டெல்லியின் மாஸ் சர்வைலன்ஸ்: ஐந்து வினாடிகளில் 50 மில்லியன் முகங்கள் டிராக்

முக்கிய விஷயங்கள்#

• டெல்லி போலீஸ் இப்போ 50 மில்லியன் முகங்களை வரை டிராக் செய்யக்கூடிய ஒரு system-ஐ operate பண்றாங்க.
• Facial recognition engine ஒரு முகத்தை அதன் database-உடன் roughly five seconds-ல் match பண்ண வாக்குறுதி அளிக்கிறது.
• இந்த deployment data storage, consent மற்றும் oversight பற்றி serious questions எழுப்புகிறது.
• Authorities இந்த tool crimes-ஐ solve பண்ணவும் பெரிய public gatherings-ஐ manage பண்ணவும் உதவும் என்று சொல்கிறார்கள்.
• Activists mission creep பற்றி எச்சரித்து transparent legal framework-ஐ கோருகிறார்கள்.

என்ன செய்தி#

சமீபத்திய reporting-ன் படி, டெல்லியின் surveillance apparatus nationwide facial recognition backend-உடன் upgrade செய்யப்பட்டுள்ளது. Metro stations, major markets மற்றும் busy intersections-ல் நிறுவப்பட்ட cameras இப்போ live video-ஐ centralized servers-க்கு feed பண்றன. இந்த system 50 மில்லியன் individuals-க்கான templates-ஐ hold பண்றதாக சொல்லப்படுகிறது. இது நகரத்தின் resident population மற்றும் floating workforce-ஐ roughly match பண்றது. ஒரு face detect ஆகும்போது, algorithm அதை stored templates-உடன் compare பண்ணி five seconds-க்குள் potential match return பண்றது. Authorities இந்த upgrade-ஐ policing-க்கான force multiplier ஆக present பண்ணியுள்ளார்கள், specially huge crowds draw பண்ணும் events-ன்போது. இந்த முழு அமைப்பும் நகரத்தின் பாதுகாப்பு மற்றும் குற்றத் தடுப்பு நடவடிக்கைகளை வேகப்படுத்தும் நோக்கத்துடன் கொண்டு வரப்பட்டுள்ளது என்று அதிகாரிகள் விளக்குகிறார்கள். Live video feeds தொடர்ந்து சென்று கொண்டிருக்கும்போது, அந்த தரவுகள் உடனடியாக பகுப்பாய்வு செய்யப்பட்டு முடிவுகள் கிடைக்கும் வகையில் வடிவமைக்கப்பட்டுள்ளது. இது போன்ற பெரிய அளவிலான facial recognition அமைப்பு இந்தியாவில் முதன்முறையாக இவ்வளவு அகலமாக செயல்படுத்தப்படுவதாக அறிக்கைகள் குறிப்பிடுகின்றன. நகரத்தின் அனைத்து முக்கிய இடங்களிலும் cameras இணைக்கப்பட்டுள்ளதால், எந்த நேரத்திலும் ஒரு முகத்தை கண்டுபிடிக்க முடியும் என்ற நம்பிக்கை அதிகாரிகளிடம் உள்ளது.

விவரங்கள்#

Technical backbone high-definition CCTV feeds-ஐ நம்பியுள்ளது. இந்த feeds compress செய்யப்பட்டு fiber மற்றும் 5G links கலவையில் stream செய்யப்படுகின்றன. Jio-வின் 5G network industry circles-ல் real-time video analytics-க்கு தேவையான low-latency pipes வழங்குவதாக குறிப்பிடப்பட்டுள்ளது. Server side-ல் platform convolutional neural networks-ஐ பயன்படுத்துகிறது. இவை Indian facial features-ன் diverse set-ல் train செய்யப்பட்டு bias-ஐ குறைக்க உதவுகின்றன. Matching pipeline GPU clusters-ல் run ஆகும்படி வடிவமைக்கப்பட்டுள்ளது. இவை thousands of frames per second process பண்ண முடியும். அதனால் தான் project claim பண்ணும் five-second response time சாத்தியமாகிறது. Data retention policies இன்னும் framed ஆகிக் கொண்டிருக்கின்றன. Officials சொல்றாங்க raw video limited period-க்கு வைக்கப்படும் என்று. ஆனால் biometric templates investigative purposes-க்காக நீண்ட காலம் store செய்யப்படும். Access logs internal audit team மூலம் monitor செய்யப்பட வேண்டும் என்று சொல்லப்படுகிறது. ஆனால் independent oversight mechanisms இன்னும் publicly detail செய்யப்படவில்லை. இந்த முழு தொழில்நுட்ப அமைப்பும் உயர் தரமான வீடியோ உள்ளீடுகளை விரைவாக செயலாக்கும் வகையில் அமைக்கப்பட்டுள்ளது. Fiber மற்றும் 5G இணைப்புகள் இணைந்து செயல்படுவதால் தாமதம் குறைவாக இருக்கிறது. Convolutional neural networks இந்திய முக அம்சங்களை அடிப்படையாகக் கொண்டு பயிற்சி பெற்றதால், தவறான அடையாளங்களை குறைக்க முயற்சி செய்யப்படுகிறது. GPU clusters ஆயிரக்கணக்கான பிரேம்களை ஒரே நேரத்தில் கையாளும் திறன் கொண்டவை. இதனால் ஐந்து வினாடிகளில் பதில் கிடைக்கும் என்ற உத்தரவாதம் அளிக்கப்படுகிறது. தரவுகளை எவ்வளவு காலம் வைத்திருப்பது என்ற கொள்கைகள் இன்னும் உருவாக்கப்பட்டு வருகின்றன. மூல வீடியோ குறுகிய காலத்திற்கு மட்டும் வைக்கப்படும் என்றும், பயோமெட்ரிக் டெம்ப்ளேட்கள் விசாரணை தேவைகளுக்காக நீண்ட காலம் வைக்கப்படும் என்றும் அதிகாரிகள் தெரிவிக்கின்றனர். அணுகல் பதிவுகள் உள் தணிக்கை குழுவால் கண்காணிக்கப்பட வேண்டும் என்று கூறப்பட்டாலும், சுயாதீன மேற்பார்வை வழிமுறைகள் இன்னும் பொதுமக்களுக்கு விரிவாக அறிவிக்கப்படவில்லை.

இந்தியாவில் தாக்கம்#

இந்த deployment-ன் scale இந்தியாவின் privacy மற்றும் state power பற்றிய ongoing debate-ல் பல nerve points-ஐ தொடுகிறது. UPI ecosystem voluntary participation மற்றும் clear user consent மூலம் வளர்ந்தது போல இல்லை. Facial recognition systems பெரும்பாலும் public spaces-ல் operate ஆகும். அங்கே individuals எளிதாக opt out பண்ண முடியாது. இது faster crime detection-ன் promise மற்றும் constant low-level monitoring-ன் risk இடையே tension உருவாக்குகிறது. Legal scholars சுட்டிக்காட்டுகிறார்கள் India இன்னும் comprehensive data protection law இல்லாமல் இருக்கிறது என்று. அது specifically biometric information-ஐ address பண்ண வேண்டும். Personal Data Protection Bill பல revisions கடந்துள்ளது. ஆனால் அதன் final shape மற்றும் enforcement timeline uncertain ஆகவே இருக்கிறது. Clear rules இல்லாததால் function creep வரும் அபாயம் உள்ளது. Technology original mandate-க்கு அப்பால் பயன்படுத்தப்படலாம். உதாரணமாக political dissent track பண்ணவோ அல்லது marginalized communities-ஐ monitor பண்ணவோ. மறுபக்கம் proponents வாதிடுகிறார்கள். இந்தியாவின் Aadhaar போன்ற large-scale digital ID programmes அனுபவம் காட்டுகிறது. Proper safeguards இருந்தால் நாடு massive identity infrastructures build பண்ணி manage பண்ண முடியும் என்று. அவர்கள் suggest பண்றாங்க Aadhaar-ன் data access protocols-க்கு பயன்படுத்தப்பட்ட அதே rigor facial recognition-க்கும் adapt பண்ணலாம் என்று. Transparency, periodic audits மற்றும் redress-க்கான avenues இருந்தால். இந்த அளவிலான கண்காணிப்பு அமைப்பு இந்தியாவின் தனியுரிமை விவாதங்களில் முக்கியமான இடத்தை பிடித்துள்ளது. UPI போன்ற அமைப்புகள் மக்கள் விருப்பத்துடன் பங்கேற்றதால் வளர்ந்தன. ஆனால் முக அடையாள அமைப்புகள் பொது இடங்களில் இயங்குவதால் மக்கள் வெளியேற முடியாது. இது குற்றங்களை விரைவாக கண்டறியும் வாக்குறுதிக்கும் தொடர்ச்சியான கண்காணிப்பு அபாயத்திற்கும் இடையே முரண்பாட்டை உருவாக்குகிறது. சட்ட வல்லுநர்கள் இந்தியாவில் பயோமெட்ரிக் தகவல்களை குறிப்பாக கையாளும் முழுமையான தரவு பாதுகாப்பு சட்டம் இன்னும் இல்லை என்று சுட்டிக்காட்டுகின்றனர். Personal Data Protection Bill பல முறை திருத்தப்பட்டாலும் அதன் இறுதி வடிவம் மற்றும் அமலாக்க காலக்கெடு தெளிவாக இல்லை. தெளிவான விதிகள் இல்லாத நிலையில் தொழில்நுட்பம் அதன் அசல் நோக்கத்திற்கு அப்பால் பயன்படுத்தப்படும் அபாயம் உள்ளது. அரசியல் கருத்து வேறுபாடுகளை கண்காணிப்பது அல்லது ஒதுக்கப்பட்ட சமூகங்களை கண்காணிப்பது போன்றவை இதில் அடங்கும். ஆதரவாளர்கள் இந்தியாவின் ஆதார் போன்ற பெரிய அளவிலான டிஜிட்டல் அடையாள திட்டங்களின் அனுபவத்தை சுட்டிக்காட்டுகின்றனர். சரியான பாதுகாப்புகள் இருந்தால் நாடு இத்தகைய பெரிய அமைப்புகளை உருவாக்கி நிர்வகிக்க முடியும் என்று அவர்கள் கூறுகின்றனர். ஆதாரின் தரவு அணுகல் நெறிமுறைகளுக்கு பயன்படுத்தப்பட்ட அதே கடுமையான அணுகுமுறையை முக அடையாளத்திற்கும் ஏற்படுத்தலாம் என்று அவர்கள் பரிந்துரைக்கின்றனர். வெளிப்படைத்தன்மை, காலமுறை தணிக்கைகள் மற்றும் புகார் தீர்க்கும் வழிகள் இருந்தால் மட்டுமே இது சாத்தியம்.

பயன்பாட்டு வழக்குகள்#

Police officials பல scenarios outline பண்ணியிருக்காங்க. இந்த system useful ஆக இருக்கும் என்று. Criminal investigations-ல் crime scene அருகில் camera-ல் பிடிக்கப்பட்ட suspect-ஐ quickly identify பண்ணலாம். Offense மற்றும் arrest இடையேயான நேரத்தை shorten பண்ணலாம். Missing persons-க்கு specially crowded markets அல்லது festivals-ல் தொலைந்த children-க்கு technology உதவும். Live feed-ஐ reported missing individuals database-உடன் match பண்ணி families-ஐ reunite பண்ண உதவும். Traffic management இன்னொரு cited use. Intersections-ல் cameras helmet இல்லாமல் riders-ஐ detect பண்ணலாம். அல்லது red lights jump பண்ணும் drivers-ஐ. Automatically challans generate பண்ணலாம். Human operator ஒவ்வொரு clip-ஐயும் review பண்ண வேண்டியதில்லை. Large public gatherings-ன்போது Independence Day celebrations India Gate-ல் அல்லது religious processions-ல் system outstanding warrants உள்ள individuals-ஐ flag பண்ணலாம். Security risk என்று கருதப்படுபவர்களையும். Personnel incident escalate ஆகும் முன் intervene பண்ண அனுமதிக்கும். Retail spaces-லும் interest காட்டியிருக்காங்க. சில mall operators similar tools pilot பண்ணி known shoplifters premises-க்குள் நுழையும்போது spot பண்ண முயற்சித்திருக்காங்க. ஆனால் இந்த deployments limited ஆகவே இருக்கின்றன. Private-sector policies மூலம் govern செய்யப்படுகின்றன. Public law அல்ல. குற்ற விசாரணைகளில் குற்ற இடத்திற்கு அருகில் கேமராவில் பிடிக்கப்பட்ட சந்தேக நபரை விரைவாக அடையாளம் காண முடியும். இதனால் குற்றம் நடந்த நேரத்திற்கும் கைது செய்யும் நேரத்திற்கும் இடையிலான இடைவெளி குறையும். தொலைந்த நபர்களுக்கு குறிப்பாக கூட்டம் நிறைந்த சந்தைகளிலோ திருவிழாக்களிலோ தொலைந்த குழந்தைகளுக்கு இந்த தொழில்நுட்பம் உதவும். நேரடி ஒளிபரப்பை தொலைந்தவர்கள் பட்டியலுடன் ஒப்பிட்டு குடும்பங்களை மீண்டும் இணைக்க உதவும். போக்குவரத்து மேலாண்மையும் மற்றொரு பயன்பாடு. சந்திப்புகளில் உள்ள கேமராக்கள் ஹெல்மெட் இல்லாமல் செல்பவர்களையோ சிவப்பு விளக்கு மீறி செல்பவர்களையோ கண்டறிந்து தானாகவே அபராதம் விதிக்கலாம். மனித ஆபரேட்டர் ஒவ்வொரு கிளிப்பையும் பார்க்க வேண்டியதில்லை. பெரிய பொதுக் கூட்டங்களின் போது இந்தியா கேட் சுதந்திர தின விழாக்களிலோ மத ஊர்வலங்களிலோ நிலுவையில் உள்ள வாரண்ட் உள்ளவர்களையோ பாதுகாப்பு அபாயம் உள்ளவர்களையோ அடையாளம் காட்டலாம். பணியாளர்கள் சம்பவம் பெரிதாகும் முன் தலையிட முடியும். சில்லறை விற்பனை இடங்களும் ஆர்வம் காட்டியுள்ளன. சில மால் ஆபரேட்டர்கள் அறியப்பட்ட திருட்டுக்காரர்களை கண்டறிய இதேபோன்ற கருவிகளை சோதனை செய்துள்ளனர். ஆனால் இவை வரையறுக்கப்பட்டவை மற்றும் தனியார் கொள்கைகளால் நிர்வகிக்கப்படுகின்றன.

நேர்மையான பார்வை#

Technology தானாகவே inherently good அல்லது bad இல்லை. அதன் impact அதை சுற்றியுள்ள governance framework-ஐ hinge பண்றது. டெல்லியின் rollout இந்தியா continental scale surveillance system field பண்ண முடியும் என்று demonstrate பண்றது. ஆனால் biometric data எப்படி collect, store மற்றும் use பண்ணப்படுகிறது என்பதில் clear enforceable limits நிறுவ வேண்டிய urgency-ஐயும் highlight பண்றது. Robust framework-ல் இவை இருக்க வேண்டும். Biometric data-வை sensitive personal information ஆக statutory definition. எந்த expansion-க்கும் முன் mandatory impact assessments. Civil liberties groups representation உள்ள independent oversight boards. Periodic re-authorization தேவைப்படும் sunset clauses. Misidentified அல்லது unfairly targeted என்று நம்பும் individuals-க்கு accessible redress mechanisms. இப்படிப்பட்ட safeguards இல்லாமல் system pervasive monitoring-க்கான tool ஆக மாறும் அபாயம் உள்ளது. Targeted law enforcement ஆக இல்லாமல். இந்தியாவின் vibrant democratic culture மற்றும் digital empowerment-ல் recent strides கொடுக்கும்போது right balance strike பண்றது crucial. AI advances public safety-க்கு serve பண்ண வேண்டும். அதே நேரம் அவை protect பண்ண வேண்டிய freedoms-ஐ erode பண்ணக்கூடாது. தொழில்நுட்பம் தானாக நல்லது அல்லது கெட்டது அல்ல. அதைச் சுற்றியுள்ள நிர்வாக கட்டமைப்பைப் பொறுத்தே அதன் தாக்கம் அமையும். டெல்லியின் அறிமுகம் இந்தியா கண்ட அளவிலான கண்காணிப்பு அமைப்பை நிறுவ முடியும் என்பதைக் காட்டுகிறது. ஆனால் பயோமெட்ரிக் தரவுகள் எவ்வாறு சேகரிக்கப்படுகின்றன, சேமிக்கப்படுகின்றன மற்றும் பயன்படுத்தப்படுகின்றன என்பதில் தெளிவான அமல்படுத்தக்கூடிய வரம்புகளை நிறுவ வேண்டிய அவசரத்தையும் இது எடுத்துக்காட்டுகிறது. வலுவான கட்டமைப்பில் பயோமெட்ரிக் தரவை உணர்திறன் மிக்க தனிப்பட்ட தகவலாக சட்டரீதியான வரையறை இருக்க வேண்டும். எந்த விரிவாக்கத்திற்கும் முன் கட்டாய தாக்க மதிப்பீடுகள் தேவை. சிவில் உரிமைக் குழுக்களின் பிரதிநிதித்துவம் கொண்ட சுயாதீன மேற்பார்வை வாரியங்கள் வேண்டும். காலமுறை மறுஅங்கீகாரம் தேவைப்படும் சன்செட் கிளாஸ்கள் இருக்க வேண்டும். தவறாக அடையாளம் காணப்பட்டதாக அல்லது நியாயமற்ற முறையில் இலக்காக ஆக்கப்பட்டதாக நம்பும் நபர்களுக்கு அணுகக்கூடிய புகார் தீர்க்கும் வழிமுறைகள் வேண்டும். இத்தகைய பாதுகாப்புகள் இல்லாவிட்டால் அமைப்பு இலக்கு வைத்த சட்ட அமலாக்கத்திற்குப் பதிலாக பரவலான கண்காணிப்புக்கான கருவியாக மாறும் அபாயம் உள்ளது. இந்தியாவின் துடிப்பான ஜனநாயக கலாச்சாரம் மற்றும் டிஜிட்டல் அதிகாரமளிப்பில் சமீபத்திய முன்னேற்றங்கள் கொடுக்கும்போது சரியான சமநிலையை ஏற்படுத்துவது முக்கியம். செயற்கை நுண்ணறிவு முன்னேற்றங்கள் பொது பாதுகாப்பிற்கு சேவை செய்ய வேண்டும். அதே நேரத்தில் அவை பாதுகாக்க வேண்டிய சுதந்திரங்களை அரிக்கக்கூடாது. இந்த முழு விவாதமும் தொழில்நுட்பத்தின் பயன்பாட்டைச் சுற்றியே அமைந்துள்ளது. அதிகாரிகள் குற்றத் தடுப்பு மற்றும் கூட்ட மேலாண்மைக்கு இது உதவும் என்று வலியுறுத்துகின்றனர். ஆனால் ஆர்வலர்கள் வெளிப்படையான சட்ட கட்டமைப்பு இல்லாமல் இது தவறாகப் பயன்படுத்தப்படலாம் என்று எச்சரிக்கின்றனர். தரவு சேமிப்பு காலக்கெடுகள் இன்னும் உறுதியாகவில்லை. உள் தணிக்கை மட்டும் போதாது என்றும் சுயாதீன மேற்பார்வை தேவை என்றும் கருத்துகள் எழுகின்றன. இந்தியாவில் ஆதார் போன்ற திட்டங்களில் பாதுகாப்பு நெறிமுறைகள் இருந்தால் இங்கும் அதேபோல் கொண்டு வரலாம் என்று ஆதரவாளர்கள் கூறுகின்றனர். ஆனால் தற்போது அத்தகைய தெளிவான விதிகள் இல்லாததால் கவலைகள் தொடர்கின்றன. முக அடையாள தொழில்நுட்பம் ஐந்து வினாடிகளில் முடிவுகளைத் தரும் என்ற வாக்குறுதி தொழில்நுட்ப ரீதியாக சாத்தியமாகத் தெரிகிறது. ஆனால் அதன் சமூக மற்றும் சட்டரீதியான தாக்கங்கள் இன்னும் முழுமையாக விவாதிக்கப்படவில்லை. பொது இடங்களில் தொடர்ந்து இயங்கும் இந்த அமைப்பு மக்களின் அன்றாட வாழ்க்கையை எவ்வாறு பாதிக்கும் என்பது முக்கியமான கேள்வி. ஒப்புதல் இல்லாமல் தரவுகள் சேகரிக்கப்படுவது தனியுரிமை உரிமைகளுடன் முரண்படுகிறது. இதனால் சட்ட வல்லுநர்கள் விரைவில் தெளிவான சட்டம் கொண்டு வரப்பட வேண்டும் என்று வலியுறுத்துகின்றனர். இந்தியாவின் ஜனநாயக மதிப்புகளைப் பாதுகாக்கும் வகையில் இந்த தொழில்நுட்பம் பயன்படுத்தப்பட வேண்டும் என்பதே அனைவரின் எதிர்பார்ப்பு. குற்றங்களைத் தீர்ப்பதற்கும் பாதுகாப்பை உறுதி செய்வதற்கும் இது உதவலாம். ஆனால் அதே நேரத்தில் தவறான பயன்பாட்டைத் தடுக்கும் வலுவான கட்டுப்பாடுகள் அவசியம். காலமுறை மறுஆய்வுகள் மற்றும் சுயாதீன கண்காணிப்பு இல்லாவிட்டால் அமைப்பு அதன் நோக்கத்தைத் தாண்டிச் செல்லும் அபாயம் உள்ளது. இதுபோன்ற பெரிய அளவிலான அமைப்புகளை நிர்வகிக்க இந்தியாவுக்கு அனுபவம் உள்ளது. ஆனால் அந்த அனுபவத்தை இங்கும் சரியாகப் பயன்படுத்த வேண்டும். வெளிப்படைத்தன்மை மற்றும் பொறுப்புணர்வு இல்லாமல் தொழில்நுட்பம் மட்டும் போதாது. மக்களின் நம்பிக்கையைப் பெற இந்த அம்சங்கள் அவசியம். டெல்லியில் நடைமுறைப்படுத்தப்பட்டுள்ள இந்த அமைப்பு இந்தியா முழுவதும் உள்ள பிற நகரங்களுக்கும் முன்னுதாரணமாக அமையலாம். எனவே இப்போதே சரியான கட்டமைப்பை உருவாக்குவது முக்கியம். பயோமெட்ரிக் தரவுகளின் உணர்திறன் தன்மையை அங்கீகரித்து அவற்றைப் பாதுகாக்கும் சட்டங்கள் தேவை. தவறான அடையாளம் காணப்பட்டால் புகார் தெரிவிக்கும் எளிய வழிமுறைகள் இருக்க வேண்டும். இவை அனைத்தும் இருந்தால்தான் தொழில்நுட்பம் பொது நலனுக்கு உதவும். இல்லையெனில் அது தொடர்ச்சியான கண்காணிப்பு கருவியாக மாறிவிடும் அபாயம் உள்ளது. இந்தியாவின் டிஜிட்டல் முன்னேற்றங்களுடன் இணைந்து இந்த சமநிலையைப் பேணுவது அவசியம்.