2026ರ ಜುಲೈನಲ್ಲಿ ದೆಹಲಿ ಪೊಲೀಸರು ಜಂತರ್ ಮಂತರ್ ಬಳಿಯ ಪ್ರತಿಭಟನಾ ಸ್ಥಳಗಳಲ್ಲಿ ಅಪರಾಧ ದಾಖಲೆ ಹೊಂದಿರುವ ಸುಮಾರು 3,000 ಜನರನ್ನು ಗುರುತಿಸಲು ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಿದರು — ಆದರೆ ಗುರುತಿಸಲ್ಪಟ್ಟವರಲ್ಲಿ ಕೆಲವರು ಆ ಸಮಯದಲ್ಲಿ ಈಗಾಗಲೇ ಜೈಲಿನಲ್ಲಿದ್ದರು ಎಂಬ ವರದಿಗಳು AI-ಆಧಾರಿತ ನಿಗಾ ವ್ಯವಸ್ಥೆ ನಿಜವಾಗಿಯೂ ಎಷ್ಟು ವಿಶ್ವಾಸಾರ್ಹ ಎಂಬ ಗಂಭೀರ ಪ್ರಶ್ನೆಗಳನ್ನು ಎತ್ತಿವೆ.
ಏನಾಯಿತು?
2026ರ ಜುಲೈ 20ರಿಂದ 26ರವರೆಗೆ, ನವದೆಹಲಿಯ ಜಂತರ್ ಮಂತರ್ ಸುತ್ತಮುತ್ತಲಿನ ವಿದ್ಯಾರ್ಥಿ ಪ್ರತಿಭಟನಾ ಸ್ಥಳಗಳಲ್ಲಿ ಜನಸಂದಣಿಯನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಲು ದೆಹಲಿ ಪೊಲೀಸರು ತಮ್ಮ ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ವ್ಯವಸ್ಥೆ (FRS) ಅನ್ನು ಬಳಸಿದರು. ಪೊಲೀಸ್ ಮೂಲಗಳ ಪ್ರಕಾರ, ಕೊಲೆ, ಲೈಂಗಿಕ ದೌರ್ಜನ್ಯ, ದರೋಡೆ ಮತ್ತು POCSO (ಮಕ್ಕಳ ರಕ್ಷಣಾ) ಪ್ರಕರಣಗಳ ಆರೋಪಿಗಳು ಸೇರಿದಂತೆ, ಈಗಾಗಲೇ ಅಪರಾಧ ದಾಖಲೆ ಹೊಂದಿರುವ 2,873 ಜನರನ್ನು ಈ ವ್ಯವಸ್ಥೆ ಗುರುತಿಸಿತು.
ಈ ವಿಷಯ ಶೀಘ್ರವಾಗಿ ಉಲ್ಬಣಗೊಂಡಿತು. ಸಾಮಾನ್ಯ ಪ್ರತಿಭಟನಾಕಾರರನ್ನು ಪ್ರೊಫೈಲ್ ಮಾಡಲು ಅಲ್ಲ, ಬದಲಿಗೆ ಈಗಾಗಲೇ ಗಂಭೀರ ಅಪರಾಧ ದಾಖಲೆ ಹೊಂದಿರುವವರನ್ನು ಗುರುತಿಸಲು ಮಾತ್ರ ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಲಾಗಿದೆ ಎಂದು ದೆಹಲಿ ಪೊಲೀಸರು ನಂತರ ಭಾರತದ ಸುಪ್ರೀಂ ಕೋರ್ಟ್ಗೆ ಸಲ್ಲಿಸಿದ ಪ್ರಮಾಣಪತ್ರದಲ್ಲಿ ತಿಳಿಸಿದರು. ಗುರುತಿಸಲ್ಪಟ್ಟ 2,873 ಜನರಲ್ಲಿ, 92 ಜನರ ವಿರುದ್ಧ 10ಕ್ಕೂ ಹೆಚ್ಚು ಪ್ರಕರಣಗಳಿವೆ ಎಂದೂ, 47 ಜನರನ್ನು “ಹಿಸ್ಟರಿ-ಶೀಟರ್ಗಳು” ಎಂದು ವರ್ಗೀಕರಿಸಲಾಗಿದೆ ಎಂದೂ ಪೊಲೀಸರು ಹೇಳಿದರು. ಪ್ರತಿಭಟನಾ ಸ್ಥಳದಲ್ಲಿದ್ದ ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯ ಪ್ರೊಫೈಲ್ ಅನ್ನು ಈ ವ್ಯವಸ್ಥೆ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ರಚಿಸುವುದಿಲ್ಲ ಅಥವಾ ಸಂಗ್ರಹಿಸುವುದಿಲ್ಲ ಎಂದೂ, ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಹೊಂದಾಣಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ಮಾತ್ರ ಯಾವುದೇ ಕ್ರಮ ಕೈಗೊಳ್ಳಲಾಗುವುದಿಲ್ಲ, ಹೆಚ್ಚಿನ ಮಾನವ ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಎಂದೂ ಪೊಲೀಸರು ಪ್ರತಿಪಾದಿಸಿದರು.
ಪ್ರಕರಣದಲ್ಲಿ ಅರ್ಜಿದಾರರನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಹಿರಿಯ ವಕೀಲರಾದ ಎನ್. ಹರಿಹರನ್ ಮತ್ತು ಮೇನಕಾ ಗುರುಸ್ವಾಮಿ ಸೇರಿದಂತೆ, ಈ ವ್ಯವಸ್ಥೆ ನಿಜವಾಗಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬ ಪೊಲೀಸರ ವಿವರಣೆಯನ್ನು ಪ್ರಶ್ನಿಸಿದರು — ಸಾಫ್ಟ್ವೇರ್ ಮೂಲಕ ಸಂಗ್ರಹಿಸಿದ ದತ್ತಾಂಶವನ್ನು ಸಂಸ್ಕರಿಸಲು ಖಾಸಗಿ ಕಂಪನಿಯನ್ನು ನಿಯೋಜಿಸಲಾಗಿದೆ ಎಂದು ಗುರುಸ್ವಾಮಿ ನಿರ್ದಿಷ್ಟವಾಗಿ ಆರೋಪಿಸಿದರು, ಇದು ದತ್ತಾಂಶ ನಿರ್ವಹಣೆ ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆಯ ಬಗ್ಗೆ ಹೆಚ್ಚುವರಿ ಪ್ರಶ್ನೆಗಳನ್ನು ಹುಟ್ಟುಹಾಕಿತು.
ದಿ ಇಂಡಿಯನ್ ಎಕ್ಸ್ಪ್ರೆಸ್ ವರದಿಯ ಪ್ರಕಾರ, ಈ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ ಗುರುತಿಸಲ್ಪಟ್ಟ ಕೆಲವು ವ್ಯಕ್ತಿಗಳು, ವ್ಯವಸ್ಥೆ ಅವರನ್ನು ಪ್ರತಿಭಟನಾ ಸ್ಥಳದಲ್ಲಿ ಗುರುತಿಸಿದ ಸಮಯದಲ್ಲಿ, ವಾಸ್ತವವಾಗಿ ತಿಹಾರ್, ಮಂಡೋಲಿ ಅಥವಾ ರೋಹಿಣಿ ಜೈಲುಗಳಲ್ಲಿ ಈಗಾಗಲೇ ಬಂಧನದಲ್ಲಿದ್ದರು ಎಂದು ವರದಿಯಾಗಿದೆ. ಈ ವಿವರವು ವಿವಾದದ ಕೇಂದ್ರಬಿಂದುವಾಗಿದೆ, ಮತ್ತು ಇದು ಇನ್ನೂ ನ್ಯಾಯಾಲಯದ ಮುಂದೆ ಬಾಕಿಯಿರುವ, ವಿವಾದಾತ್ಮಕ ವಿಷಯವಾಗಿರುವುದರಿಂದ, ನಿಖರ ಅಂಕಿಅಂಶಗಳಿಗಾಗಿ ಓದುಗರು ಮೂಲ ಇಂಡಿಯನ್ ಎಕ್ಸ್ಪ್ರೆಸ್ ವರದಿಯನ್ನು ಪರಿಶೀಲಿಸಲು ಸೂಚಿಸಲಾಗಿದೆ.
ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ನಿಜವಾಗಿ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ?
ಇಂತಹ ದೋಷ ಹೇಗೆ ಸಂಭವಿಸಬಹುದು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ತಂತ್ರಜ್ಞಾನ ನಿಜವಾಗಿ ಏನು ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಸಹಾಯಕವಾಗಿದೆ — ಮತ್ತು, ಅಷ್ಟೇ ಮುಖ್ಯವಾಗಿ, ಅದು ಏನು ಮಾಡುವುದಿಲ್ಲ ಎಂಬುದನ್ನೂ.
ಒಂದು ಕ್ಯಾಮೆರಾ ಜನಸಂದಣಿಯಲ್ಲಿ ಒಂದು ಮುಖವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ. ಸಾಫ್ಟ್ವೇರ್ ಆ ಮುಖವನ್ನು ಡಿಜಿಟಲ್ “ಟೆಂಪ್ಲೇಟ್” ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ — ಮುಖದ ಲಕ್ಷಣಗಳ ಗಣಿತೀಯ ನಕ್ಷೆ. ಈ ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ನಂತರ ಅಪರಾಧ ದಾಖಲೆ ಹೊಂದಿರುವವರ ಫೋಟೋಗಳ ಡೇಟಾಬೇಸ್ನೊಂದಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ. ಸಾಕಷ್ಟು ಹತ್ತಿರದ ಹೊಂದಾಣಿಕೆ ಕಂಡುಬಂದರೆ, ವ್ಯವಸ್ಥೆ ಅದನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ.
ಮುಖ್ಯವಾಗಿ, ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಯಾರೊಬ್ಬರೂ ಎಂಬುದನ್ನು ಖಚಿತವಾಗಿ “ತಿಳಿದಿಲ್ಲ” — ಇದು ಸಂಭವನೀಯತೆ-ಆಧಾರಿತ ಹೊಂದಾಣಿಕೆಯನ್ನು ಮಾತ್ರ ಉತ್ಪಾದಿಸುತ್ತದೆ. ಇಂಟರ್ನೆಟ್ ಫ್ರೀಡಮ್ ಫೌಂಡೇಶನ್ ಪಡೆದ ಮತ್ತು ದಿ ಇಂಡಿಯನ್ ಎಕ್ಸ್ಪ್ರೆಸ್ ಈ ಹಿಂದೆ ವರದಿ ಮಾಡಿದ RTI ದಾಖಲೆಗಳ ಪ್ರಕಾರ, 80%ಕ್ಕಿಂತ ಹೆಚ್ಚು ನಿಖರತೆ ಹೊಂದಿರುವ ಹೊಂದಾಣಿಕೆಗಳನ್ನು ದೆಹಲಿ ಪೊಲೀಸರು ಹೆಚ್ಚಿನ ತನಿಖೆಗೆ ಅರ್ಹವಾದ “ಪಾಸಿಟಿವ್ ಮ್ಯಾಚ್” ಎಂದು ಪರಿಗಣಿಸುತ್ತಾರೆ, ಆ ಮಿತಿಗಿಂತ ಕಡಿಮೆ ಇರುವುದನ್ನು ಹೆಚ್ಚುವರಿ ಸಾಕ್ಷ್ಯದ ಅಗತ್ಯವಿರುವ “ಫಾಲ್ಸ್ ಪಾಸಿಟಿವ್” ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.
ಹೋಲಿಕೆಗಾಗಿ, ಅಮೆರಿಕನ್ ಸಿವಿಲ್ ಲಿಬರ್ಟೀಸ್ ಯೂನಿಯನ್ (ACLU) ಅಮೆರಿಕದಲ್ಲಿ ಇದೇ ರೀತಿಯ ವ್ಯವಸ್ಥೆಯ ಮೇಲೆ ಪರೀಕ್ಷೆ ನಡೆಸಿದಾಗ, 80% ನಿಖರತೆಯ ಮಿತಿಯನ್ನು ಮಿಶ್ರ, ಅವಿಶ್ವಾಸಾರ್ಹ ಫಲಿತಾಂಶ ಎಂದು ಪರಿಗಣಿಸಲಾಯಿತು — ಈ ಪರೀಕ್ಷೆಯು ಅಮೆರಿಕದ ಸಂಸತ್ ಸದಸ್ಯರೊಂದಿಗೆ ಸಹ ತಪ್ಪು ಹೊಂದಾಣಿಕೆಗಳನ್ನು ಉಂಟುಮಾಡಿತು.
ಜೈಲಿನಲ್ಲಿದ್ದವರನ್ನು ಪ್ರತಿಭಟನೆಯಲ್ಲಿ ಹೇಗೆ “ಗುರುತಿಸಬಹುದು”?
ಈ ಕಥೆಯನ್ನು ನಿಜವಾಗಿಯೂ ಗೊಂದಲಮಯವಾಗಿಸುವ — ಮತ್ತು ಮುಖ್ಯವಾಗಿಸುವ — ಅಂಶ ಇದೇ ಆಗಿದೆ.
ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ವ್ಯವಸ್ಥೆಯು ಜನಸಂದಣಿಯಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಹೆಸರಿನ ವ್ಯಕ್ತಿಯನ್ನು ನೇರವಾಗಿ ನೋಡಿದೆ ಎಂದು ಹೇಳುತ್ತಿಲ್ಲ. ಬದಲಿಗೆ, ಕ್ಯಾಮೆರಾದಲ್ಲಿ ಸೆರೆಹಿಡಿದ ಮುಖವನ್ನು ಪೊಲೀಸ್ ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಈಗಾಗಲೇ ಸಂಗ್ರಹವಾಗಿರುವ ಫೋಟೋದೊಂದಿಗೆ ಹೋಲಿಸಿ, ಅಂಕಿಅಂಶ ಆಧಾರಿತ ಸಾಮ್ಯತೆಯನ್ನು ವರದಿ ಮಾಡುತ್ತಿದೆ.
ಇಂತಹ ತಪ್ಪು ಹೊಂದಾಣಿಕೆ ಹೇಗೆ ಸಂಭವಿಸಬಹುದು ಎಂಬುದಕ್ಕೆ ಕೆಲವು ವಾಸ್ತವಿಕ ವಿವರಣೆಗಳಿವೆ, ಮತ್ತು ಯಾವುದು ಅನ್ವಯಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ತಿಳಿಯುವುದು ಮುಖ್ಯ, ಏಕೆಂದರೆ ಆಧಾರವಾಗಿರುವ ಕಾರಣ ಹೊಣೆಗಾರಿಕೆಗೆ ಮುಖ್ಯವಾಗಿದೆ:
- ಸಾಮ್ಯತೆ-ಆಧಾರಿತ ತಪ್ಪು ಹೊಂದಾಣಿಕೆ: ಪ್ರತಿಭಟನೆಯಲ್ಲಿ ನಿಜವಾಗಿ ಇದ್ದ ವ್ಯಕ್ತಿಯ ಮುಖದ ಲಕ್ಷಣಗಳು, ಡೇಟಾಬೇಸ್ನಲ್ಲಿರುವ ಬೇರೊಬ್ಬರ (ಬಂಧನದಲ್ಲಿರುವ ವ್ಯಕ್ತಿಯ) ಫೋಟೋಗೆ ಸಾಕಷ್ಟು ಹೋಲುತ್ತಿರಬಹುದು, ಇದರಿಂದ ಅಲ್ಗಾರಿದಂ ಅದನ್ನು ಹೊಂದಾಣಿಕೆ ಎಂದು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿರಬಹುದು. ಬೆಳಕು, ಕ್ಯಾಮೆರಾ ಕೋನ, ಚಿತ್ರದ ಗುಣಮಟ್ಟ, ಮಾಸ್ಕ್ಗಳಂತಹ ಭಾಗಶಃ ಅಡೆತಡೆಗಳು, ಮತ್ತು ಕಾಲಾಂತರದಲ್ಲಿ ನೈಸರ್ಗಿಕ ಬದಲಾವಣೆಗಳು ಎಲ್ಲವೂ ನಿಖರತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಬಹುದು.
- ಡೇಟಾಬೇಸ್ ಅಥವಾ ದಾಖಲೆ-ನಿರ್ವಹಣೆಯ ದೋಷ: ತಪ್ಪು ಹೊಂದಾಣಿಕೆಯು ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಅಲ್ಗಾರಿದಂನ ದೋಷದ ಬದಲಿಗೆ, ಪೊಲೀಸ್ ಡೇಟಾಬೇಸ್ನಲ್ಲಿನ ಹಳೆಯದಾದ, ತಪ್ಪಾಗಿ ಲೇಬಲ್ ಮಾಡಿದ ಅಥವಾ ತಪ್ಪಾಗಿ ಜೋಡಿಸಿದ ದಾಖಲೆಗಳಿಂದ ಬಂದಿರಬಹುದು.
- ವ್ಯವಸ್ಥೆಯ ಔಟ್ಪುಟ್ ನಿಜವಾಗಿ ಏನನ್ನು ಅರ್ಥೈಸುತ್ತದೆ ಎಂಬುದರ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನ: ತಾಂತ್ರಿಕವಾಗಿ ನಿಖರವಾದ ಡೇಟಾಬೇಸ್ ಹೊಂದಾಣಿಕೆ — ಉದಾಹರಣೆಗೆ, ದಾಖಲೆಯಲ್ಲಿರುವ ಫೋಟೋವನ್ನು ಸರಿಯಾಗಿ ಗುರುತಿಸುವುದು — ಆ ಹಂತದಲ್ಲಿ ಸಮರ್ಪಕ ಮಾನವ ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ, ಭೌತಿಕ ಉಪಸ್ಥಿತಿಯ ದೃಢೀಕರಣ ಎಂದು ತಪ್ಪಾಗಿ ಓದಲ್ಪಟ್ಟಿರಬಹುದು ಅಥವಾ ಪ್ರಸ್ತುತಪಡಿಸಲ್ಪಟ್ಟಿರಬಹುದು.
ಪ್ರತಿ ವಿವಾದಿತ ಪ್ರಕರಣದ ಹಿಂದಿನ ನಿಖರ ಕಾರ್ಯವಿಧಾನವನ್ನು ಸಾರ್ವಜನಿಕ ವರದಿಗಳಲ್ಲಿ ಸ್ವತಂತ್ರವಾಗಿ ಸ್ಥಾಪಿಸಲಾಗಿಲ್ಲ ಎಂಬುದನ್ನು ಗಮನಿಸುವುದು ಮುಖ್ಯ, ಮತ್ತು ಪ್ರತಿ ಪ್ರಕರಣವನ್ನೂ ಸರಳವಾಗಿ “AI ತಪ್ಪು ಮಾಡಿದೆ” ಎಂದು ವಿವರಿಸುವುದು, ಈ ಪೈಕಿ ಯಾವ ಸನ್ನಿವೇಶ ನಿಜವಾಗಿ ಅನ್ವಯಿಸುತ್ತದೆ ಎಂದು ತಿಳಿಯದೆ, ನಿಖರವಲ್ಲದ ವಿಷಯವಾಗಿದೆ.
ದೆಹಲಿಯನ್ನು ಮೀರಿ ಈ ಕಥೆ ಏಕೆ ಮಹತ್ವದ್ದಾಗಿದೆ?
ಪ್ರತಿಭಟನಾ ಸ್ಥಳದಲ್ಲಿ ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಬಳಸಿದ್ದು ಇದೇ ಮೊದಲ ಬಾರಿಯಲ್ಲ, ಮತ್ತು ಇದೇ ಕೊನೆಯ ಬಾರಿಯೂ ಆಗಿರುವ ಸಾಧ್ಯತೆ ಕಡಿಮೆ. 2019-2020ರಲ್ಲಿ ಪೌರತ್ವ ತಿದ್ದುಪಡಿ ಕಾಯ್ದೆ ವಿರುದ್ಧದ ಪ್ರತಿಭಟನೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ, ಮತ್ತು 2020ರಲ್ಲಿ ಈಶಾನ್ಯ ದೆಹಲಿಯಲ್ಲಿ ನಡೆದ ಕೋಮು ಹಿಂಸಾಚಾರದಲ್ಲಿ ಭಾಗಿಯಾಗಿದ್ದಾರೆ ಎನ್ನಲಾದ 1,100ಕ್ಕೂ ಹೆಚ್ಚು ವ್ಯಕ್ತಿಗಳನ್ನು ಗುರುತಿಸಲು, ದೆಹಲಿ ಪೊಲೀಸರು ಈ ಹಿಂದೆಯೂ ಇದೇ ರೀತಿಯ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಿದ್ದಾರೆ. ಕಾಣೆಯಾದ ಮಕ್ಕಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಸಹಾಯ ಮಾಡಲು 2018ರಲ್ಲಿ ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಮೂಲತಃ ಖರೀದಿಸಲಾಗಿತ್ತು, ಮತ್ತು ಅದರ ಬಳಕೆಯ ವ್ಯಾಪ್ತಿ ಅಂದಿನಿಂದ ಗಣನೀಯವಾಗಿ ವಿಸ್ತರಿಸಿದೆ.
ಆ ವಿಸ್ತರಣೆಯು ಈ ಒಂದು ಪ್ರಕರಣವನ್ನು ಮೀರಿದ ಪ್ರಶ್ನೆಗಳ ಸರಣಿಯನ್ನು ಎತ್ತುತ್ತದೆ:
ಗೌಪ್ಯತೆ: ಸ್ಕ್ಯಾನ್ ಮಾಡಲ್ಪಟ್ಟ ಆದರೆ ಎಂದಿಗೂ ಹೊಂದಾಣಿಕೆ ಎಂದು ಫ್ಲ್ಯಾಗ್ ಆಗದ ಜನರ ಮುಖದ ದತ್ತಾಂಶ ಮತ್ತು ಚಿತ್ರಗಳಿಗೆ ಏನಾಗುತ್ತದೆ? ಆ ದತ್ತಾಂಶವನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆಯೇ, ಎಷ್ಟು ಸಮಯದವರೆಗೆ?
ಹೊಣೆಗಾರಿಕೆ: ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ವ್ಯವಸ್ಥೆಯು ತಪ್ಪಾದ ಹೊಂದಾಣಿಕೆಯನ್ನು ಉಂಟುಮಾಡಿ, ಅದು ತನಿಖೆ, ಪ್ರಶ್ನಿಸುವಿಕೆ, ಅಥವಾ ಪ್ರತಿಷ್ಠೆಗೆ ಹಾನಿಗೆ ಕಾರಣವಾದರೆ, ಯಾರು ಜವಾಬ್ದಾರರು — ಅದನ್ನು ಬಳಸುವ ಪೊಲೀಸ್ ಇಲಾಖೆಯೇ, ಸಾಫ್ಟ್ವೇರ್ ನಿರ್ಮಿಸಿದ ಕಂಪನಿಯೇ, ಅಥವಾ ಇಬ್ಬರೂ ಅಲ್ಲವೇ?
ಪಾರದರ್ಶಕತೆ: ದತ್ತಾಂಶ ಸಂಸ್ಕರಣೆಗೆ ಖಾಸಗಿ ಕಂಪನಿಯನ್ನು ನಿಯೋಜಿಸಲಾಗಿದೆಯೇ ಎಂಬ ವಿವಾದ — ಪೊಲೀಸರು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ಪಷ್ಟಪಡಿಸದ ಆರೋಪ — ಈ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸಲಾಗಿದೆ, ತರಬೇತಿ ನೀಡಲಾಗಿದೆ ಮತ್ತು ಪರಿಶೀಲಿಸಲಾಗಿದೆ ಎಂಬುದರ ಬಗ್ಗೆ ಸಾರ್ವಜನಿಕರಿಗೆ ನಿಜವಾಗಿ ಎಷ್ಟು ತಿಳಿದಿದೆ ಎಂಬುದರಲ್ಲಿ ವಿಶಾಲ ಅಂತರವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.
ಪ್ರತಿಭಟನೆಯ ಮೇಲೆ ತಣ್ಣಗಾಗಿಸುವ ಪರಿಣಾಮ: ಪ್ರತಿಭಟನಾ ಸ್ಥಳಗಳಲ್ಲಿ ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಅನ್ನು ನಿಯೋಜಿಸುವುದು, ಉತ್ತಮ ಉದ್ದೇಶಗಳಿಂದಲೇ ಆದರೂ, ತಪ್ಪಾಗಿ ಫ್ಲ್ಯಾಗ್ ಆಗುವ ಅಥವಾ ನಿಗಾ ಇಡಲ್ಪಡುವ ಭಯದಿಂದ ಜನರು ಶಾಂತಿಯುತ ಸಭೆಯ ತಮ್ಮ ಹಕ್ಕನ್ನು ಚಲಾಯಿಸುವುದನ್ನು ನಿರುತ್ಸಾಹಗೊಳಿಸಬಹುದು ಎಂದು ನಾಗರಿಕ ಹಕ್ಕುಗಳ ವಕೀಲರು ದೀರ್ಘಕಾಲದಿಂದ ಕಳವಳ ವ್ಯಕ್ತಪಡಿಸಿದ್ದಾರೆ.
ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಅನ್ನು ನಂಬಬಹುದೇ?
ತಂತ್ರಜ್ಞಾನ ನಿಜವಾಗಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ, ಪ್ರಾಮಾಣಿಕ ಉತ್ತರವೆಂದರೆ ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಅನ್ನು ತನಿಖಾ ಸಹಾಯಕ ಎಂದು ಪರಿಗಣಿಸಬೇಕು — ಗುರುತಿನ ಪುರಾವೆಯಾಗಿ ಅಲ್ಲ. 80%-ವಿಶ್ವಾಸಾರ್ಹತೆಯ ಹೊಂದಾಣಿಕೆಯನ್ನು ಉತ್ಪಾದಿಸುವ ವ್ಯವಸ್ಥೆಯು ಪೊಲೀಸರಿಗೆ ಮತ್ತಷ್ಟು ತನಿಖೆಗೆ ಒಂದು ಸುಳಿವನ್ನು ಒದಗಿಸುತ್ತಿದೆಯೇ ಹೊರತು, ಪರಿಶೀಲಿತ ಸತ್ಯವನ್ನಲ್ಲ. ಬಂಧನ, ವಿಚಾರಣೆ, ಅಥವಾ ಸಾರ್ವಜನಿಕ ಆರೋಪದಂತಹ ಗಂಭೀರ ಪರಿಣಾಮಗಳು, ಕೇವಲ ಡೇಟಾಬೇಸ್ ಹೊಂದಾಣಿಕೆಯ ನಂತರವಲ್ಲ, ಸ್ವತಂತ್ರ ಮಾನವ ಪರಿಶೀಲನೆ ಮತ್ತು ಪೂರಕ ಸಾಕ್ಷ್ಯದ ನಂತರವೇ ಅನುಸರಿಸಬೇಕು.
ದೆಹಲಿ ಪೊಲೀಸರು ಸ್ವತಃ ಸುಪ್ರೀಂ ಕೋರ್ಟ್ಗೆ ಹೇಳಿದ್ದಕ್ಕೆ ಇದು ವಿಶಾಲವಾಗಿ ಸ್ಥಿರವಾಗಿದೆ: ಯಾವುದೇ ಕ್ರಮ ಕೈಗೊಳ್ಳುವ ಮೊದಲು ಹೊಂದಾಣಿಕೆಗಳು ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಗೆ ಒಳಗಾಗುತ್ತವೆ ಎಂದು. ಈ ಪ್ರಕರಣದ ಮೂಲ ವಿವಾದವು, ಈ ತತ್ವ ಕಾಗದದ ಮೇಲೆ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ ಎಂಬುದಲ್ಲ, ಬದಲಿಗೆ ಗುರುತಿಸಲ್ಪಟ್ಟ 2,873 ಜನರಲ್ಲಿ ಪ್ರತಿಯೊಬ್ಬರಿಗೂ ಇದನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಸರಿಯಾಗಿ ಅನುಸರಿಸಲಾಗಿದೆಯೇ — ಮತ್ತು ಮುಂದೆ ಗಂಭೀರ ದೋಷಗಳನ್ನು ತಡೆಯಲು ಜಾರಿಯಲ್ಲಿರುವ ರಕ್ಷಣಾ ಕ್ರಮಗಳು ಸಾಕಷ್ಟು ಬಲಿಷ್ಠವಾಗಿವೆಯೇ ಎಂಬುದೇ ಆಗಿದೆ.
ಭಾರತಕ್ಕೆ ಯಾವ ರಕ್ಷಣಾ ಕ್ರಮಗಳು ಬೇಕಾಗಿವೆ?
ಭಾರತೀಯ ಪೊಲೀಸ್ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಬಳಕೆ ವಿಸ್ತರಿಸುತ್ತಿರುವಂತೆ, ಕಾನೂನು ತಜ್ಞರು ಮತ್ತು ನಾಗರಿಕ ಸಮಾಜ ಗುಂಪುಗಳು ಹೆಚ್ಚುತ್ತಿರುವಂತೆ ಕೆಲವು ರಕ್ಷಣಾ ಕ್ರಮಗಳಿಗಾಗಿ ಕರೆ ನೀಡುತ್ತಿವೆ:
- ಯಾವುದೇ ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಹೊಂದಾಣಿಕೆಯು FIR, ಬಂಧನ, ಅಥವಾ ಸಾರ್ವಜನಿಕ ಗುರುತಿಸುವಿಕೆಗೆ ಕಾರಣವಾಗುವ ಮೊದಲು ಕಡ್ಡಾಯ ಮಾನವ ಪರಿಶೀಲನೆ
- ವ್ಯವಸ್ಥೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯ, ಅದರ ದೋಷ ದರ ಸೇರಿದಂತೆ, ಸ್ಪಷ್ಟ, ಪ್ರಕಟಿತ ನಿಖರತೆಯ ಮಿತಿಗಳು ಮತ್ತು ನಿಯಮಿತ ಸ್ವತಂತ್ರ ಲೆಕ್ಕಪರಿಶೋಧನೆಗಳು
- ದತ್ತಾಂಶವನ್ನು ಯಾರು ಸಂಸ್ಕರಿಸುತ್ತಾರೆ, ಎಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ, ಎಷ್ಟು ಕಾಲ ಇಡಲಾಗುತ್ತದೆ, ಮತ್ತು ಮೂರನೇ ವ್ಯಕ್ತಿಗಳು ಒಳಗೊಂಡಿದ್ದಾರೆಯೇ ಎಂಬ ಬಗ್ಗೆ ದತ್ತಾಂಶ ನಿರ್ವಹಣೆಯ ಪಾರದರ್ಶಕತೆ
- ತಪ್ಪಾಗಿ ಫ್ಲ್ಯಾಗ್ ಆದ ವ್ಯಕ್ತಿಗಳಿಗೆ, ದೋಷಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಸವಾಲು ಹಾಕಲು ಮತ್ತು ಸರಿಪಡಿಸಲು ಅವಕಾಶ ನೀಡುವ ಕುಂದುಕೊರತೆ ಪರಿಹಾರ ಕಾರ್ಯವಿಧಾನ
- ಈ ವಿಷಯ ಈಗಾಗಲೇ ಸುಪ್ರೀಂ ಕೋರ್ಟ್ ಮುಂದೆ ಇರುವುದರಿಂದ, ಇಂತಹ ನಿಗಾ ಎಷ್ಟು ದೂರ ವಿಸ್ತರಿಸಬಹುದು ಎಂಬುದರ ಬಗ್ಗೆ ಪೂರ್ವನಿದರ್ಶನವನ್ನು ಸ್ಥಾಪಿಸಬಹುದಾದ ನ್ಯಾಯಾಂಗ ಮೇಲ್ವಿಚಾರಣೆ
ಸಾರಾಂಶ
ಈ ಪ್ರಕರಣ ಇನ್ನೂ ಸುಪ್ರೀಂ ಕೋರ್ಟ್ ಮುಂದೆ ಬಾಕಿಯಿದೆ, ಮತ್ತು ಪ್ರತಿಯೊಂದು ವಾಸ್ತವಿಕ ಹಕ್ಕುಪ್ರತಿಪಾದನೆಯನ್ನೂ ಸ್ವತಂತ್ರವಾಗಿ ಖಚಿತಪಡಿಸಲಾಗಿಲ್ಲ. ಆದರೆ ಸುಸ್ಥಾಪಿತ ಮೂಲ ಸಂಗತಿಗಳು — 80%-ನಿಖರತೆಯ ಮಿತಿ ಹೊಂದಿರುವ ಹೊಂದಾಣಿಕೆ ವ್ಯವಸ್ಥೆಯ ಮೂಲಕ ಸುಮಾರು 3,000 ಜನರನ್ನು ಗುರುತಿಸಿದ್ದು, ಆ ದತ್ತಾಂಶವನ್ನು ಹೇಗೆ ಸಂಸ್ಕರಿಸಲಾಗಿದೆ ಎಂಬ ಕಾನೂನು ವಿವಾದ, ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆಯ ಬಗ್ಗೆ ಹಿರಿಯ ವಕೀಲರ ವಿಶ್ವಾಸಾರ್ಹ ಪ್ರಶ್ನೆಗಳು — ಸಾಮಾನ್ಯ ನಾಗರಿಕರಿಗೆ ನಿಜವಾಗಿಯೂ ಮಹತ್ವದ ಪ್ರಶ್ನೆಯನ್ನು ಎತ್ತಲು ಸಾಕಷ್ಟಿವೆ: ಭಾರತೀಯ ಪೊಲೀಸ್ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ AI ನಿಗಾ ಸಾಧನಗಳು ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗುತ್ತಿರುವಂತೆ, ನಾವು ಒಂದು ಹೊಂದಾಣಿಕೆಯನ್ನು ಎಷ್ಟು ನಂಬಬೇಕು — ಮತ್ತು ಹೊಂದಾಣಿಕೆ ತಪ್ಪಾದಾಗ ಏನಾಗುತ್ತದೆ?
ಈ ಲೇಖನವು ದೆಹಲಿ ಪೊಲೀಸರು ಸುಪ್ರೀಂ ಕೋರ್ಟ್ಗೆ ಸಲ್ಲಿಸಿದ ಪ್ರಮಾಣಪತ್ರ, ಇಂಟರ್ನೆಟ್ ಫ್ರೀಡಮ್ ಫೌಂಡೇಶನ್ ಮತ್ತು ದಿ ಇಂಡಿಯನ್ ಎಕ್ಸ್ಪ್ರೆಸ್ ವರದಿ ಮಾಡಿದ RTI ದಾಖಲೆಗಳು, ಮತ್ತು ಭಾರತೀಯ ಕಾನೂನು ಜಾರಿ ಸಂಸ್ಥೆಗಳ ಫೇಸಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಬಳಕೆಯ ಹಿಂದಿನ ವರದಿಗಳನ್ನು ಆಧರಿಸಿದೆ. ಇದು ಇನ್ನೂ ಬೆಳವಣಿಗೆಯ ಹಂತದಲ್ಲಿರುವ ಕಾನೂನು ವಿಷಯವಾಗಿದೆ; ಇತ್ತೀಚಿನ ಬೆಳವಣಿಗೆಗಳಿಗಾಗಿ ಓದುಗರು ಅಧಿಕೃತ ನ್ಯಾಯಾಲಯದ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಅನುಸರಿಸಲು ಸೂಚಿಸಲಾಗಿದೆ.