Η τεχνητή νοημοσύνη δεν μπορεί να θεμελιώσει δικαστική καταδίκη

Η τεχνητή νοημοσύνη δεν μπορεί να θεμελιώσει δικαστική καταδίκη

Οι αστυνομικές και εισαγγελικές αρχές καταφεύγουν ολοένα και συχνότερα σε εργαλεία τεχνητής νοημοσύνης για την ανάλυση αποδεικτικού υλικού, όπως φωτογραφίες και βίντεο χαμηλής ευκρίνειας, με στόχο την ταυτοποίηση αγνώστων προσώπων. Χαρακτηριστικό παράδειγμα αποτελεί η υπόθεση MARFIN.

σχετικά άρθρα

Ωστόσο, τίθεται το κρίσιμο ερώτημα εάν η αλγοριθμική ταυτοποίηση επαρκεί για την απόδειξη της τέλεσης αδικήματος και, κατ’ επέκταση, για τον περιορισμό ενός θεμελιώδους έννομου αγαθού, όπως η προσωπική ελευθερία ενός κατηγορουμένου.

Η διεθνής πρακτική δείχνει ότι τα συστήματα αναγνώρισης προσώπου δεν παρέχουν απόλυτη βεβαιότητα, αλλά πιθανολόγηση. Η αξιοπιστία τους εξαρτάται από παράγοντες όπως το ίδιο το σύστημα, η βάση δεδομένων που χρησιμοποιείται και η ποιότητα του αρχικού υλικού. Οι επιδόσεις τους στην πράξη συχνά υπολείπονται των αποτελεσμάτων εργαστηριακών δοκιμών, όπως αυτές του Εθνικού Ινστιτούτου Προτύπων και Τεχνολογίας των ΗΠΑ, ιδιαίτερα όταν χρησιμοποιούνται εικόνες χαμηλής ποιότητας. Η επεξεργασία μιας θολής λήψης ενδέχεται να μην αποκαλύπτει, αλλά να δημιουργεί λεπτομέρειες, ενώ η έλλειψη διαφάνειας στον αλγόριθμο καθιστά δύσκολο τον ουσιαστικό έλεγχο των εξαγόμενων συμπερασμάτων.

Οι κίνδυνοι που ελλοχεύουν δεν είναι απλώς θεωρητικοί. Στις Ηνωμένες Πολιτείες, η υπόθεση του Robert Williams το 2020 αποτελεί χαρακτηριστικό παράδειγμα. Ο εν λόγω συνελήφθη βάσει λανθασμένης ταυτοποίησης από λογισμικό και παρέμεινε κρατούμενος για 30 ώρες, παρόλο που δεν είχε καμία σχέση με το αδίκημα. Αποζημιώθηκε με 300.000 δολάρια. Έχουν καταγραφεί τουλάχιστον οκτώ παρόμοιες περιπτώσεις εσφαλμένων συλλήψεων, με την τεχνολογία να παρουσιάζει συχνότερα σφάλματα σε έγχρωμα άτομα, γυναίκες, παιδιά και ηλικιωμένους.

Η διεθνής νομολογία κινείται στην κατεύθυνση της προστασίας των δικαιωμάτων. Το Ευρωπαϊκό Δικαστήριο Δικαιωμάτων του Ανθρώπου (ΕΔΔΑ), στην πρώτη του απόφαση, Glukhin κατά Ρωσίας (4 Ιουλίου 2023), χαρακτήρισε την τεχνολογία «άκρως παρεμβατική» και διαπίστωσε παραβίαση των άρθρων 8 και 10 της ΕΣΔΑ, υπογραμμίζοντας την ανάγκη για λεπτομερείς κανόνες και ισχυρές εγγυήσεις κατά της αυθαιρεσίας.

Στο Ηνωμένο Βασίλειο, το Εφετείο, στην υπόθεση Bridges (2020), έκρινε παράνομη τη χρήση αυτόματης αναγνώρισης προσώπου από την αστυνομία, καθώς οι αρχές δεν είχαν διασφαλίσει ότι το λογισμικό δεν εμφάνιζε φυλετική ή έμφυλη μεροληψία.

Σημαντική είναι και η διάσταση της δίκαιης δίκης. Στην υπόθεση State v. Arteaga (2023), αναγνωρίστηκε το δικαίωμα της υπεράσπισης να έχει πρόσβαση σε στοιχεία σχετικά με το σύστημα και τη διαδικασία αναγνώρισης. Πιο πρόσφατα, τον Ιούνιο του 2026, το Ανώτατο Δικαστήριο του New Jersey, στην υπόθεση State v. Miles, επιβεβαίωσε την υποχρέωση γνωστοποίησης των εργαλείων, των υλικών και του τρόπου χρήσης τους, διευκρινίζοντας ωστόσο ότι ο πηγαίος κώδικας δεν παραδίδεται αυτόματα χωρίς ειδικότερη τεκμηρίωση.

Ο ενωσιακός νομοθέτης κινείται προς την ίδια κατεύθυνση. Ο Κανονισμός για την Τεχνητή Νοημοσύνη της ΕΕ (2024/1689) προβλέπει, από τον Φεβρουάριο του 2025, την απαγόρευση της αναγνώρισης προσώπου σε πραγματικό χρόνο σε δημόσιους χώρους, με περιορισμένες εξαιρέσεις. Επιπλέον, κατατάσσει στα συστήματα «υψηλού κινδύνου» τη χρήση τεχνητής νοημοσύνης για την αξιολόγηση της αξιοπιστίας των αποδεικτικών στοιχείων.

Το συμπέρασμα είναι σαφές: η αλγοριθμική ταυτοποίηση αποτελεί, στην καλύτερη περίπτωση, μια ερευνητική ένδειξη και όχι απόδειξη ενοχής. Καμία καταδίκη δεν μπορεί να βασιστεί αποκλειστικά σε αυτήν, καθώς απαιτούνται ανεξάρτητη επιβεβαίωση, πλήρης διαφάνεια των διαδικασιών, επαρκής απόδειξη και, τέλος, η δικαστική κρίση.

Αναμφίβολα, η αντιμετώπιση του εγκλήματος απαιτεί δραστικά μέτρα και η τεχνητή νοημοσύνη μπορεί να συμβάλει σε αυτή την προσπάθεια. Ωστόσο, δεν αποτελεί πανάκεια και παρουσιάζει σημαντικά περιθώρια σφάλματος, γεγονός που επιβάλλει επιφυλακτικότητα και προσοχή κατά την εφαρμογή της.

Το παρόν άρθρο υπογράφει ο ποινικολόγος Βασίλης Χειρδάρης.