Общество контроля. Как сохранить конфиденциальность в эпоху тотальной слежки - Джон Фасман
Шрифт:
Интервал:
Закладка:
Датчики фирмы ShotSpotter обучены распознавать то, что Сэм Клеппер, ее исполнительный директор, который сопровождал меня в тот день, называет громкими пульсирующими звуками в диапазоне от 120 до 160 децибел. Тормоза Джакобса очень часто вызывают ложные срабатывания – наряду с вертолетами и фейерверками, а также автомобилями, которые движутся задним ходом или проезжают по металлическим пластинам. По этой причине компания использует смесь искусственного и человеческого интеллекта: ИИ распознает жанр звука, а человек различает, что это – тормоз грузовика, фейерверк или выстрелы.
Если бы это была стрельба – как, например, в тот пятничный вечер в Ньюарке, штат Нью-Джерси, о чем я писал вначале, – Сьюзен отправила бы сигнал тревоги в соответствующий полицейский участок. Ее сообщение включало бы количество выстрелов, количество стрелков или единиц оружия (то есть звучало ли это как одиночный выстрел или перестрелка, когда выстрелы из одного оружия отвечают на выстрелы из другого) и был ли это автоматический или крупнокалиберный пистолет. К сообщению прилагался бы звуковой файл, чтобы офицеры сами могли услышать выстрелы. На карте стояла бы пометка, где происходила стрельба. Клеппер хвастается, что система работает с точностью до двадцати пяти метров, а официально ShotSpotter утверждает, что весь процесс, от выстрела до оповещения офицеров по мобильным телефонам, занимает меньше минуты.
Мы переходим из затемненной комнаты в вестибюль, к сенсорной карте с маркерами, показывающими, в каких городах мира есть ShotSpotter. Клеппер открывает карту США, затем увеличивает масштаб до тех пор, пока на сетке среднего города Ржавого пояса не появляется кружок с номером 14. Клеппер нажимает кнопку пуск, и я слышу четырнадцать выстрелов подряд. Для меня это звучит как два пистолета: одиннадцать быстрых выстрелов из одного (а следовательно, это мощное оружие, запрещенное законом в этом городе), и в ответ – три более низких из другого. В качестве места ShotSpotter определяет пустырь в конце тупиковой улицы. Звонков службу 911 не поступало.
Как показали Карр и Долеак, это вполне обычное дело. Возможно, выстрелов не слышал никто, кроме стрелявшего и потерпевшего, а потерпевший мертв. Возможно, свидетели были, но испугались и не захотели вмешиваться. А может, каждый, кто слышал выстрелы, думал, что полицию вызовет кто-то другой, и в итоге этого не сделал никто. Стрельба могла произойти в районе, где люди не доверяют полиции. Или кто-то нелегально покупал пистолет и хотел испытать его.
Если же люди все-таки звонят, они часто ошибаются с локацией. В городах звук отражается от зданий и эхом разносится по переулкам. Человеку трудно определить местоположение по звуку в искусственной среде. ShotSpotter запрограммирован решать эти проблемы: сообщать о стрельбе, не дожидаясь, пока кто-то позвонит в службу 911; точно определять локацию, чтобы полиция знала, куда ехать; предупреждать о присутствии автоматического или крупнокалиберного оружия.
Некоторые из моих собеседников в Ньюарке (Нью-Джерси) сказали, что эта технология им нравится. Однако после уточняющих вопросов выяснилось, что они больше очарованы идеей, чем результатами. Общий смысл их ответов заключается в том, что лучше знать о стрельбе, чем не знать о ней, хотя сигнал тревоги редко приводит к аресту. Кроме того, далеко не всегда обнаруживаются жертвы или фактические доказательства стрельбы. Иногда полицейские выезжают на место происшествия и ничего там не находят: либо стрелявший никого не задел и скрылся, либо это была ложная тревога.
Здесь нет ничего необычного. В 2016 году Forbes глубоко изучил коэффициент полезного действия устройств ShotSpotter и обнаружил, что в двух с лишним десятках городов от 30 до 70 % сообщений не содержали доказательств стрельбы. Различия поразительны: например, за 30-месячный период в Сан-Франциско 4385 предупреждений от ShotSpotter привели к двум арестам, в то время как около трети попали в категории не обосновано, не удалось найти, исчезли по прибытии. В Омахе (штат Небраска) за 32 месяца аналогичным образом были классифицированы 737 сообщений из 1181, и только 14 привели к арестам[41].
Кто-то возразит: для городов такая ситуация не хуже, чем обычный статус-кво, при котором лишь отдельные перестрелки приводят к аресту и вообще регистрируются в полиции. Но развертывание системы ShotSpotter требует времени и ресурсов. А стоит она недешево: как правило, затраты на квадратную милю составляют от 65 000 до 90 000 долларов в год вместе с разовым взносом за начало обслуживания в размере 10 000 долларов за квадратную милю[42]. Эти цены ставят города перед неудобным выбором: заплатить, чтобы покрыть бо́льшую территорию, но съесть часть полицейского бюджета – или попытаться сэкономить, расположив устройства только в горячих точках, но с риском выбрать неправильные места или покрыть слишком малую область.
Тем не менее дела у компании идут достаточно хорошо: в октябре 2018 года она за наличные деньги купила фирму по полицейскому прогнозированию HunchLab. Клеппер назвал прогностическое моделирование HunchLab естественным продолжением обнаружения выстрелов. По его словам, клиенты HunchLab могут использовать схемы инцидентов со стрельбой для планирования будущих локаций патрульных ресурсов, и он считает это полупроработанным способом прогнозирования преступлений. Клеппер полагает, что ShotSpotter в основе своей является реактивным, в то время как прогностическая полиция, по крайней мере теоретически, проактивна.
Расширение ShotSpotter до предиктивной аналитики – это часть более крупной и изощренной истории, связанной с внутренней технологической трансформацией деятельности полиции и расширением спектра полицейских технологий. Немногие государственные органы получают больше информации, чем полиция. Но эта информация часто разрозненна и плохо организована, а потому используется не так эффективно и продуктивно, как должна. Таким образом, полиция не только покупает продукты, дающие более обширную и новую информацию – например, локации перестрелок или видеосъемки событий, которые произошли за смену, – но и создает платформы для систематизации полученных сведений.
Одна из фирм, купленных компанией ShotSpotter, производит прогностические программы, которые помогают полиции действовать на основе информации, собранной детекторами выстрелов. Axon и Panasonic предлагают и нательные камеры, и системы управления доказательствами, то есть технологии для сбора данных и для их организации. Motorola, которая тоже производит нательные камеры, в январе 2019 года купила Vigilant. Кроме того, она продает платформы для управления цифровыми доказательствами. Благодаря приобретению
