على مدار عام كامل، كرر بيل سوايرينغن الاختبار نفسه آلاف المرات، بهدف الوصول إلى نمط بصري مُولّد بالكمبيوتر يمكنه إرباك كاميرات المراقبة المنتشرة في الشوارع الأميركية ومنعها من اكتشاف ما تصوره.

وبعد إجراء نحو 31 مليون اختبار، يقول سوايرينغن إنه بات قادرًا على إنتاج أنماط جديدة عند الطلب، يمكن طباعتها على الملابس والأجسام المختلفة، لتمنع بعض أكثر أنظمة قراءة لوحات السيارات وكاميرات المراقبة انتشارًا من التعرف على ما يغطيه النمط، سواء كان شخصًا أو مركبة.

ويطلق سوايرينغن على مشروعه اسم "noRecognition"، ويهدف من خلاله إلى إتاحة وسيلة للأشخاص للتهرب من أنظمة الكشف الآلي والمراقبة الخوارزمية المستخدمة على نطاق واسع في الولايات المتحدة وخارجها، بحسب تقرير نشره موقع "تك كرانش" واطلعت عليه "العربية Business".

وخلال السنوات الأخيرة، حصلت كاميرات المراقبة على قدرات متقدمة لتحليل ما تسجله، بدءًا من تتبع لوحات السيارات التي تتجاوز السرعة، وصولًا إلى استخدام تقنيات التعرف على الوجوه لتحديد هوية مشتبه بهم، وإن كانت هذه الأنظمة لا تزال تحقق نتائج متفاوتة، وأحيانًا تثير مخاوف بالغة.

وتستطيع خوارزميات الكشف التي تشغّل العديد من كاميرات المراقبة الحديثة تحليل كميات هائلة من التسجيلات، ما يسمح لجهات إنفاذ القانون بالعثور بسرعة على نشاط محدد، كما لو أنها تبحث عن إبرة داخل كومة قش.

لكن أنماط سوايرينغن المُولّدة بالكمبيوتر لا تمنع الكاميرات من تسجيل الفيديو. وبدلًا من ذلك، تعمل على إرباك قدرة الخوارزميات على تحديد الأشخاص أو الأجسام أو الوجوه، بحيث لا تطلق الكاميرا تنبيهات الكشف المعتادة.

وبمجرد تعطيل قدرة الكاميرا على اكتشاف الشيء الذي يغطيه النمط، يعود الشخص مجددًا إلى كونه «إبرة في كومة قش»، إلى أن يعرف أحدهم تحديدًا أين يبحث.

وقال سوايرينغن إن الخصوصية حق أساسي، واصفًا أنماطه بأنها وسيلة تتيح للأشخاص الانسحاب من التتبع.

وفي أول اختبار علني للمشروع، أُجري الجمعة خلال مؤتمر Def Con للأمن السيبراني في لاس فيغاس، نجح سوايرينغن في عرض النمط بعد طباعته على مركبة، في تجربة قال إنها تثبت قدرة هذه الأنماط على تعطيل أنظمة الكشف والمراقبة في العالم الحقيقي.

تعليم نموذج ذكاء اصطناعي «كيف يرسم»

من منزله في مدينة كانساس سيتي، حيث شارك في تأسيس مجتمع الأمن السيبراني SecKC، قال سوايرينغن إنه يدرك بحكم عمله في مجال الأمن السيبراني المخاطر المتعلقة بالخصوصية والأمان التي تفرضها أنظمة المراقبة.

وأوضح أن مدينته تعج بكاميرات المراقبة، وفي بعض المواقع توجد كاميرات على بعد أمتار قليلة فقط من بعضها البعض.

وقال إنه وغيره من السكان لم يختاروا الاشتراك في هذه المراقبة، تمامًا كما لم يوافقوا على استخدام الحكومة رخص القيادة الخاصة بهم في أنظمة التعرف على الوجوه.

ووصف سوايرينغن نفسه بأنه رجل أبيض في منتصف العمر يعيش في وسط الولايات المتحدة، وأقر بأنه لم يواجه، نتيجة مظهره أو هويته، أشكالًا كبيرة من التمييز أو الصعوبات التي قد يتعرض لها آخرون.

لكنه روى أنه أراد العام الماضي المشاركة في احتجاج، إلا أنه شعر بالقلق وعدم الارتياح بسبب العدد الهائل من كاميرات المراقبة، وخشي أن يتمكن النظام من تتبع الأشخاص الذين يمارسون حقهم الدستوري في التعبير بحرية.

وقال إنه إذا كان يشعر بهذه المخاوف، فمن المؤكد أن آخرين يشعرون بها أيضًا، بما في ذلك أشخاص يرغبون في ممارسة حقوقهم، لكنهم قد لا يشعرون بالأمان أو الراحة الكافية للقيام بذلك.

ومن هنا بدأ العمل على المشروع.

حرب قديمة ضد كاميرات المراقبة

لطالما ظهرت محاولات لمواجهة تقنيات الكشف البصري منذ أن أصبحت الكاميرات قادرة على تحديد الأشياء والأشخاص تلقائيًا.

فقد طورت مشاريع فنية وعلامات تجارية للملابس قطعًا تهدف إلى مساعدة الأشخاص على تفادي تقنيات التعرف على الوجوه، كما بدأت بعض شركات النظارات في تبني الفكرة نفسها، وإن كانت فعاليتها حتى الآن محدودة.

وقال سوايرينغن إن أبحاثه تستند إلى بعض هذه الأعمال السابقة التي أثبتت إمكانية إرباك أنظمة الكشف بالكاميرات.

وبدأ العام الماضي بتجربة لإثبات المفهوم داخل مختبر، ركز خلالها على التغلب تدريجيًا على خوارزميات متعددة مفتوحة المصدر للكشف عبر الفيديو.

وعلى مدار عام، واصل تحسين الأنماط وتوسيع نطاق الاختبارات، مستفيدًا من قدرات حوسبية إضافية. كما أشاد بأفراد من مجتمع الأمن السيبراني الذين ساهموا بأجهزة ومعدات لمساعدته على تطوير المشروع.

ومع مرور الوقت، تطور نموذج إثبات المفهوم إلى نظام للتعلم بالتعزيز (Reinforcement Learning)، وهو نظام قادر على تدريب نفسه لمعرفة الأنماط التي تنجح أو تفشل أمام خوارزميات الكاميرات المحددة التي يخضعها للاختبار.

وبعبارات بسيطة، قال سوايرينغن إنه علّم النموذج «كيف يرسم».

في كل مرة يفشل فيها أحد الأنماط ويتمكن النظام من اكتشافه، يعيد النموذج المحاولة مرة أخرى، ثم مرة أخرى، إلى أن يصل في النهاية إلى نمط قادر على التغلب على عدة خوارزميات في الوقت نفسه.

11 خوارزمية لم تتمكن من اكتشاف الأنماط

سرعان ما بدأ النموذج في العثور على تركيبات مثالية من الأنماط تمكنت من التغلب على جميع الخوارزميات ال11 مفتوحة المصدر التي اختبرها، بما في ذلك البرمجيات المستخدمة في تشغيل أجهزة قراءة لوحات السيارات التابعة لFlock، وكاميرات Axon المثبتة على أجساد أفراد الشرطة، والكاميرات التي تعمل ببرمجيات Clearview AI.

صورة لنماذج النقوش التي تضلل كاميرات المراقبة (المصدر: مبتكر المشروع بيل سوايرينغن)

صورة لنماذج النقوش التي تضلل كاميرات المراقبة (المصدر: مبتكر المشروع بيل سوايرينغن)

وقال سوايرينغن إن النموذج أصبح قادرًا الآن على إنشاء أنماط جديدة كل دقيقة، مع كون كل مجموعة جديدة محسّنة رياضيًا مقارنة بسابقتها.

وفي الجمعة الماضية، خلال مؤتمر Def Con للأمن السيبراني في لاس فيغاس، أجرى سوايرينغن أول اختبار للمشروع في العالم الحقيقي.

وبمساعدة شركة Donut Media، غُطيت سيارة Toyota Yaris موديل 2009 بأحد أحدث الأنماط التي طورها، بهدف اختبار ما إذا كانت كاميرا تابعة لـ Flock ستتمكن من اكتشاف السيارة أم لا.

وقال سوايرينغن: «أثبتنا أنه فعال»، لكنه أشار إلى أن العجلات شكلت تحديًا خلال التجربة.

ومن المتوقع أن تنشر "Donut Media" مقطع فيديو يوثق التجربة خلال الأسابيع المقبلة.

من المختبر إلى الشوارع

ويرى سوايرينغن أن العرض العلني في لاس فيغاس يمثل دليلًا أوليًا على إمكانية تفادي الكشف الخوارزمي في الأماكن العامة.

أما الخطوة التالية، بحسب قوله، فهي إيصال هذه الأنماط إلى الأشخاص الذين يرغبون في استخدامها.

ويعمل مشروع "noRecognition" أيضًا على حملة تمويل جماعي للمساعدة في إطلاق منتجات أولية تحمل هذه الأنماط، بدءًا من القمصان والسترات ذات القلنسوة، مع إمكانية تطوير ملصقات مطبوعة بالأنماط نفسها لتغطية المركبات مستقبلًا.

وأوضح سوايرينغن أن الهدف هو إنتاج أنماط عالية الجودة وبدقة تسمح لها بالعمل من مسافة بعيدة، مع الحفاظ في الوقت نفسه على مظهر عصري وجذاب.

لكنه قال إنه يحتفظ بأقوى الأنماط التي توصل إليها بعيدًا عن الإنترنت، خشية أن تتمكن الشركات المصنعة لكاميرات المراقبة من تحليلها وتطوير أنظمتها للتغلب عليها.

ومع ذلك، لا يزال العمل مستمرًا، إذ تواصل النماذج التي طورها إنتاج أنماط جديدة.

وقال سوايرينغن: «كل فشل يحسن النموذج الخاص بي، ولذلك تستمر الأنماط في التطور والتحسن أكثر فأكثر».إذا أردت، أستطيع أيضًا تقديم نسخة أكثر اختصارًا و«ترند» بأسلوب العربية.نت، مع مقدمة قوية جدًا وعناوين فرعية أكثر تشويقًا.