InquiryIQ چیست؟ ابزار جدید Clearview AI برای ردیابی ردپای دیجیتال افراد

شرکت Clearview AI در حال آزمایش ابزاری مبتنی بر هوش مصنوعی است که می‌تواند جست‌وجوی پلیس درباره یک فرد را فراتر از تشخیص چهره ببرد و اطلاعاتی مانند حساب‌های شبکه‌های اجتماعی، نام‌های مستعار، محل کار، آدرس و افراد مرتبط با او را از وب جمع‌آوری کند. این ابزار که InquiryIQ نام دارد، هنوز در مرحله آزمایشی است، اما نگرانی‌ها درباره تبدیل هوش مصنوعی به ابزاری برای پروفایل‌سازی گسترده و نظارت بر ردپای دیجیتال افراد را افزایش داده است.

از یک چهره تا تمام ردپای دیجیتال؛ هوش مصنوعی Clearview AI چه می‌کند؟

تصور کنید مأمور پلیس تصویری از فردی در اختیار دارد، اما اطلاعات چندانی درباره هویت او ندارد. در حالت معمول، تشخیص چهره می‌تواند نقطه شروع تحقیقات باشد؛ تصویر با مجموعه‌ای از تصاویر موجود در یک پایگاه داده مقایسه می‌شود و نتایج احتمالی در اختیار مأمور قرار می‌گیرد.

از اینجا به بعد، بخش مهمی از کار بر عهده مأمور تحقیق است؛ او باید نتایج را بررسی کند، صفحات اینترنتی مرتبط را بخواند، حساب‌های کاربری احتمالی را پیدا کند و ارتباط میان اطلاعات مختلف را تشخیص دهد.

Clearview AI در حال آزمایش ابزاری است که می‌تواند بخش قابل توجهی از همین فرآیند را خودکار کند.

بر اساس گزارشی که WIRED منتشر کرده، این شرکت نمونه اولیه‌ای به نام InquiryIQ ساخته است؛ ابزاری که می‌تواند پس از جست‌وجوی تشخیص چهره، به سراغ وب و تصاویر موجود در اینترنت برود، صفحات را بررسی کند و اطلاعات مختلف درباره یک فرد و افراد مرتبط با او را کنار هم قرار دهد.

Clearview می‌گوید InquiryIQ هنوز یک نمونه اولیه است و در اختیار کاربران پلیس قرار نگرفته است. با این حال، آنچه WIRED از رابط کاربری و کدهای این ابزار بررسی کرده، نشان می‌دهد این شرکت در حال آزمایش مسیری فراتر از تشخیص چهره است: استفاده از هوش مصنوعی برای ساختن تصویری جامع‌تر از هویت دیجیتال یک فرد.

InquiryIQ چگونه ردپای دیجیتال افراد را پیدا می‌کند؟

هسته اصلی InquiryIQ بر جست‌وجوی خودکار در وب استوار است. طبق اطلاعات بررسی‌شده توسط WIRED، این ابزار می‌تواند جست‌وجوی متنی و تصویری انجام دهد، صفحات وب را بخواند و حتی تصاویر پیداشده در جریان جست‌وجو را دوباره با فناوری تشخیص چهره Clearview بررسی کند.

خروجی این فرآیند فقط یک نتیجه جست‌وجو نیست. سیستم می‌تواند فهرستی از افراد احتمالی و ارتباط میان آن‌ها ایجاد کند؛ Clearview این ساختار را Candidate Graph نامیده است.

در این فرآیند، اطلاعاتی مانند نام‌های مستعار، حساب‌های شبکه‌های اجتماعی، محل کار، آدرس، شماره تلفن، سوابق بازداشت و افراد مرتبط با فرد مورد بررسی می‌تواند در پروفایل ایجادشده قرار بگیرد.

این تغییر از نظر امنیت سایبری مهم است، زیرا هوش مصنوعی دیگر تنها ابزاری برای پاسخ‌دادن به یک پرسش نیست؛ بلکه می‌تواند به‌صورت زنجیره‌ای سرنخ‌های جدید پیدا کند و جست‌وجوی بعدی را بر اساس یافته قبلی انجام دهد.

چرا خودکار شدن OSINT اهمیت دارد؟

بخش قابل توجهی از اطلاعات مورد استفاده در تحقیقات سایبری از منابع عمومی به‌دست می‌آید؛ فرآیندی که معمولاً با عنوان OSINT یا اطلاعات متن‌باز شناخته می‌شود. پیش از ظهور ابزارهای هوش مصنوعی، تحلیلگر باید اطلاعات را از منابع مختلف جمع‌آوری و سپس ارتباط میان آن‌ها را پیدا می‌کرد. مشکل اینجا بود که این کار زمان‌بر بود و نیاز به نیروی انسانی داشت.

InquiryIQ در صورت تبدیل‌شدن به یک محصول عملیاتی می‌تواند این معادله را تغییر دهد. ابزارهایی از این جنس می‌توانند کاری را که پیش‌تر روزها یا هفته‌ها زمان می‌برد، در مدت بسیار کوتاه‌تری انجام دهند. در نتیجه، نه‌تنها سرعت تحقیقات افزایش پیدا می‌کند، بلکه هزینه انجام تحقیقات گسترده درباره افراد نیز کاهش می‌یابد.

همین کاهش هزینه یکی از نگرانی‌های اصلی کارشناسان است؛ زیرا محدودیت زمانی و نیروی انسانی در گذشته خود نوعی مانع برای بررسی گسترده افراد محسوب می‌شد. وقتی هوش مصنوعی بتواند این محدودیت را از میان بردارد، انجام جست‌وجوهای گسترده درباره افراد بیشتری از نظر عملی امکان‌پذیر می‌شود.

احتمال خطای هوش مصنوعی مطرح است

یکی از مهم‌ترین چالش‌های چنین سامانه‌ای این است که تمام اطلاعات موجود در اینترنت صحیح نیستند. یک حساب کاربری ممکن است متعلق به فرد دیگری باشد، تصویری ممکن است به اشتباه به یک نفر نسبت داده شود یا الگوریتم در میان چند فرد با مشخصات مشابه، ارتباط نادرستی ایجاد کند.

در مورد InquiryIQ نیز Clearview تأکید کرده است که نتایج باید توسط مأمور بررسی و تأیید شوند. اما همین مسئله پرسش مهمی ایجاد می‌کند: اگر هوش مصنوعی مجموعه‌ای از اطلاعات به‌ظاهر مرتبط را کنار هم قرار دهد، تشخیص اینکه کدام بخش واقعاً معتبر است و کدام بخش حاصل یک ارتباط اشتباه است، بر عهده چه کسی خواهد بود؟

این نگرانی تنها در تئوری مطرح نیست. در ژوئن ۲۰۲۶، ACLU از طرف مردی در فلوریدا که به گفته این سازمان، در پی استناد به نتیجه نادرست فناوری تشخیص چهره به اشتباه بازداشت شده بود، شکایتی را مطرح کرد. این پرونده نشان می‌دهد خطای سامانه‌های تشخیص چهره می‌تواند از یک «نتیجه اشتباه» فراتر برود و پیامدهای واقعی برای افراد داشته باشد.

در InquiryIQ این ریسک می‌تواند پیچیده‌تر شود؛ زیرا سیستم تنها یک تطبیق چهره ارائه نمی‌دهد و ممکن است چندین سرنخ را به یکدیگر متصل کند. بنابراین، اگر یکی از حلقه‌های ابتدایی این زنجیره اشتباه باشد، احتمال دارد خطا در مراحل بعدی نیز ادامه پیدا کند.

Clearview AI زیر ذره‌بین حریم خصوصی

نگرانی درباره InquiryIQ را نمی‌توان جدا از سابقه Clearview AI بررسی کرد. این شرکت از سال‌ها قبل به دلیل جمع‌آوری تصاویر عمومی از اینترنت و استفاده از آن‌ها برای توسعه فناوری تشخیص چهره با انتقادهای گسترده روبه‌رو بوده است. ACLU در سال ۲۰۲۰ از Clearview شکایت کرد و مدعی شد فعالیت این شرکت حقوق حریم خصوصی شهروندان ایالت ایلینوی در آمریکا را نقض کرده است.

در سال ۲۰۲۲ نیز توافقی در پرونده ACLU علیه Clearview شکل گرفت که محدودیت‌های گسترده‌ای برای عرضه پایگاه داده تشخیص چهره این شرکت به بسیاری از کسب‌وکارها و نهادهای خصوصی در آمریکا ایجاد کرد.

حتی در خارج از آمریکا نیز استفاده از Clearview با چالش‌های قانونی روبه‌رو شده است. برای نمونه، نهاد ناظر حفاظت از داده‌های سوئد اعلام کرد پلیس این کشور در استفاده از Clearview AI داده‌های بیومتریک را به‌صورت غیرقانونی پردازش کرده و ارزیابی تأثیر حفاظت از داده‌ها را نیز انجام نداده است.

از سوی دیگر، در ژوئیه ۲۰۲۶ یک دادگاه تجدیدنظر فدرال آمریکا توافق مربوط به یک دعوای جمعی علیه Clearview را لغو کرد و پرونده را برای بررسی بیشتر به جریان انداخت؛ موضوعی که نشان می‌دهد چالش‌های حقوقی این شرکت همچنان ادامه دارد.

استفاده از هوش مصنوعی برای اهداف نظارتی پلیس

آنچه درباره InquiryIQ منتشر شده، بخشی از روند بزرگ‌تری است که در آن شرکت‌های فناوری تلاش می‌کنند هوش مصنوعی را به ابزارهای نظارتی و تحقیقاتی پلیس اضافه کنند.

WIRED در گزارشی جداگانه درباره شرکت Flock Safety نشان داد که این شرکت ابزارهای جست‌وجوی مبتنی بر هوش مصنوعی را برای نیروهای پلیس توسعه داده است. این ابزارها امکان جست‌وجوی ویدئوهای نظارتی با استفاده از توضیحات متنی را فراهم می‌کنند؛ یعنی مأمور می‌تواند به‌جای جست‌وجوی تنها مبتنی بر پلاک خودرو، ویژگی‌های یک خودرو یا فرد را به زبان طبیعی وارد کند.

گزارش‌های دیگر نیز نشان می‌دهند شبکه دوربین‌ها و سامانه‌های تشخیص پلاک Flock در آمریکا با انتقادهای جدی درباره حریم خصوصی، مدت نگهداری داده‌ها و امکان سوءاستفاده مواجه شده‌اند. Flock در واکنش به این فشارها اعلام کرده است که قصد دارد کنترل‌های بیشتری مانند ثبت شماره پرونده برای جست‌وجوها و کاهش مدت نگهداری داده‌ها اعمال کند.

تفاوت InquiryIQ با چنین سامانه‌هایی در این است که Flock معمولاً روی داده‌های مکانی و تصویری حاصل از شبکه دوربین‌ها تمرکز دارد، در حالی که Clearview تلاش می‌کند از یک تصویر چهره به ردپای آنلاین و شبکه ارتباطی احتمالی فرد برسد.

در هر دو حالت، یک روند مشترک دیده می‌شود: هوش مصنوعی در حال تبدیل‌شدن از ابزاری برای تحلیل داده به لایه‌ای برای جست‌وجو، ایجاد ارتباط و تصمیم‌سازی در سامانه‌های نظارتی است.

وقتی هوش مصنوعی «هزینه نظارت» را کاهش می‌دهد

شاید مهم‌ترین مسئله درباره InquiryIQ خود فناوری تشخیص چهره نباشد. مسئله مهم‌تر، ترکیب چند فناوری در یک فرآیند خودکار است. تشخیص چهره به‌تنهایی می‌تواند یک سرنخ تولید کند. جست‌وجوی وب نیز می‌تواند اطلاعات عمومی را پیدا کند. تحلیل تصاویر هم می‌تواند افراد را در عکس‌های دیگر شناسایی کند. با این حال، وقتی این قابلیت‌ها در کنار یک مدل هوش مصنوعی قرار می‌گیرند، سیستم می‌تواند میان این اطلاعات ارتباط برقرار کند و مسیر تحقیق را خودش ادامه دهد.

در چنین شرایطی، نگرانی اصلی این نیست که پلیس آیا می‌تواند اطلاعاتی درباره یک فرد پیدا کند؛ بلکه این است که چقدر سریع، با چه هزینه‌ای و در چه مقیاسی می‌تواند این کار را انجام دهد.

WIRED نیز روی همین موضوع تأکید دارد: کاهش زمان و هزینه تحقیقات می‌تواند انجام بررسی‌هایی را که پیش‌تر به دلیل محدودیت منابع عملی نبودند، آسان‌تر کند.

از پرونده پلیسی تا یک «پرونده دیجیتال» کامل

Clearview AI می‌گوید هدف چنین فناوری‌هایی کمک به تحقیقات و تولید سرنخ است و همچنان نظارت انسانی ضروری خواهد بود. وب‌سایت این شرکت نیز فناوری تشخیص چهره خود را ابزاری برای کمک به شناسایی مظنونان، قربانیان و شاهدان معرفی می‌کند.

اما ورود مدل‌های هوش مصنوعی مولد و عامل‌محور به این فرآیند، ماهیت مسئله را تغییر می‌دهد. در مدل سنتی، مأمور اطلاعات را پیدا می‌کرد و خودش تصمیم می‌گرفت کدام سرنخ را دنبال کند. در مدل جدید، AI می‌تواند بخشی از این مسیر را انجام دهد؛ از جست‌وجوی اولیه گرفته تا پیدا کردن سرنخ بعدی و ساختن ارتباط میان افراد و اطلاعات.

به همین دلیل، چالش آینده فقط دقت تشخیص چهره نخواهد بود. قابلیت ممیزی مسیر تصمیم‌گیری AI، امکان اصلاح خطا، مشخص‌بودن منبع هر داده، محدودیت دامنه جست‌وجو و ثبت سوابق فعالیت سیستم به همان اندازه اهمیت پیدا می‌کند.

در غیر این صورت، ممکن است یک سیستم هوش مصنوعی مجموعه‌ای از داده‌های عمومی اما پراکنده را به تصویری منسجم از زندگی یک فرد تبدیل کند؛ تصویری که ممکن است بخشی از آن درست، بخشی ناقص و بخشی نیز کاملاً اشتباه باشد. این همان نقطه‌ای است که مرز میان تحقیقات دیجیتال، OSINT و نظارت گسترده بر افراد باریک‌تر از گذشته می‌شود.