Transcrierile AI ale înregistrărilor corporale confundă vorbitorii, arată un studiu
În ianuarie 2026, un polițist din Heber City, Utah, a apărut într-un raport generat de inteligență artificială ca transformându-se în broască în timpul serviciului. Software-ul de transcriere preluase dialogul din filmul „Prințesa și Broscoiul”, care rula în fundal, și l-a confundat cu dialogul real al intervenției. Incidentul ilustrează o problemă mai amplă a instrumentelor AI: pot prelua sarcini repetitive, dar supravegherea umană rămâne indispensabilă.
Aceasta este concluzia lui Eric Piza, profesor de criminologie și justiție penală la Northeastern University, și a Savannei Reid, studentă la doctorat, care au evaluat cât de bine captează software-ul de transcriere AI dialogurile înregistrate de camerele corporale. Studiul lor, publicat în Journal of Experimental Criminology, arată că sistemele analizate au transcris corect majoritatea textului, dar au întâmpinat dificultăți în a atribui corect replicile atunci când interlocutorii vorbeau pe rând.
Cercetătorii au comparat transcrieri realizate de AI cu versiuni editate de oameni, pornind de la 176 de înregistrări video ale camerelor corporale, care totalizează aproximativ 23 de ore de filmare și acoperă 73 de incidente. Software-ul a identificat în medie 3,3 participanți pe transcriere, față de 4,8 în versiunile editate de oameni, și a atribuit pasaje mai lungi unui singur vorbitor, pierzând o parte din schimbul de replici. De asemenea, transcrierile AI au fost mai sărace, cu aproximativ 25.000 de cuvinte mai puțin la nivelul întregului eșantion.
O eroare semnalată în studiu a vizat un schimb tensionat între un polițist și un civil. AI a captat aproape toate cuvintele, dar a combinat replicile mai multor vorbitori, astfel încât trei intervenții distincte — „Nu mai vând droguri”, „Ai plecat” și „Am terminat cu vânzarea de PCP” — au apărut ca provenind de la aceeași persoană. „Cineva ar putea rămâne cu o impresie greșită”, a declarat Reid.
Înregistrările camerelor corporale nu sunt realizate în condiții de studio, iar confuzia este explicabilă, a adăugat ea. Nici persoanele prezente la fața locului nu pot distinge întotdeauna ușor vorbitorii. Departamentul de Poliție din Kansas City nu a răspuns imediat solicitării de comentarii privind concluziile studiului.
În final, înregistrările video sau AI-ul folosit pentru analizarea lor nu vor face automat activitatea poliției mai transparentă. Totuși, ele oferă un jurnal independent al evenimentelor și atrag atenția asupra unor secvențe care altfel ar putea trece neobservate. O înregistrare căutabilă le permite apărătorilor publici „să găsească cele două minute pe care le caută fără să parcurgă un fișier video de trei ore”, a declarat Logan Seacrest, cercetător la R Street Institute.
„Problema este că AI-ul introduce un strat de interpretare între înregistrare și document”, a spus el. Din cauza unui fenomen numit bias de automatizare, oamenii tind să acorde credit mașinii. De aceea, rolurile trebuie păstrate clare. „Gândiți-vă la AI ca la asistentul de investigație care pregătește dosarul. Oamenii decid ce înseamnă detaliile”, a explicat Solomon, director executiv al Justice & Security Strategies.
Reid a sugerat și verificarea a ceea ce rămâne în afara analizei, altfel acele intervenții ar putea să nu fie niciodată reexaminate. Nu doar cuvintele lipsă sunt o problemă. Detalii contextuale esențiale ar putea să nu facă parte deloc din transcriere, a observat Calli Schroeder, consilier senior la Electronic Privacy Information Center. Camera însăși capturează doar ce se află în fața ei, iar AI-ul care analizează înregistrarea are aceleași blind spot-uri sau chiar mai multe, a adăugat Solomon.
Seacrest a descris un incident din Florida care ilustrează clar problema: sunetul unei ghinde lovind o mașină de poliție a fost confundat cu un foc de armă, determinând un adjunct să se arunce la pământ, iar doi ofițeri au tras în vehiculul de poliție, unde un bărbat încătușat a scăpat miraculos nevătămat. Un videoclip din unghiul potrivit a rezolvat misterul.
„O transcriere sau un rezumat AI poate fi 98% corect, dar acel 2% poate schimba complet cine este vinovat și ce s-a întâmplat într-o intervenție”, a explicat Schroeder. Piza vede potențial în instrumente viitoare care ar putea depăși transcrierea audio și ar analiza și tipare video. „Cred că sunt un optimist foarte precaut în privința AI-ului și a activității poliției”, a spus el.
