Nova Estratégia de Segurança no Metrô de Londres
Transport for London (TfL) implementou uma estratégia inovadora para aumentar a segurança e eficiência em suas estações de metrô. A iniciativa baseia-se no uso de imagens de CCTV, algoritmos de Inteligência Artificial (IA) e “modelos de detecção” para identificar padrões de comportamento que possam indicar situações problemáticas. O objetivo é fornecer ao pessoal da estação informações em tempo real sobre o movimento e comportamento dos usuários, permitindo uma resposta mais rápida a situações potencialmente perigosas ou disruptivas.
Resultados e Críticas do Teste da Nova Tecnologia
O teste desta nova tecnologia forneceu informações valiosas, especialmente em relação à evasão de tarifas, o que permitirá à TfL desenvolver abordagens e intervenções mais eficazes no futuro. Apesar das preocupações sobre o viés nos algoritmos de IA, a TfL garante que não encontrou evidências de viés nos dados coletados durante o teste. No entanto, é importante mencionar que durante o teste, os usuários não foram informados sobre os testes dessas ferramentas de vigilância de IA. Atualmente, a TfL está considerando o design e o escopo de uma segunda fase do teste.
A tecnologia utilizada no teste inclui sistemas de visão computacional que podem detectar objetos e pessoas em imagens e vídeos. Durante o teste em Londres, foram utilizados algoritmos treinados para detectar certos comportamentos ou movimentos, combinados com imagens das câmeras de CCTV da estação de metrô. Quando o sistema detectava um dos 11 comportamentos ou eventos identificados como problemáticos, emitia um alerta para a equipe da estação.
Comportamentos Problemáticos e Desafios Futuros
Os comportamentos problemáticos identificados incluem movimento de multidões, acesso não autorizado, situações de proteção, assistência à mobilidade, crimes e comportamento antissocial, pessoas nos trilhos, pessoas feridas ou doentes, perigos como lixo ou pisos molhados, objetos abandonados, clientes presos e evasão de tarifas.
Apesar dos resultados promissores do teste, a TfL enfrentou críticas e desafios. O relatório da TfL menciona que tentou incluir atos de agressão na lista de comportamentos problemáticos, mas não conseguiu detectá-los com sucesso. Daniel Leufer, analista de políticas na Access Now, questiona a capacidade dos sistemas de aprendizado de máquina de detectar a agressão de maneira confiável sem replicar os vieses existentes na sociedade. Durante o teste, foram registrados um total de 66 alertas de comportamento agressivo, incluindo dados de teste.
Em conclusão, a TfL está explorando novas maneiras de usar a tecnologia para melhorar a segurança e eficiência de suas estações de metrô. Embora o teste tenha sido bem-sucedido em muitos aspectos, também levantou questões importantes sobre privacidade, viés e a eficácia dos algoritmos de IA na detecção de comportamentos problemáticos.
Sandra é especialista em marketing digital e experta em redes sociais. Ela completou uma pós-graduação em Comunicação e RP para marcas de moda no Idep Barcelona, além de outra em Marketing e reputação online: comunidades virtuais. Sandra está a par das últimas tendências e melhores práticas em redes sociais, e isso se reflete em seu trabalho diário, gerando um impacto positivo no mundo digital.
