الملخص:
الولايات المتحدة. تستخدم الشرطة أداة ذكاء اصطناعي تسمى Raven لمحاولة تحديد الممتلكات المحددة التي تم التقاط الصورة من مجرد صورة للمنزل من الداخل. حتى لو لم تتضمن الصورة منظرًا من النافذة أو لافتات الشوارع أو معلومات الموقع عبر نظام تحديد المواقع العالمي (GPS)، فقد تكون الغسالة وتجهيزات الحمام والديكور الداخلي في الصورة أدلة لتحديد هوية المنزل. ويمكن لهذه التكنولوجيا أن تتطابق مع الصور الداخلية العادية مع معلومات عن العقارات ومنصات التأجير قصيرة الأجل، مما يوفر خيوط تحقيق محتملة لمسؤولي إنفاذ القانون بينما يثير أيضًا المخاوف بشأن الخصوصية الشخصية والمراقبة الجماعية.
وفقًا لتقرير موقع TechSpot بتاريخ 12 أكتوبر 2026، فإن هذه الأداة التي تسمى Raven تم تطويرها من قبل شركة Graylark Technologies الأمريكية. تم استخدام النظام، المعروف سابقًا باسم GeoSpy، في البداية لاستنتاج مواقع التصوير بناءً على الأنماط المعمارية والتضاريس والميزات الجغرافية الأخرى في الصور. ومع إضافة ميزات جديدة، تبدأ في محاولة توسيع نطاق تحديد الهوية ليشمل المناطق الداخلية من المباني، مما يساعد المحققين على تحديد خصائص محددة من الصور الداخلية.
وفقًا لتقارير إعلامية سابقة، قامت إدارة شرطة لوس أنجلوس ومكتب عمدة مقاطعة ميامي ديد بشراء حقوق استخدام Raven. ومع ذلك، لا يزال هناك نقص في البيانات العامة الكافية حول ما إذا كانت وكالات إنفاذ القانون تستخدم هذه الأداة على نطاق واسع في القضايا الفعلية وإلى أي مدى يمكنها تحسين كفاءة التحقيقات.
ما جذب الانتباه هذه المرة هو مقطع الفيديو التوضيحي الذي عرضه مؤخرًا دانييل هاينن، الرئيس التنفيذي لشركة Graylark. في الفيديو، يسحب المشغل صورة داخلية من منصة التواصل الاجتماعي X والتي تظهر فقط غسالة ومجفف. يقوم المشغلون بتحميل الصور إلى Raven، واختيار وظائف تحديد موقع الممتلكات الداخلية والخارجية، وتحديد المنطقة التي سيتم البحث فيها.
بعد بضع ثوانٍ، يقوم النظام بتضييق نطاق الخريطة إلى منطقة في شارلوت بولاية نورث كارولينا بالولايات المتحدة الأمريكية، ويسرد الخصائص المطابقة المحتملة. أظهرت النتيجة العليا وصفًا للإيجار قصير المدى مع نص مثل "تم تجديده! على بعد مسافة قصيرة سيرًا على الأقدام من وسط المدينة". قامت وسائل الإعلام لاحقًا بالتحقق من هذا النص ووجدت أن هذا النص يتوافق مع قائمة محددة على منصة Airbnb، كما أن الصور الداخلية المعروضة في القائمة تتوافق أيضًا مع نفس خاصية الصور التي سيتم تحديد موقعها.
في عرض توضيحي آخر، قام أحد المشغلين بتحميل صورة للحمام من وسائل التواصل الاجتماعي. ثم وجه Raven نطاق البحث إلى منطقة Montecito، California وقدم قائمة باسم "Montecito Beach Sand House" نتيجة لذلك. تحققت وسائل الإعلام ذات الصلة من أن النص الذي أعاده النظام يتوافق مباشرة مع مقدمة القائمة على منصة التأجير قصير المدى Vrbo.
وهذا يعني أن الطريقة التي يعمل بها Raven لا تتمثل في مجرد البحث عما إذا كانت هناك نفس الصور تمامًا على الإنترنت، ولكن محاولة التعرف على الميزات الفريدة في الصور، ثم العثور على صور أخرى محتملة ومعلومات عن الممتلكات من مواقع العقارات وقوائم منصات التأجير قصيرة الأجل.
على سبيل المثال، قد تتضمن الصورة الداخلية نموذجًا محددًا للغسالة، أو تصميمًا فريدًا للحمام، أو أغطية الجدران، أو أنماط الخزانات، أو تفاصيل زخرفية أخرى. بشكل فردي، قد لا تكون هذه العناصر محددة جغرافيًا، ولكن إذا تمت مقارنتها بعدد كبير من صور القائمة، فقد يكون من الممكن تضييق نطاق البحث إلى العقارات التي تلبي معاييرك على أفضل وجه.
تختلف هذه التقنية بشكل كبير عن البحث العكسي التقليدي عن الصور. يُستخدم البحث العكسي عن الصور بشكل أساسي للعثور على نفس الصور أو صور مشابهة ظهرت بالفعل على الإنترنت، بينما يحاول Raven إنشاء ارتباطات من خلال خصائص المشهد بين الصور المختلفة. حتى إذا كانت الصورة المراد تحديد موقعها غير مطابقة للصورة الموجودة في صفحة القائمة، فقد يستمر النظام في تحديد نفس العقار بناءً على البيئة الداخلية المشتركة.
وهذا أيضًا سبب مهم وراء إثارة هذه التكنولوجيا لمخاوف تتعلق بالخصوصية. في الماضي، كان من الممكن أن يظن المرء أنه سيكون من الصعب استنتاج عنوان محدد من صورة عادية داخلية، طالما أن الصورة لم تأتي مع إحداثيات نظام تحديد المواقع العالمي (GPS) أو الشوارع أو المعالم. ولكن بما أن الذكاء الاصطناعي قادر على معالجة ميزات بصرية أكثر تعقيدًا ودمجها مع بيانات الإسكان العام واسعة النطاق، فقد لا يعد هذا الحكم موثوقًا به.
قال Graylark إن الشركة تعمل على تعزيز قدرات تحديد المواقع لـ Raven في المشاهد الداخلية. قالت مقدمة Haining على وسائل التواصل الاجتماعي إن هذه الوظيفة يمكنها تحديد الموقع الجغرافي للصور الداخلية لملايين العقارات المستأجرة قصيرة الأجل حول العالم. ويعتقد أنه بالنسبة لضباط إنفاذ القانون الذين يحققون في قضايا الاتجار بالبشر واستغلالهم، فإن القدرة على ربط صورة داخلية مجهولة بموقع محدد يمكن أن توفر خيوط تحقيق تستحق المزيد من التحقق.
على سبيل المثال، قد يكون لدى المحققين صورة داخلية من وسائل التواصل الاجتماعي، أو سجلات الدردشة، أو مصادر أخرى، ولكنهم لا يعرفون الفندق أو الشقة أو الإيجار الذي تم التقاط الصورة منه. إذا كان النظام قادرًا على العثور على تطابق محتمل، فيمكن للشرطة التحقق من المعلومات لتحديد ما إذا كان هناك موقع ذو صلة بالقضية.
ومع ذلك، ينبغي النظر إلى النتائج التي توفرها هذه التقنيات على أنها أدلة تحقيقية وليست أدلة مستقلة للحقيقة. قد يظهر الأثاث والتشطيبات والتركيبات الموجودة في الصور في قوائم متعددة، أو ربما تم تجديد المنزل أو تغيير الميزات منذ وقت التقاط الصورة. ولذلك، فإن نتائج المطابقة التي قدمها النظام لا تزال بحاجة إلى تأكيدها بأدلة أخرى.
يمكن إرجاع الأساس التقني لشركة Raven إلى التطوير الأولي لـ GeoSpy. قام النظام سابقًا بتحليل الأنماط المعمارية والتربة والغطاء النباتي والميزات الجغرافية الأخرى لاستنتاج المكان الذي قد تم التقاط الصورة فيه. لتحقيق هذا الهدف، يستخدم Graylark عددًا كبيرًا من الصور من جميع أنحاء العالم لتدريب النموذج.
صرح Haining سابقًا في مقابلة مع Technology Media Indicator أن قدرات تحديد المواقع الداخلية لم تكن هدف التطوير الأصلي للفريق. أثناء اختبار إصدار جديد من GeoSpy، قام عن طريق الخطأ بتحميل صورة لصديقته وهي تلتقط صورة شخصية في الحمام، وأشار النظام إلى سان فرانسيسكو. وتفاجأ بهذا، وبدأ في إجراء الاختبارات من خلال تنزيل الصور الداخلية من المواقع العقارية، ووجد أن النظام قادر على تحديد المدينة الصحيحة في كثير من الحالات.
تكهن هاينينغ بأن النموذج قد تعرض لصور ذات علامات جغرافية تحتوي على مشاهد داخلية أثناء التدريب، وأنه حتى لو لم يتم استخدام هذه الصور في الأصل خصيصًا لتحديد المواقع الداخلية، فقد يكون النموذج قد تعلم ميزات مرئية مرتبطة بمواقع مختلفة.
تظهر هذه التجربة أن نماذج الذكاء الاصطناعي قد تطور قدرات تتجاوز التوقعات الأولية للمطورين أثناء عملية التدريب. ومع ذلك، فإن مجرد قدرة النموذج على استنتاج مدينة أو منطقة معينة لا يعني أنه يمكنه بالضرورة تحديد عنوان المنزل المحدد بدقة. إن تضييق نتائج البحث إلى مدينة، وتحديد مبنى، وتحديد منزل هي مشاكل متفاوتة الصعوبة.
وفقًا للعرض العام الحالي، يستطيع Raven بالفعل العثور على المنزل المحدد المطابق للصورة في بعض الحالات، لكنه لا يمكنه تحديد موقع أي منزل في العالم بناءً على أي صورة داخلية. لاحظت TechSpot أن قدرات الأداة لا تزال تبدو محدودة بعوامل مثل نطاق الخصائص التي يمكنها البحث فيها، وأن النتائج المحددة قد تختلف بناءً على المنطقة وعدد القوائم ومحتوى الصور.
في الواقع، يعتمد أداء هذا النظام أيضًا على ما إذا كانت البيانات الموجودة على منصة العقارات غنية بما يكفي. إذا كان العقار يحتوي على الكثير من الصور المنشورة على مواقع مثل Airbnb أو Vrbo أو Zillow، فقد يكون لدى النظام المزيد من البيانات لمطابقتها. على العكس من ذلك، إذا لم يكن لدى المنزل صور عامة أو كان الجزء الداخلي يفتقر إلى ميزات مميزة، فقد يكون تحديد موقعه أكثر صعوبة بشكل كبير.
من المهم الإشارة إلى أن قدرات Raven قد تتضمن التجميع الآلي واستخدام البيانات من المنصات العقارية، ولا تسمح هذه المنصات بالضرورة لأطراف ثالثة بالحصول على المعلومات بهذه الطريقة.
أخبرت Airbnb وسائل الإعلام أن حماية خصوصية مستخدمي المنصة أمر مهم للغاية. تشير الشركة إلى أن إدراج الصور غالبًا ما يستبعد البيانات الوصفية للموقع، ويمكن للمضيفين اختيار إظهار الموقع العام للمستخدمين فقط، مع عدم تقديم عناوين محددة عادةً حتى يتم تأكيد الحجز. وقالت Airbnb أيضًا إنها نشرت إجراءات فنية لمحاولة الحد من الزحف الآلي لمحتوى موقع الويب وتقوم بمراجعة الوضع.
أكدت Airbnb أيضًا على أن الشركة ليس لديها علاقة تعاون مع Graylark وأن شروط الخدمة الخاصة بها تحظر التقاط البيانات غير المصرح بها.
ذكرت منصة العقارات Zillow أيضًا أن حذف بيانات موقعها الإلكتروني ينتهك شروط استخدام المنصة، وقالت إنها ستتعامل مع المشكلات ذات الصلة من خلال الوسائل القانونية إذا لزم الأمر. لم تستجب منصة Vrbo للتأجير قصير المدى لطلبات متعددة للتعليق من وسائل الإعلام.
توضح هذه الردود أن تطوير وتطبيق أدوات تحديد المواقع باستخدام الذكاء الاصطناعي قد يتضمن مشكلات متعددة مثل قواعد استخدام بيانات النظام الأساسي وحماية خصوصية المستخدم والمسؤوليات القانونية ذات الصلة. حتى لو كانت بعض صور القوائم متاحة للعامة لمستخدمي الإنترنت العاديين، فإن هذا لا يعني أنه يمكن جمع البيانات تلقائيًا ودمجها واستخدامها لبناء أنظمة استهداف جديدة دون قيود.
وفي الوقت نفسه، تم أيضًا تعديل حقوق استخدام Raven.
ذكرت 404 Media سابقًا أنه عندما تم توفير GeoSpy لأول مرة للجمهور، سأل المستخدمون في مجتمع Discord الخاص بالشركة عن كيفية استخدام الأداة لتتبع النساء. وبعد أن تواصلت وسائل الإعلام مع Graylark لطرح الأسئلة، قامت الشركة بتقييد الوصول إلى الأداة على الوكالات الحكومية ومستخدمي الشركات.
يعكس التغيير الاستخدام المزدوج الواضح للتكنولوجيا التي يمكنها استنتاج الأماكن من الصور. ويمكن أن يساعد الشرطة في التحقيق في القضايا الخطيرة مثل الاتجار بالبشر والاستغلال. ويمكن استخدامه أيضًا لتتبع الأهداف الخاصة، واستنتاج عناوين الأشخاص الآخرين، وحتى مضايقة الأشخاص المطمئنين.
علاوة على ذلك، فإن تقييد الوصول إلى المستخدمين العاديين لا يؤدي تلقائيًا إلى إزالة جميع المخاطر. عندما تستخدم وكالات إنفاذ القانون مثل هذه الأدوات، فإنها تحتاج أيضًا إلى قواعد استخدام واضحة، وسجلات الوصول، وآليات الرقابة لمنع استخدام الأنظمة لأغراض تحقيقية أو خاصة تفتقر إلى مبرر.
هناك مشكلة أخرى جديرة بالملاحظة وهي أنه من غير الواضح ما إذا كان العرض التسويقي لـ Raven يمثل أدائها العام في الحالات الحقيقية. عادةً ما تختار مقاطع الفيديو التوضيحية الحالات التي يمكنها إثبات التأثيرات التقنية بسهولة، في حين أن الصور في التحقيقات الفعلية قد تكون ضبابية، أو تحتوي على معلومات محدودة، أو تفتقر إلى المعلومات العامة للمطابقة.
أخبر مكتب عمدة مقاطعة ميامي ديد سابقًا 404 Media أن استخدام الوكالة لـ GeoSpy محدود بشكل عام وفي المرحلة الاستكشافية. وقالت الوكالة إنه على الرغم من تقييم الأداة في عدد قليل من الحالات، إلا أنه حتى الآن لم يتم تحقيق أي اختراقات كبيرة في التحقيق أو اعتقالات، ولم تعتمد نتائج أي حالة بشكل حصري أو أساسي على المعلومات التي تم إنشاؤها بواسطة الأداة.
وهذا يعني أنه حتى لو تمكنت Raven من العثور بسرعة على منازل محددة في بعض المظاهرات، فلا يمكن استنتاج أنها أصبحت طريقة مستقرة وموثوقة لتحديد المواقع في تحقيقات الشرطة. وهو حاليًا أكثر ملاءمة كأداة تكميلية لمساعدة المحققين على فحص المواقع المحتملة ثم التحقق منها من خلال طرق أخرى.
من منظور أوسع، يجسد Raven كيفية تغيير الذكاء الاصطناعي لسمات الخصوصية للصور العامة. في الماضي، كان من الصعب غالبًا تعيين صورة حمام أو غسالة بدون علامة جغرافية مباشرة إلى عنوان محدد؛ ولكن عندما يتم الجمع بين عدد كبير من صور المنزل والمعلومات العقارية ونماذج التعرف البصري، فإن هذه التفاصيل التي تبدو عادية قد تصبح أدلة على الموقع.
هذا لا يعني أن جميع الصور الداخلية تكشف الموقع الذي تم التقاطها فيه، ولا يعني أن الذكاء الاصطناعي يمكنه بالفعل تتبع منزل أي شخص حسب الرغبة. ومع ذلك، مع استمرار توسع قواعد بيانات الصور المتاحة للجمهور وزيادة قدرة الذكاء الاصطناعي على إجراء اتصالات من معلومات متباينة، سيحتاج الأفراد إلى توخي المزيد من الحذر في أحكامهم بشأن إشارات الموقع في الصور.
في نهاية المطاف، السؤال الأساسي الذي أثارته Raven ليس فقط ما إذا كان الذكاء الاصطناعي يمكنه العثور على منزل بناءً على صورة داخلية، ولكن كيفية تحديد حدود استخدامه عند استخدام هذه القدرة في تطبيق القانون، أو الخدمات التجارية، أو سيناريوهات أخرى. بالنسبة للمحققين، يمكن أن يوفر أدلة قيمة؛ بالنسبة للمستخدمين العاديين، يعد هذا تذكيرًا بأنه حتى لو لم تحتوي الصورة على معلومات نظام تحديد المواقع العالمي (GPS)، فإن البيئة الداخلية نفسها قد تحتوي على ميزات كافية يمكن تحديدها.
مع التطوير الإضافي للتقنيات ذات الصلة، سيصبح التوازن بين حماية بيانات النظام الأساسي والإشراف على إنفاذ القانون ودقة نتائج تحديد المواقع وحقوق الخصوصية الشخصية مشكلات لا يمكن تجنبها في هذا المجال.
التعليقات