Por Canuto  

Un informe de la ACLU alerta que la policía puede usar datos de lectores de matrículas y algoritmos para marcar recorridos como sospechosos, incluso sin pruebas de un delito. La organización teme que estas alertas impulsen más detenciones pretextuales y expongan a personas inocentes a encuentros policiales.
***

  • La ACLU advierte que algoritmos pueden señalar patrones de desplazamiento sin evidencia de actividad ilícita.
  • Una mujer relató que la detuvieron durante un viaje por carretera después de que un sistema marcara sus movimientos como sospechosos.
  • Investigadores identificaron una red de más de 335.000 cámaras lectoras de matrículas de Flock en Estados Unidos.

 

La expansión de los lectores automáticos de matrículas y el análisis con inteligencia artificial puede convertir los recorridos cotidianos en alertas policiales, aunque no exista evidencia de un delito. La ACLU advierte que ese mecanismo podría multiplicar las detenciones pretextuales y someter a más personas inocentes a encuentros con agentes.

De las matrículas a los patrones de viaje

Los lectores automáticos de matrículas, conocidos como ALPR por sus siglas en inglés, fotografían vehículos que pasan frente a cámaras ubicadas en carreteras y autopistas. Además de captar la placa, registran la ubicación y la hora del avistamiento, datos que las autoridades pueden combinar para reconstruir recorridos y reconocer visitas repetidas a determinados lugares, detallan informes.

La tecnología no es nueva: durante años, la policía ha usado estos registros para rastrear a sospechosos conocidos o localizar vehículos vinculados previamente con un delito, como un automóvil robado. La preocupación descrita por la ACLU surge cuando las redes de cámaras capturan movimientos de una población mucho más amplia y los sistemas analizan esos datos para encontrar patrones que consideran inusuales.

Según Jay Stanley, analista sénior de políticas del Proyecto de Discurso, Privacidad y Tecnología de la ACLU, las autoridades están recurriendo a algoritmos y datos de ALPR para señalar conductores cuyo historial de desplazamientos parece «sospechoso», incluso cuando no hay evidencia de actividad ilícita. La alerta, por tanto, puede derivarse de la interpretación automatizada de una secuencia de ubicaciones, no necesariamente de una denuncia o de un delito ya identificado.

Un sistema de IA puede procesar rápidamente grandes volúmenes de registros y detectar combinaciones de trayectos que sus modelos clasifican como anómalas. Sin embargo, que un algoritmo encuentre un patrón no demuestra por sí mismo que el conductor haya cometido una infracción; el resultado funciona como una señal para las autoridades, y su significado depende de cómo se interprete y de qué información adicional se tenga.

Alertas que podrían preceder a una detención

El informe citado por Tom’s Hardware describe el caso de una mujer que afirmó haber sido detenida durante un viaje por carretera a través del país. Según su relato, el agente consultó un sistema de vigilancia que había marcado como sospechosos sus movimientos, después de acceder a registros de lectores de matrículas sobre los lugares por donde había conducido.

La publicación no presenta ese episodio como prueba de que toda detención basada en datos de ALPR responda a una alerta algorítmica, pero sí lo incluye como ejemplo de la preocupación expuesta por el grupo de derechos civiles. El punto central es que el historial de ubicaciones puede transformarse en motivo de atención policial aun cuando, en el caso descrito, no se mencione evidencia independiente de una conducta delictiva.

Stanley expresó temor de que los agentes reciban una alerta y luego busquen una infracción de tránsito menor para justificar una detención. También señaló que, en algunos casos documentados, los oficiales han ocultado el motivo real del encuentro, una práctica que puede dificultar que las personas sepan por qué quedaron bajo escrutinio policial.

El analista advirtió que esta forma de vigilancia podría aumentar las controvertidas detenciones pretextuales y afirmó que los algoritmos terminarán arrastrando a «muchos más inocentes que delincuentes reales». Esa frase expresa la preocupación de Stanley y no una medición presentada en el material; la nota no aporta una cifra que cuantifique cuántas detenciones o alertas serían erróneas.

Una red extensa y dudas sobre los controles

La inquietud también está relacionada con la dimensión de las redes de cámaras. Investigadores de seguridad dieron a conocer una infraestructura de más de 335.000 lectores de matrículas de Flock en Estados Unidos, una escala que permite reunir registros de numerosos puntos y observar recorridos con una amplitud distinta a la de una cámara aislada.

La fuente señala que varios agentes han sido despedidos por abusar del sistema de vigilancia Flock, aunque no detalla cuántos casos hubo ni describe las circunstancias de cada despido. Esos antecedentes alimentan el debate sobre quién puede consultar los datos, qué usos se permiten y qué mecanismos existen para detectar o sancionar accesos indebidos.

Empresas como Flock Safety desarrollan herramientas de vigilancia mejoradas con IA capaces de identificar desplazamientos considerados inusuales y asociaciones entre vehículos. La compañía comercializa esas funciones como instrumentos para prevenir delitos, mientras que la ACLU y Stanley ponen el foco en el riesgo de que la detección de patrones genere sospechas sobre personas sin una conexión demostrada con una actividad ilícita.

El informe aparece en medio de una preocupación más amplia por las redes de cámaras de vigilancia masiva, en particular por sus efectos sobre la privacidad, la posibilidad de abusos y la limitada regulación que describe la publicación. La cuestión no se limita a la precisión de un algoritmo: también comprende la acumulación de datos de movimientos y la forma en que una alerta puede influir en decisiones policiales posteriores.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados