A „big data” délibábja – beszélgetés Sarah Brayne-nel

A digitális forradalom a 21. században életünknek szinte valamennyi szegletét áthatja. Milyen társadalmi hatásai vannak ennek?

A digitális korban milliónyi digitális nyomot hagyunk mindennapi életünkben. Minden alkalommal, amikor elküldünk egy email-t, telefonálunk, elhaladunk az automatikus rendszámleolvasó rendszer egy kamerája előtt,

Ezeket a digitális nyomokat akár a rendészeti szervek saját maguk, akár más szervezetek is összegyűjthetik, akik aztán értékesítik azokat a rendészeti szerveknek azért, hogy a működésük során felhasználhassák. A digitális nyomok megsokszorozódása – valamint ezeknek az adatoknak a tárolásához és értékeléséhez szükséges technológia fejlődése – példa nélküli módon teszi lehetővé az adattárolást és adatelemzést. Ez azt jelenti, hogy a rendészeti megfigyelés lehetősége jelenleg kiterjedtebb és mélyebb, mint korábban bármikor: több embert érint és minden egyes személy behatóbb megfigyelésére képes.

A nemrégiben megjelent, Predict and Surveil: Data, Discretion, and the Future of Policing című könyvében a rendészet adatigényes megfigyelési gyakorlatát tárgyalja. Hogyan változtatja meg a „big data” a büntető igazságszolgáltatást és a rendészetet a 21. században? 

A „big data” felhasználása a rendészet szinte valamennyi területét érinti a járőrszolgálattól kezdve a bűnügyi nyomozásokon és a kockázatkezelésen át egészen a bűnügyi elemzésekig vagy a személyzeti kérdésekig. A könyvemben két különböző technológia által lehetővé tett megfigyelési módszerről írok: a tömeges megfigyelésről, valamint a célzott megfigyelésről. A tömeges megfigyelés olyan eszközöket takar, amelyek nemcsak gyanúba keveredett emberekről, hanem általánosságban mindenkiről információkat gyűjtenek. Ilyen

Önmagában ez az egészen egyszerű eszköz is széles lehetőséget nyújt a mindennapi tömeges megfigyelésekhez.

És mi a helyzet a bűncselekmények előrejelzésével?

Emellett a „big data” jóval nagyobb mértékben teszi lehetővé a másik, célzott típusú, vagyis az olyan megfigyelést, amely a

Az előrejelző rendészet klasszikus példaként szolgál erre. A rendészeti szervek általában helyszíni alapú előrejelző algoritmusokat alkalmaznak ahhoz, hogy megjósolják a vagyon elleni bűncselekmények elkövetését, míg személyi alapú előrejelző módszereket ahhoz, hogy megjósolják az erőszakos bűncselekmények elkövetését. Mindkét megközelítés a bűnelkövetések történeti adatait használja ahhoz, hogy előre jelezze, hogy hol és ki követhet el a jövőben bűncselekményt. A rendőrségi erőforrásokat pedig ennek megfelelően allokálja.

Mennyire elterjedtek ezek a megfigyelési módszerek az Egyesült Államokban? 

Kutatásaim során elsősorban a Los Angeles Rendőrkapitányságot (LAPD) tekintettem kiinduló pontnak, amely nem tekinthető „tipikus” vagy jellegadó rendőrkapitányságnak. Szinte valamennyi rendőrkapitányságnál nagyobb, jelentősebb anyagi forrásokkal rendelkezik és technológiai értelemben fejlettebb eszközöket használ. Azért választottam a kutatásomhoz, mert ez az egyik első olyan rendőrkapitányság, amely előrejelző rendészeti algoritmust kezdett használni, és az adatelemzési technológia felhasználásának egyik élharcosa. Ennek megfelelően olyan stratégiai mintaként is szolgálhat, amely

Sajnos arról nincsen információnk, hogy az Egyesült Államokban vagy világszerte hány rendőrkapitányság használ előrejelző módszereket, de a Police Executive Research Forum által 2014-ben végzett felmerésben a 200 megkérdezett rendőrkapitányság 38 százaléka válaszolt úgy, hogy már alkalmaz efféle technológiát, míg a 70 százalékuk 2017-re tervezte ezt bevezetni.

Melyek a főbb társadalmi következményei az adatintenzív megfigyelésnek, és hogyan érintik az alapvető jogokat?

Elméletileg a „big data” képes javítani az igazságszolgáltatás hatékonyságát és ellenőrizhetőségét. Például a digitális rendészet digitális nyomokat hagy maga után. Ha ezeket a nyomokat külső auditnak vetik alá, akkor ez lehetőséget nyújt a rendőrök ellenőrzésére. Ugyanakkor a gyakorlatban a „big data” technológiák ettől különböző hatást is előidézhetnek. Társadalmi minták szerint használják ugyanis, ami teljesen egyenlőtlen és gyakran nehezen felbecsülhető hatást vált ki. Az adatintenzív megfigyelési gyakorlatok ezzel párhuzamosan felerősítik a meglévő egyenlőtlenségeket.

Mit jelent ez konkrétabban?

Például a megelőző rendészet kiindulópontja, hogy

A megelőző rendészeti algoritmus számára a „múlt” a korábbi bűnelkövetési adatokat jelenti, amely a jelenlegi bűnelkövetések és rendészeti gyakorlat függvénye. Mikor tükröt tartunk a múlt elé, akkor a múlt valamennyi egyenlőtlenségét kivetítjük a jövőre. A megelőző rendészet ily módon azt az elfogult rendőrségi gyakorlatot legitimálhatja, amely az eredeti adatokból kirajzolódik. Ennek eredményeként pedig a már gyanúba keveredett és megfigyelt személyeket, helyszíneket újabb és erősebb ellenőrzés alá vonja, miközben objektívnek látszódik, vagy ahogyan az egyik rendőrkapitány fogalmazott „ez csak matek”.

A digitális forradalom során a nem állami szereplők, így például a nagy technológiai vállalatok és az adatközpontok együttműködnek a rendészeti szervekkel. Mik ennek az előnyei és a veszélyei?

Ez valóban így van, a rendészetet és a rendészeti tevékenységet érintő alapvető változások közé tartozik a magánszektor növekvő szerepe. Korábban a rendőrség jórészt maga gyűjtötte össze azokat az információkat, amelyeket a mindennapi működése során felhasznált. Ugyanakkor jelenleg

A rendőrkapitányságok „házon belül” általában nem rendelkeznek azzal a technikai szakértelemmel, ami az összetett és különböző adatok elemzéséhez szükséges. Problémát az jelenthet, hogy a privát szolgáltatók az üzleti titok vagy egyéb titoktartási megállapodások mögé bújhatnak, amivel végső soron megkerülik közszférát általában jellemző adatnyilvánosság követelményét. Ennek eredménye pedig az lesz, hogy a törvényhozók nehezebben tudják majd szabályozni, a kutatók nehezebben tudják tanulmányozni, míg az aktivisták nehezebben fognak tudni mobilizálni egy adott rendőrségi gyakorlat mellett vagy ellen.

A digitális forradalom egyik alap dilemmája, hogy hol a határ emberi képességek javítása és teljes kiváltása között. Az algoritmusok igazságszolgáltatásban történő felhasználása terén hol húzható meg ez a határvonal?

Az algoritmikus döntéshozatal az objektivitást és annak az ígéretét hordozza, hogy a problémásnak tekinthető emberi diszkréciót „elfogulatlan” adatokkal helyettesíti. Úgy vélem ugyanakkor, hogy nem igazán kiváltja, hanem inkább csak kiszorítja az emberi diszkréciót a döntéshozatal korábbi, kevésbé látható (és ezért gyakran kevésbé ellenőrizhető) szakaszaiba. Olyan kérdéseket érintően történik mindez, minthogy milyen adatokat, kiről és milyen célból kell gyűjteni.

Milyen jövő képzelhető el a rendészet terén, és ez biztonságosabbá teheti-e az életünket?

Ironikus módon

Nem tudjuk még, hogy azok a technológiák, amelyeket a rendőrkapitányságok bevetnek, mennyire teszik biztonságosabbá az életünket. Amit tudunk, az az, hogy a „big data” a világnak nem egyszerűen mechanikus tükörképe, hanem alapvetően társadalmi jelenség. Alakítja a társadalmakat, ugyanakkor őt is alakítja az a társadalom, amelyben felhasználják. Úgy vélem ezért, hogy a „big data” jelenségét jobban meg lehet érteni, ha egyfajta tőkeként fogjuk fel, olyan társadalmi termékként és társadalmi erőforrásként, amelyet a szervezetek hasznosítanak.

Ennek megfelelően azt gondolom, hogy a könyv egyfajta tanulságos mese, figyelmeztetés az olyan technológiai utópiák ellen, amelyek azt sejtetik, hogy fogas társadalmi problémákat tudunk megoldani a technológia fejlődése révén. Ugyanakkor, éppen úgy, ahogyan a társadalmi aspektusa teszi a „big data”-t rendkívül veszélyessé, ez jelenti a legnagyobb ígéretet is. Ha a „big data” társadalmi jelenség, akkor feltehető a kérdés, hogyan változtatható meg. Hogyan tudjuk megváltoztatni a társadalmi valóságot, amely a „big data”, illetve felhasználásának az alapját adja? Úgy vélem, hogy mindez nemcsak a rendészet, hanem azon túl a „big data”-t alakító intézményi és szervezeti prioritások átgondolását feltételezi.