As máquinas estão aprendendo e sabem muito sobre você

Refere-se ao conceito de máquinas serem capazes de analisar dados e melhorar com o tempo no entendimento do mundo e de seus usuários.

Usamos as tecnologias produzidas pela inteligência artificial diariamente. Percebeu como a correção automática em seu telefone começa a reconhecer palavras que não estão no dicionário, só porque você as usa repetidamente? Isso é aprendizado de máquina. E há vários outros exemplos de como a inteligência artificial permite que as máquinas (e seus fabricantes) aprendam tudo sobre você, seus interesses, sua política, sua saúde e muito mais.

7 maneiras pelas quais a tecnologia de IA aprende muito sobre você

Reconhecimento facial

Quem usa: polícia, controle de fronteira

Foi estabelecido que o reconhecimento facial alimentado por IA é atualmente tão eficaz que você pode ser identificado mesmo se seu rosto estiver obscurecido - por, por exemplo, óculos escuros ou uma máscara facial . Onde isso fica complicado é seu uso em vigilância em massa, especificamente em torno do medo de que os indivíduos possam ser identificados e apreendidos sem o devido processo.

Em 2020, a empresa americana de reconhecimento facial Clearview AI foi amplamente condenada por reunir mais de 3 bilhões de imagens - provenientes de plataformas publicamente disponíveis como Facebook, Twitter e Flickr - e usá-las para desenvolver um aplicativo de reconhecimento facial. Isso foi então vendido para mais de 2.400 agências de aplicação da lei em todos os Estados Unidos

Hoan Ton-That, co-fundador da Clearview AI declarou que a ferramenta era estritamente para uso por policiais e que é “ um jogo justo para ajudar a aplicação da lei a resolver crimes usando dados publicamente disponíveis. “Evidentemente, o resto do mundo não estava convencido.

O programa de vigilância em massa Skynet da China - sim, seu nome real - começou a ser desenvolvido em 2005 e é atualmente um dos programas de reconhecimento facial mais sofisticados do mundo. A diferença do Clearview é que ele usa feeds de vídeo ao vivo de cerca de meio bilhão de câmeras de segurança em todo o país.

Apesar dos vários graus de qualidade de vigilância por vídeo, a Skynet tem uma taxa de precisão de cerca de 99,8%. O que poderia ser mais invasivo, você pergunta? Óculos de sol de reconhecimento facial. A China também começou a usar óculos de sol com recursos de reconhecimento facial integrados para fornecer aos policiais acesso instantâneo no nível do solo. Isso não apenas fornece resolução de vídeo muito superior, mas os suspeitos podem ser identificados em até 100 milissegundos.

Isso é especialmente assustador quando você considera que houve casos de vigilância assistida por IA que traçaram o perfil das minorias em um grau mais alto de falsos positivos.

Reconhecimento vocal

Quem usa: assistentes virtuais, médicos, militares

O reconhecimento de voz é talvez uma ameaça mais difundida com a facilidade de acesso para gravação de áudio por meio de smartphones. Para demonstrar ainda mais a vantagem - desvantagem? - que os smartphones têm a esse respeito é que eles estão virtualmente em todos os lugares, de maneiras mais próximas de nós fisicamente do que as câmeras de CFTV. Pelo menos a esta distância, você pode ajustar as permissões de aplicativos em seu smartphone.

No início deste ano, vários músicos e grupos de direitos humanos pressionaram o Spotify a abandonar os planos de uma ferramenta que fazia recomendações musicais com base no reconhecimento de voz. A tecnologia, patenteada pelo Spotify, receberia informações da voz do usuário e do ruído ambiente para fazer recomendações com base na idade, sexo, sotaque e humor . Sem surpresa, a tecnologia foi considerada “assustadora” e “invasiva”.

Auto correção

Quem usa: smartphones

No papel, a correção automática é ótima. Ele foi projetado para tornar sua comunicação mais eficiente, pode ajudar com erros de digitação quando você está com pressa e tem o benefício adicional de ensiná-lo a soletrar palavras difíceis.

Quando o iOS 13 foi lançado no terceiro trimestre de 2019, os usuários do iPhone em todo o mundo relataram uma diminuição na qualidade do recurso de autocorreção do sistema operacional durante a digitação. Isso inclui letras maiúsculas aleatórias e desnecessárias, palavras inteiras recomendadas ou substituídas fora do contexto e recomendações multilíngues estranhas.

Alguns especularam que com menos acesso às informações do usuário devido ao seu maior foco na privacidade, a Apple não foi capaz de treinar com precisão sua IA. Em outras palavras, a diminuição na qualidade do autocorreção pode estar ligada a um aumento na privacidade. Já o Google, por outro lado, é capaz de produzir respostas muito mais precisas justamente pelo fato de coletar e analisar mais informações do usuário.

Algoritmos de recomendação

Quem usa: serviços de streaming, sites de comércio eletrônico

Deixando de lado as comparações com o Minority Report , o conceito por trás de ser capaz de prever “o futuro” por meio da IA é notavelmente simples. Pelo menos na medida em que um sistema pode ser treinado para ajudar a reconhecer a entrada, agregar esses dados e fazer previsões com base nessa entrada. Quanto mais dados de origem forem inseridos para análise, mais precisa se torna a previsão. Por exemplo, você acabou de terminar The Office e deseja assistir a algo semelhante em tom e Peacock recomenda Parks and Recreation . Parece bom, certo?

Prefiro que o algoritmo mostre uma recomendação que não se encaixa no meu gosto. São as previsões corretas que são desconcertantes.

Em 2012, um algoritmo treinado em IA foi capaz de prever com sucesso a gravidez de uma estudante do ensino médio antes que sua família soubesse, o que foi um choque quando ela recebeu cupons pelo correio para produtos relacionados a bebês. Forbes descobriu que cada cliente-alvo recebe um número de identificação vinculado a seu nome, e-mail ou cartão de crédito. Cada compra subsequente feita foi registrada junto com informações externas que foram obtidas de " outras fontes ". A partir dos dados coletados, a Target foi capaz de estabelecer uma pontuação de “previsão de gravidez” que foi capaz de não apenas extrapolar com precisão a probabilidade de que alguém estava grávida, mas também a data do parto.

Arrepiante.

Assistentes virtuais

Exemplos: Google Assistant, Amazon Alexa, Apple's Siri

Seja um robô doméstico como Rosie dos Jetsons , computadores em Star Trek ou KITT de Knight Rider, a ideia de um assistente artificial esteve na consciência coletiva ao longo do século 20 através da mídia popular.

Um estudo conduzido pela Universidade de Waterloo concluiu que as pessoas são mais propensas a se envolver com assistentes virtuais antropomorfizados - semelhantes aos humanos. Com uma semelhança cada vez maior em tom e entonação com os humanos, os assistentes virtuais modernos estão lentamente confundindo os limites entre humanos e robôs. Na verdade, eles estão ficando tão bons em aprender como interagir com humanos que as pessoas estão começando a se apaixonar por assistentes de IA.

Pense nisso por um segundo... Assistentes virtuais de IA são tão bons em aprender certas nuances na interação com humanos que as pessoas estão desenvolvendo ligações românticas com eles.

Mídia social

Exemplos: Facebook , Instagram , LinkedIn, Twitter

Você provavelmente já ouviu ou experimentou essas histórias inúmeras vezes:

Você estava pesquisando um produto que queria comprar e se viu recebendo um anúncio em seu feed de redes sociais para produtos relacionados ou outros produtos da mesma marca

Você conversou com alguém sobre um tópico que raramente discute e, posteriormente, foram veiculados anúncios relevantes em seus feeds sociais com base nesse tópico exato

O Dr. Alvin Lee, diretor do Master of Marketing da Deakin University em Melbourne, descreveu que o sentimento em relação a esse tipo de marketing hiper-direcionado se resume em como as pessoas percebem a privacidade. Ele prossegue afirmando que hoje em dia, a maioria das pessoas tem uma expectativa razoável de que seus hábitos online e informações pessoais estão sendo monitorados e analisados por uma variedade de partes.

Em geral, as plataformas de mídia social estão cada vez mais usando IA de várias maneiras para interagir com os usuários. Isso pode incluir medidas como: previsão de discurso de ódio, previsões de moda e reconhecimento de gestos treinados em IA para realidade aumentada. As coisas ficam complicadas quando as postagens e anúncios recomendados em feeds sociais são adaptados a afiliações políticas individuais, empurrando lentamente os usuários para câmaras de eco ideológicas.

Cada plataforma de mídia social principal tem alguma forma de IA treinada para reconhecer e impedir o discurso de ódio , mas houve situações em que isso saiu pela culatra. Um exemplo notável envolve Antonio Radić , um jogador de xadrez croata, que teve sua conta do YouTube bloqueada por conteúdo “prejudicial e perigoso”. O uso potencial de Radić da frase “preto vs. branco” pode ter sido o ponto de inflexão para o algoritmo do YouTube. Apesar de seu canal ter sido restabelecido menos de 24 horas depois, ele destaca as deficiências do aprendizado de máquina na compreensão do comportamento humano.

Tecnologia de leitura labial

Quem usa: policiais, médicos

Uma empresa em Belfast chamada Liopa se autodenominou a única startup do mundo focada em “leitura labial automatizada por meio de reconhecimento visual de voz”. Por meio de uma parceria com o Lancashire Teaching Hospital Trust, a Liopa desenvolveu o SRAVI—Ou aplicativo de reconhecimento de fala para deficientes físicos. O software foi projetado para converter o movimento silencioso dos lábios em texto que pode ser usado para ajudar os profissionais de saúde a entender melhor os pacientes com dificuldade de falar. Isso pode incluir aqueles que foram submetidos a tratamento para traqueostomias, laringectomias e / ou longos períodos de intubação. Os aplicativos de SRAVI externos para uso médico incluem vigilância por vídeo quando não há áudio disponível e, inversamente, em situações em que há uma quantidade enorme de poluição sonora - videoconferência em equipe, por exemplo.

Por outro lado, leitura labial forense refere-se à prática de leitura da fala para auxiliar na coleta de evidências. Por exemplo, envolver um leitor labial para ajudar a determinar o conteúdo de uma conversa em um vídeo de vigilância sem áudio. Em 2016, o DeepMind AI do Google, junto com a Universidade de Oxford, usou o aprendizado de máquina com mais de 5.000 horas de programas da BBC para criar um sistema de leitura labial tão preciso que conseguiu superar os profissionais. Agora imagine isso sendo usado em um sistema de vigilância em massa.

Você sabe o que dizem sobre lábios soltos.