ความผิดพลาดของระบบจดจำใบหน้า FACES นำไปสู่การจับกุมผู้บริสุทธิ์ในสหรัฐฯ
เมื่อเทคโนโลยีที่ออกแบบมาเพื่อช่วยจับอาชญากรกลับกลายเป็นเครื่องมือที่ทำลายชีวิตผู้บริสุทธิ์ กรณีของ Robert Dillon ชายวัย 52 ปีจากฟลอริดา เป็นตัวอย่างที่น่าสะพรึงกลัวของการพึ่งพา ระบบจดจำใบหน้า (Face Recognition) มากเกินไป จนนำไปสู่การจับกุมในข้อหาพยายามล่อลวงเด็ก ทั้งที่เขาไม่มีส่วนเกี่ยวข้องกับเหตุการณ์ดังกล่าวเลยแม้แต่น้อย
เหตุการณ์นี้เริ่มต้นขึ้นเมื่อตำรวจใช้ระบบที่ชื่อว่า FACES ซึ่งเป็นฐานข้อมูลจดจำใบหน้าหนึ่งในระบบที่เก่าแก่ที่สุดในสหรัฐฯ โดยระบบได้ระบุว่าใบหน้าของ Dillon มีความสอดคล้องกับภาพผู้ต้องสงสัยถึง 93% อย่างไรก็ตาม ตัวเลขนี้เป็นเพียงค่าความคล้ายคลึงกันตามการคำนวณของ อัลกอริทึม (Algorithm) หรือชุดคำสั่งประมวลผลทางคณิตศาสตร์ ไม่ใช่การยืนยันตัวตนว่าบุคคลในภาพคือคนเดียวกันจริง ๆ
เบื้องหลังการจับกุมที่ไร้หลักฐานสนับสนุน
เหตุการณ์อาชญากรรมเกิดขึ้นที่ร้าน McDonald's ใน Jacksonville Beach เมื่อวันที่ 2 พฤศจิกายน 2023 โดยมีผู้ต้องสงสัยพยายามชวนเด็กหญิงอายุต่ำกว่า 12 ปี ให้เดินทางไปกับเขา แต่เด็กปฏิเสธและเรียกแม่ ทำให้คนร้ายหลบหนีไปได้ก่อนตำรวจจะมาถึง
แม้ว่าระบบ FACES จะชี้เป้ามาที่ Dillon แต่มีหลักฐานสำคัญหลายประการที่ถูกมองข้ามไปในขั้นตอนการขอหมายจับ ได้แก่:
- พยานบุคคล: ผู้จัดการร้าน McDonald's ยืนยันว่าผู้ต้องสงสัยเป็น "ลูกค้าประจำ" ที่มาที่ร้านบ่อยครั้ง ในขณะที่ Dillon ไม่เคยเดินทางมายังเมืองนี้เลย
- ระยะทาง: Dillon อาศัยอยู่ใน Fort Myers ซึ่งห่างจากจุดเกิดเหตุมากกว่า 300 ไมล์
- ข้อมูลยานพาหนะ: ตำรวจได้ตรวจสอบระบบอ่านป้ายทะเบียนรถยนต์ทั้งสองคันของ Dillon แต่ไม่พบว่ารถทั้งสองคันเคยเข้าสู่พื้นที่เกิดเหตุในช่วงเวลาดังกล่าว ซึ่งข้อมูลนี้ไม่ได้ถูกระบุในคำร้องขอหมายจับ
หลังจากผ่านไป 6 เดือนโดยไม่มีการสืบสวนเพิ่มเติม ในเดือนกรกฎาคม 2024 ตำรวจจึงยื่นขอหมายจับและเข้าจับกุม Dillon ที่บ้านต่อหน้าภรรยาของเขา
ผลกระทบที่รุนแรงต่อชีวิตและจิตใจ
การถูกจับกุมครั้งนี้สร้างความเสียหายอย่างมหาศาลให้กับ Dillon เขาถูกคุมขังในห้องขังที่หนาวเหน็บและถูกขนส่งในรถตู้ที่ไม่มีแสงสว่างและมีกรงกั้น นอกจากนี้เขายังต้องนำโฉนดรถบรรทุกไปจำนำเพื่อวางเงินประกันตัว
เนื่องจากเหตุการณ์เกิดขึ้นในช่วงฤดูกาลจับปูหิน (Stone Crab) ซึ่งเป็นช่วงทำเงินหลัก ทำให้เขาขาดรายได้จนค้างค่าเช่าบ้านและเกือบสูญเสียที่อยู่อาศัย ยิ่งไปกว่านั้น ภาพถ่ายผู้ถูกจับกุม (Mug shot) ของเขายังถูกเผยแพร่บนเว็บไซต์ของเคาน์ตี้เกือบหนึ่งปี จนกระทั่งมีนักข่าวโทรทัศน์เข้ามาช่วยเหลือให้ลบออก
| หัวข้อ | รายละเอียด |
|---|---|
| ระบบที่ใช้ | FACES (ดำเนินการโดยสำนักงานนายอำเภอ Pinellas County) |
| ค่าความแม่นยำที่ระบุ | 93% (ความคล้ายคลึงของลักษณะใบหน้า) |
| หลักฐานที่ถูกละเลย | ข้อมูลป้ายทะเบียนรถ และคำให้การของพยานเรื่องลูกค้าประจำ |
| ผลลัพธ์ทางกฎหมาย | อัยการสั่งยกฟ้องทุกข้อหาในเดือนตุลาคม 2024 |
ข้อเท็จจริงสำคัญ
- FACES เริ่มใช้งานตั้งแต่ปี 2001 และมีฐานข้อมูลภาพถ่ายใบหน้าจากใบขับขี่และประวัติอาชญากรรมหลายสิบล้านภาพ
- ระบบนี้เคยถูกเข้าถึงโดยหน่วยงานกว่า 260 แห่ง รวมถึง FBI และ ICE
- ไม่มีการตรวจสอบ (Audit) การใช้งานฐานข้อมูลอย่างเข้มงวด และบางครั้งถูกนำไปใช้สแกนผู้ประท้วงที่สงบ
- ACLU ระบุว่ามีผู้ถูกจับกุมผิดตัวในสหรัฐฯ อย่างน้อย 15 ราย เนื่องมาจากเทคโนโลยีจดจำใบหน้า
ปัจจุบัน สหภาพเสรีภาพพลเมืองอเมริกัน (ACLU) ได้ยื่นฟ้องเจ้าหน้าที่ที่เกี่ยวข้องและหน่วยงานรัฐ เพื่อเรียกร้องค่าเสียหายและขอให้ศาลสั่งปฏิรูประบบการใช้เทคโนโลยีจดจำใบหน้า เพื่อป้องกันไม่ให้เกิดโศกนาฏกรรมเช่นนี้กับใครอีก
คำถามที่พบบ่อย
ค่าความแม่นยำ 93% ในระบบจดจำใบหน้าหมายถึงอะไร?
หมายถึงระดับความคล้ายคลึงกันของลักษณะทางกายภาพบนใบหน้าตามที่อัลกอริทึมคำนวณได้ ไม่ใช่การยืนยันว่าบุคคลนั้นคือผู้ต้องสงสัยจริง ๆ 100%
ทำไม Dillon ถึงถูกจับกุมทั้งที่มีหลักฐานว่าเขาไม่ได้อยู่ในที่เกิดเหตุ?
เนื่องจากเจ้าหน้าที่ผู้สืบสวนไม่ได้ระบุข้อมูลการตรวจสอบป้ายทะเบียนรถที่ว่างเปล่าลงในคำร้องขอหมายจับ ทำให้ผู้พิพากษาตัดสินใจออกหมายจับโดยอาศัยเพียงข้อมูลจากระบบจดจำใบหน้า
ระบบ FACES มีการควบคุมการใช้งานอย่างไร?
จากการศึกษาพบว่าระบบนี้มีการควบคุมน้อยมาก ไม่มีการตรวจสอบการสืบค้นข้อมูล และในบางกรณีไม่จำเป็นต้องมีเหตุอันควรสงสัยก็สามารถสืบค้นข้อมูลได้
มีกรณีอื่นที่เกิดความผิดพลาดแบบเดียวกันนี้หรือไม่?
มีหลายกรณี เช่น ชายจากนอร์ทแคโรไลนาที่ถูกจับกุมในคดีขโมยรถเนื่องจากระบบระบุความคล้ายคลึง 85% ทำให้เขาต้องติดคุกเกือบ 3 เดือน และสูญเสียทั้งบ้าน งาน และสิทธิในการดูแลบุตร
