدماتی شهر دارم؛ زیرا این موضوع مسائل حریم خصوصی را به همراه دارد و ممکن است بار ناخواسته‌ای را بر دوش آسیب‌پذیرترین شهروندان ما بگذارد. من حامی فناوری هستم، اما باید مطمئن شویم که مزایای آن بیشتر از نگرانی‌ها باشد.»

شرکت City Detect هنوز به درخواست‌ها برای اظهارنظر در این زمینه پاسخی نداده است. بااین‌حال، این شرکت در وب‌سایت خود اعلام کرده که با تار کردن خودکار چهره‌ها یا پلاک خودروها در تصاویر، اقداماتی را برای حفظ حریم خصوصی انجام می‌دهد. همچنین پیش از اعمال هرگونه جریمه مالی یا اقدامات اجرایی دیگر، به بررسی انسانی نیاز است. آن‌ها می‌گویند سیستم‌شان به پایگاه‌های داده فدرال یا نیروهای مجری قانون متصل نیست و درآمد شرکت بر اساس تعداد جریمه‌های صادرشده توسط شهرداری‌ها محاسبه نمی‌شود؛ به عبارت دیگر، این سیستم بر پایه پورسانت کار نمی‌کند.

افزایش واکنش‌های منفی عمومی به دوربین‌های نظارتی

کامیون‌های زباله مجهز به دوربین، بخشی از یک اکوسیستم در حال رشد از خدمات هوش مصنوعی هستند که تلاش می‌کنند اتوماسیون بیشتری را به اجرای قوانین محلی بیاورند. در سال ۲۰۲۴، لس‌آنجلس استفاده از دوربین‌های خودکار روی اتوبوس‌ها را برای عکس‌برداری از خودروهایی که به‌طور غیرقانونی در خطوط ویژه پارک کرده‌اند آغاز کرد تا از آن تصاویر برای صدور جریمه استفاده کند. آستینِ تگزاس نیز اخیراً اقدام مشابهی انجام داده و دوربین‌های مجهز به هوش مصنوعی را روی اتوبوس‌های مدرسه نصب کرده است تا خودروهایی (یا حتی تاکسی‌های رباتیک) را که به‌درستی در اطراف آن‌ها توقف نمی‌کنند، شناسایی کند. در همین حال، بر اساس گزارش‌ها، شهر آلبوکرکی در نیومکزیکو بیش از ۶۰ دستگاه دوربین خورشیدی موسوم به «SafetySticks» را در سطح شهر نصب کرده است تا رانندگانی را که مسیرهای دوچرخه‌سواری، خطوط اتوبوس و گذرگاه‌های عابر پیاده را مسدود می‌کنند، شناسایی کند. هدف تمامی این تلاش‌ها، افزایش نظارت (و درآمدهای محلی ناشی از جریمه‌ها) از طریق خودکارسازیِ فرآیند تشخیص است.

بااین‌حال، تعداد فزاینده‌ای از جوامع در سراسر آمریکا در حال تجربه موج جدیدی از مخالفت با نظارت‌های جمعی هستند. بر اساس اعلام گروه مدافع حقوق Secure Justice مستقر در اوکلند، حداقل ۲۱۴ شهر و شهرستان از سال ۲۰۲۱ قراردادهای خود را با شرکت بحث‌برانگیز پلاک‌خوان خودکار Flock لغو کرده‌اند که ۹۰ مورد از آن‌ها تنها در ماه اوت ۲۰۲۶ رخ داده است. این موج لغو قراردادها در پی نگرانی‌های مربوط به حریم خصوصی و انتشار گزارش‌هایی مبنی بر سوءاستفاده احتمالی نیروهای مجری قانون از این فناوری اتفاق افتاده است. به‌طور مشابه، هم‌زمان با بدبینانه‌تر شدن نگاه عمومی به فناوری، شهرها و حتی برخی ایالت‌ها توسعه دیتاسنترهای هوش مصنوعی را متوقف کرده‌اند. در یک نظرسنجی اخیر، ۴۰ درصد از بزرگسالان آمریکایی اعلام کردند که معتقدند تاثیر هوش مصنوعی بر جامعه بیشتر منفی خواهد بود، درحالی‌که تنها ۱۶ درصد انتظار تاثیرات مثبت بیشتری داشتند.