پلیس آمریکا با کمک هوش مصنوعی رانندگان را به‌دلیل مسیرهای مشکوک متوقف می‌کند

پلیس آمریکا با استفاده از دوربین‌های هوشمند پلاک‌خوان و ابزارهای مبتنی بر هوش مصنوعی، رانندگان را به‌دلیل الگوهای رفت‌وآمد مشکوک متوقف می‌کند. رانندگان حتی اگر هیچ مدرکی از ارتکاب جرم وجود نداشته باشد نیز در امان نیستند. گزارش‌های منتشرشده نشان می‌دهند که این فناوری‌ها می‌توانند سفرهای عادی مردم را به عاملی برای جلب توجه نیروهای

پلیس آمریکا با استفاده از دوربین‌های هوشمند پلاک‌خوان و ابزارهای مبتنی بر هوش مصنوعی، رانندگان را به‌دلیل الگوهای رفت‌وآمد مشکوک متوقف می‌کند.

رانندگان حتی اگر هیچ مدرکی از ارتکاب جرم وجود نداشته باشد نیز در امان نیستند. گزارش‌های منتشرشده نشان می‌دهند که این فناوری‌ها می‌توانند سفرهای عادی مردم را به عاملی برای جلب توجه نیروهای پلیس تبدیل کنند و نگرانی‌های جدی درباره حریم خصوصی شهروندان به وجود آورند.

بر اساس گزارش تک‌اسپات، اتحادیه آزادی‌های مدنی آمریکا (ACLU) اخیراً درباره گسترش این شیوه نظارتی، هشدار داده است. دوربین‌های خودکار پلاک‌خوان (ALPR) با ثبت شماره پلاک خودروها، زمان و مکان عبور آن‌ها، اطلاعات گسترده‌ای از رفت‌وآمد رانندگان جمع‌آوری می‌کنند. ترکیب این اطلاعات با ابزارهای هوش مصنوعی به پلیس اجازه می‌دهد مسیرهای طی‌شده را بررسی کند و رفتارهایی را که غیرعادی به نظر می‌رسند، برای تحقیقات بیشتر علامت‌گذاری کند.

یکی از نمونه‌های این اتفاق به گریس نولز، زنی اهل ویرجینیای شمالی، مربوط می‌شود که در سپتامبر ۲۰۲۵، هنگام سفر جاده‌ای به مقصد فلوریدا توسط مأموری متوقف شد. مأمور ابتدا مدعی شد که او مدت زیادی در خط چپ رانندگی کرده است، اما پس از توقف، پرسش‌های متعددی درباره مسیر سفر و مقصدهای قبلی او مطرح کرد. این مأمور سپس خود را مأمور ویژه ‌‌FBI معرفی کرد و توضیح داد که الگوی رفت‌وآمد نولز مشکوک تشخیص داده شده است.

نولز در ادامه توانست نرم‌افزار مورد استفاده مأمور را مشاهده کند؛ این برنامه نقشه‌ای از آمریکا نمایش می‌داد که محل ثبت خودرو در دوربین‌های مختلف روی آن مشخص شده بود و مأمور می‌توانست تصاویر پلاک خودرو را در هر نقطه مشاهده کند. با این حال، نبود اطلاعات مربوط به یکی از مقصدهای سفر نولز باعث شده بود مأمور درباره صحت گفته‌های او تردید کند؛ درحالی‌که ثبت نشدن خودرو در یک مکان لزوماً به معنای حضور نداشتن آن در آنجا نیست.

نگرانی اصلی این است که چنین سامانه‌هایی به‌جای شناسایی خودروهای مرتبط با یک جرم مشخص، خودشان زمینه ایجاد ظن را فراهم کنند. برای مثال، رانندگی مکرر میان دو ایالت یا سفر به مناطق خاص ممکن است توجه پلیس را جلب کند، بدون اینکه شواهدی از فعالیت غیرقانونی وجود داشته باشد. شرکت‌هایی مانند فلوک سیفتی (Flock Safety) نیز قابلیت‌هایی توسعه داده‌اند که امکان تحلیل الگوهای حرکتی خودروها و بررسی ارتباط میان آن‌ها را فراهم می‌کنند.

پرونده (الک شات، راننده‌ای در تگزاس)، نمونه دیگری از پیامدهای این رویکرد است؛ در سپتامبر ۲۰۲۶، هیئت منصفه فدرال تشخیص داد که اقدامات پلیس شهرستان بکسار در توقف و بازرسی خودروی او، حقوق قانون اساسی‌اش را نقض کرده است. شات پس از یک سفر کاری متوقف شد؛ مأمور مدعی بود که او از خط عبور کرده، اما تصاویر دوربین خودرو چنین تخلفی را نشان نمی‌دادند. پلیس پس از ۷۶ دقیقه بازجویی و بازرسی، هیچ مورد غیرقانونی پیدا نکرد و هیئت منصفه شهرستان را به پرداخت ۷۶ دلار غرامت محکوم کرد.

طرفداران این فناوری معتقدند که دوربین‌های پلاک‌خوان می‌توانند به کشف جرم، یافتن خودروهای سرقتی و شناسایی افراد مفقودشده کمک کنند. بااین‌حال، منتقدان هشدار می‌دهند که جمع‌آوری گسترده اطلاعات شهروندان و تحلیل آن‌ها با هوش مصنوعی، خطر نظارت فراگیر و سوءاستفاده از داده‌ها را افزایش می‌دهد. از سوی دیگر، رانندگان معمولاً کنترلی بر مدت نگهداری این اطلاعات یا نحوه دسترسی نهادهای مختلف به آن‌ها ندارند.

این فناوری همچنین می‌تواند توقف‌های بهانه‌ای را افزایش دهد؛ یعنی مأمور ابتدا به دلایل دیگری به راننده مشکوک می‌شود و سپس با استناد به تخلفی جزئی، او را متوقف می‌کند. در نتیجه، مسئله فقط توانایی هوش مصنوعی در تحلیل داده‌ها نیست، بلکه نحوه استفاده پلیس از نتایج این تحلیل‌ها نیز اهمیت دارد. گسترش این سامانه‌ها بار دیگر بحث ضرورت وضع قوانین شفاف‌تر برای حفاظت از حریم خصوصی شهروندان را به مرکز توجه آورده است.