ادعای پلیس درباره «دوربین های بدحجابی» چقدر صحت دارد

با طرح مسئله لزوم برخورد با هنجارشکنان در موضوع حفظ حجاب و تلاش برای ایجاد تحولی فناورانه برای نظارت بر پیاده‌سازی قانون حجاب و عفاف، در روزهای اخیر نمایندگان مجلس، مسئولان دستگاه قضایی و همین‌طور فرمانده فراجا از بکارگیری فناوری‌های هوشمند و دوربین‌های مجهز به هوش مصنوعی نصب شده در معابر برای مقابله با هنجارشکنان در فضاهای عمومی خبر دادند. در این رابطه پایگاه خبر پلیس، نوزدهم فرودین ۱۴۰۲ با انتشار خبری اعلام کرد: «در اقدامی ابتکاری پلیس به جهت جلوگیری از بروز هر‌گونه تنش و تزاحم با هموطنان در برقراری قانون حجاب، با استفاده از ابزار و دوربین‌های هوشمند در اماکن و معابر عمومی، نسبت به شناسایی افراد هنجارشکن اقدام و با ارسال مستندات و پیام اخطار به ناقضان قانون حجاب و‌ عفت عمومی، در زمان و مکان مورد نظر، آنها را نسبت به عواقب قانونی تکرار این جرم مطلع می‌نماید.»

اکنون پرسش بسیاری از شهروندان این است که فناوری بکار گرفته شده در دوربین‌های نصب شده در معابر چطور کار می‌کند و تا چه حد دقیق است؟ خیلی‌ها می‌پرسند شناسایی چهره تک تک شهروندان با این دوربین‌ها چطور امکان‌پذیر است؟

دوربین‌های نصب شده در سطح شهر به دو دسته دوربین‌های ترافیکی و دوربین‌های نظارتی تقسیم می‌شوند. از دوربین‌های ترافیکی برای مدیریت خودروها و بطور کلی وسایل نقلیه استفاده می‌شود. مانند دوربین‌های سرعت سنج، دوربین‌های ثبت تخلف چراغ قرمز، دوربین‌های کنترل معاینه فنی، ورود به محدوده طرح ترافیک و محدوده کنترل آلودگی هوا. در سوی دیگر، دوربین‌های نظارتی (CCTV) را داریم که صرفا جنبه مدیریتی و کنترل فضای شهری مانند کنترل حجم ترافیک و وضعیت عمومی شهر را دارد. تحلیل تصاویر ثبت شده با این دوربین‌ها را معمولا اپراتور انسانی انجام می‌دهد.

سازوکار شناسایی شهروندان با دوربین‌های نظارتی و ترافیکی

برای این که ببینیم دوربینی قابلیت تشخیص افراد را دارد یا نه دو نکته مهم وجود دارد. نخست این که باید توجه کنیم چنین قابلیتی به نرم‌افزار بکار گرفته شده در آن دوربین بستگی دارد و نه سخت‌افزار آن. نکته دوم این است که برای چنین تشخیصی لازم است از فناوری هوش مصنوعی استفاده می‌شود. یعنی با استفاده از هوش مصنوعی، پیکسل به پیکسل تصاویری که دوربین تهیه می‌کند پردازش مشود تا داده‌های مورد نیاز از آن را به دست آوریم.

در مورد دوربین‌های ترافیکی و پلاک خوان برای این که هوش مصنوعی بتواند نوع خودرو را تشخیص دهد و شماره پلاک آن را به درستی بخواند و ثبت کند، لازم است مجموعه‌ای از داده‌ها در قالب کلان‌داده از پیش آماده شده و در اختیار نرم‌افزار قرار گرفته باشد.یعنی برای مثال ۵۰۰ هزار تصویر از خودروهای مختلف در اختیار نرم‌افزار قرار می‌گیرد تا با تکیه بر فناوری‌هایی همچون یادگیری ماشین (machine learning) و یادگیری عمیق (deep learning)، در ادامه کار بتواند خودروهای مختلفی که در تصاویر دوربین ثبت می‌شود را بصورت خودکار تشخیص و با خواندن پلاک آنها و رجوع به اطلاعات ثبت شده در مرکز داده، مالک آنها را شناسایی کند. به این ترتیب اگر قرار باشد که از دوربین‌های ثبت تخلف برای تشخیص چهره افراد متخلف استفاده کنیم لازم است دقیقا فرایند مشابهی را طی کرده باشیم. به این ترتیب که تصویر تک‌تک چهره‌های شهروندان را بارها و بارها در اختیار هوش مصنوعی بکار گرفته شده در نرم‌افزار دوربین قرار گرفته باشد تا هر بار چهره شهروند بخصوصی را به‌عنوان متخلف شناسایی شد، هوش مصنوعی در لحظه بتواند با مراجعه به انبوه داده‌های از پیش تهیه شده و موجود در مرکز داده، آن فرد را شناسایی کند.

این که آیا چنین کلان‌داده عظیمی از چهره یکایک شهروندان وجود دارد تا بتواند را در اختیار نرم‌افزار مجهز به هوش مصنوعی قرار بگیرد تا با دریافت تصاویر ثبت شده دوربین‌ها از هر شهروند متخلف، آن فرد در لحظه شناسایی شود، موضوعی است که از نظر فنی بسیار بعید است و فراتر از ظرفیت پردازشی تجهیزات تولیدشده در شرکت‌های دانش بنیان داخلی به نظر می‌رسد. با این حال اظهار نظر قطعی در مورد این نکات فنی و در اختیار داشتن چنین کلان‌داده‌ای بر عهده نهادهایی است که مدعی در اختیار داشتن این فناوری هستند.

مسئله زیرساخت‌های شناسایی

فرض کنیم چنین کلان‌داده‌ای موجود بوده و پیش‌تر تهیه شده و نرم‌افزار تحلیل تصاویر دوربین‌ها نیز موجود است. در این حالت به مشکل دیگری برمی‌خوریم و می‌بینیم زیرساخت‌های کافی برای تشخیص چهره تک‌تک شهروندان در سطح شهر مهیا نیست. منظور از زیرساخت این است که دوربین‌های نظارت تصویری نصب شده در سطح شهر، از نظر نوع نصب و جانمایی و تعداد دوربین‌های نصب شده لازم است به‌گونه‌ای باشند که بتوانیم بهره‌برداری مورد نظر از آنها را انجام دهیم.

اگر قرار باشد این اتفاق از مسیر دوربین‌های ترافیکی بیفتد، یعنی نرم‌افزار دوربین باید بتواند علاوه بر تشخیص نوع خودرو و شماره پلاک، پردازش دیگری هم برای تشخیص چهره انجام دهیم. نگاهی به ساختار سخت‌افزاری این دوربین‌ها نشان می‌دهد از نظر فنی امکان چنین پردازش مضاعفی در دوربین‌های نظارت تصویری ترافیکی و پلاکخوان نصب شده فعلی وجود ندارد؛ زیرا اکنون از ۱۰۰ درصد توان سخت‌افزاری دوربین‌های پلاکخوان و ثبت تخلف برای ماموریت از پیش تعیین شده برای آنها در حوزه کنترل ترافیک استفاده می‌شود. مگر اینکه دوربین‌های جدیدی با فناوری فراتر از قابلیت‌های دوربین‌های تولید شده در شرکت‌های دانش بنیان داخلی در کشور بکار گرفته شده (یا قرار است بکار گرفته شود) که در زمان انتشار این نوشتار اطلاعات بیشتری در اختیار نداریم.

این که آیا چنین کلان‌داده عظیمی از چهره یکایک شهروندان وجود دارد تا بتواند را در اختیار نرم‌افزار مجهز به هوش مصنوعی قرار بگیرد تا با دریافت تصاویر ثبت شده دوربین‌ها از هر شهروند متخلف، آن فرد در لحظه شناسایی شود، موضوعی است که از نظر فنی بسیار بعید است

حتی اگر فرض کنیم اکنون دوربین‌هایی وجود دارد که از نظر نرم‌افزاری و سخت‌افزاری می‌تواند کار تشخیص چهره شهروندان را انجام دهد، دوربین‌های نظارت تصویری نصب شده فعلی در سطح شهر توانایی نظارت بر رویدادهای سطح شهر و ارسال داده‌های خام تصویری را دارد اما پردازشگر هوشمندی ندارند که بتوانند کار شناسایی چهره‌ها را بصورت خودکار انجام دهند. این داده‌ها نهایتا پس از ارسال باید در یک مرکز داده (Server) جمع‌آوری و تک‌تک تصاویر آن پردازش و نهایتا در آنجا کار شناسایی انجام شود. اما چنین مرکز داده‌ای مسلما باید بسیار بسیار بزرگ باشد تا بتواند چنین حجم عظیمی از کلان‌داده‌های دریافتی را پردازش کند. وجود خارجی چنین مرکز داده عظیمی در کشور در حال حاضر بسیار بعید به نظر می‌رسد. از طرفی پهنای باند مورد نیاز برای ارسال چنین حجم عظیمی از کلان‌داده‌های ثبت شده با دوربین‌ها در کشور وجود ندارد.

بر اساس آنچه از قابلیت فنی دوربین‌های ترافیکی و نظارتی موجود و نصب شده در معابر تشریح شد، اگر قرار باشد با دوربین‌های ترافیکی مجهز به هوش مصنوعی با قابلیت پلاکخوانی، افراد متخلف شناسایی شود، چنانچه آنها سوار خودرو نباشند تا پلاکی برای تشخیص و شناسایی مالک خودروها وجود داشته باشد، عملا امکان شناسایی عابران پیاده و بدون پلاک وجود ندارد. علاوه بر اینکه تمام سطح شهرها تحت پوشش دوربین‌های پلاکخوان نیست. نهایتا این که کار نظارت بر پوشش حجاب شهروندان به شیوه‌ای قابل اجراست که پیشتر کشف حجاب در خودروها با دوربین‌های نظارتی و ترافیکی گزارش می‌شد؛ به این ترتیب که سرنشین با موی بلند و دارای دورنمایی شبیه به خانمی که احتمالا کشف حجاب کرده قابل شناسایی است که انجام این کار با هوش مصنوعی یا عامل انسانی در چنین حالتی با ضریب خطای بالا امکان‌پذیر است. به این ترتیب انتظار می‌رود امکان گزارش اشتباه در مورد شناسایی آقایان با موی بلند و شناسایی نشدن زنان با موی کوتاه بسیار بالا باشد؛ اتفاقی که پیش‌تر هم در خصوص ارسال پیامک‌های اشتباه گزارش کشف حجاب در خودروها موجب اعتراض و حاشیه‌های فراوان شده بود.

سناریوی محتمل برای شناسایی متخلفان بی‌حجاب

با در نظر گرفتن چنین ملاحظات فنی، کماکان اجراشدنی‌ترین سناریوی عملیات تشخیص چهره با دوربین‌های نصب شده در سطح شهر می‌تواند به این صورت باشد که کار نهایی تشخیص را اپراتورهای انسانی از طریق تصاویر دریافت شده با دوربین‌ها انجام دهند؛ نوعی شناسایی از راه دور چهره شهروندان بدون حضور عامل انسانی در محل و صرفا در مورد برخی افراد که اپراتورها شخصا قابلیت شناسایی آن فرد بخصوص را داشته باشند و بنا به اظهارات فرمانده فراجا مبنی بر لزوم ارئه سند برای افراد متخلف، بتوانند عکس شهروند مورد نظر را با دوربین‌های نظارت تصویری ثبت کرده باشند.

در غیر این صورت باید فرضیه بکارگیری نوعی فناوری محرمانه و وارداتی را در دستور کار دستگاه قضایی در نظر بگیریم که در این صورت قرار است نظارتی فراتر از توان فنی تجهیزات تولیدشده در شرکت‌های دانش بنیان داخلی برای نظارت بر اجرای قانون حجاب و عفاف در معابر عمومی در دستور کار قرار گرفته باشد؛ موضوعی که نیازمند شفافیت بیشتر از سوی دستگاه‌های متولی است.