Menneskerettighetsaktivister ønsker å bruke kunstig intelligens for å bevise krigsforbrytelser i retten

Vframe

I 2015, skremt av en eskalerende borgerkrig i Jemen, ledet Saudi-Arabia en luftkampanje mot landet for å beseire det det anså som en truende fremvekst av sjiamakten. Intervensjonen, som ble satt i gang med åtte andre stort sett sunni-arabiske stater, var ment å vare bare noen få uker, sa saudiske tjenestemenn. Nesten fem år senere har det fortsatt ikke stoppet.

Etter noen anslag har koalisjonen siden utført over 20 000 luftangrep, hvorav mange har drept jemenittiske sivile og ødelagt eiendommen deres, angivelig i direkte brudd på folkeretten. Menneskerettighetsorganisasjoner har siden forsøkt å dokumentere slike krigsforbrytelser i et forsøk på å stoppe dem gjennom juridiske utfordringer. Men gullstandarden, verifisering på bakken av journalister og aktivister, er ofte for farlig til å være mulig. I stedet har organisasjoner i økende grad henvendt seg til crowdsourcede mobilbilder og -videoer for å forstå konflikten, og har begynt å sende dem inn for retten for å supplere øyenvitnebevis.

Men etter hvert som digital dokumentasjon av krigsscener har spredt seg, har tiden det tar å analysere den eksplodert. De urovekkende bildene kan også traumatisere etterforskerne som må gre gjennom og se opptakene. Nå et initiativ som snart vil skape en utfordring i det britiske rettssystemet prøver et maskinlæringsalternativ. Det kan modellere en måte å gjøre crowdsourcet bevis mer tilgjengelig og hjelpe menneskerettighetsorganisasjoner med å utnytte rikere informasjonskilder.

Initiativet, ledet av Swansea University i Storbritannia sammen med en rekke menneskerettighetsgrupper, er en del av en pågående innsats for å overvåke de angivelige krigsforbrytelsene som skjer i Jemen og skape større juridisk ansvarlighet rundt dem. I 2017 begynte plattformen Yemeni Archive å kompilere en database av videoer og bilder som dokumenterer overgrepene. Innhold ble samlet inn fra tusenvis av kilder – inkludert bidrag fra journalister og sivile, samt åpen kildekode-videoer fra sosiale medieplattformer som YouTube og Facebook – og bevart på en blokkjede slik at de ikke kunne tukles med uoppdaget.

Sammen med Global Legal Action Network (GLAN), en ideell organisasjon som lovlig utfordrer stater og andre mektige aktører for menneskerettighetsbrudd, begynte etterforskerne deretter å samle bevis for spesifikke menneskerettighetsbrudd til en egen database og montering av rettssaker i ulike nasjonale og internasjonale domstoler. Hvis ting kommer gjennom rettssalsansvarsprosesser, er det ikke nok å vise at dette skjedde, sier Yvonne McDermott Rees, professor ved Swansea University og initiativets leder. Du må si: «Vel, det er derfor det er en krigsforbrytelse.» Det kan være «Du har brukt et våpen som er ulovlig», eller i tilfelle et luftangrep, «Dette målrettet sivile» eller «Dette var en uforholdsmessig angrep.'

En 3D-gjengivelse av en BLU-63.

VFRAME

I dette tilfellet fokuserer partnerne på en amerikansk-produsert klaseammunisjon, BLU-63. Bruk og salg av klaseammunisjon, eksplosive våpen som sprayer ut mindre eksplosiver ved sammenstøt, er forbudt av 108 land, inkludert Storbritannia. Hvis partnerne kunne bevise i en britisk domstol at de faktisk hadde blitt brukt til å begå krigsforbrytelser, kan det brukes som en del av bevis på at den saudi-ledede koalisjonen har en merittliste for brudd på folkeretten, og gjøre en sak for Storbritannia for å slutte å selge våpen til Saudi-Arabia eller reise tiltale mot personer involvert i salget.

Så de bestemte seg for å utvikle et maskinlæringssystem for å oppdage alle forekomster av BLU-63 i databasen. Men bilder av BLU-63-er er sjeldne nettopp fordi de er ulovlige, noe som etterlot teamet med lite data fra den virkelige verden for å trene opp systemet sitt. Som et middel skapte teamet et syntetisk datasett ved å rekonstruere 3D-modeller av BLU-63 i en simulering.

Ved å bruke de få tidligere eksemplene de hadde, inkludert et bilde av ammunisjonen som er bevart av Imperial War Museum, jobbet partnerne med Adam Harvey, en datasynsforsker, for å lage rekonstruksjonene. Startet med en basismodell, la Harvey til fotorealistisk teksturering, forskjellige typer skader og forskjellige dekaler. Deretter gjengav han resultatene under forskjellige lysforhold og i forskjellige miljøer for å lage hundrevis av stillbilder som etterligner hvordan ammunisjonen kan bli funnet i naturen. Han opprettet også syntetiske data om ting som kan forveksles med ammunisjon, for eksempel en grønn baseball, for å senke den falske positive raten.

Mens Harvey fortsatt er i ferd med å generere flere treningseksempler – han anslår at han vil trenge over 2000 – fungerer det eksisterende systemet allerede godt: over 90 % av videoene og bildene det henter fra databasen har blitt bekreftet av menneskelige eksperter til å inneholde BLU -63s. Han lager nå et mer realistisk valideringsdatasett ved å 3D-printe og male modeller av ammunisjonen for å se ut som en ekte vare, og deretter videota opp og fotografere dem for å se hvor godt deteksjonssystemet hans yter. Når systemet er ferdig testet, planlegger teamet å kjøre det gjennom hele Yemeni-arkivet, som inneholder 5,9 milliarder videobilder. Etter Harveys estimat ville en person ta 2750 dager 24 timer i døgnet for å finne så mye informasjon. Derimot ville maskinlæringssystemet ta omtrent 30 dager på et vanlig skrivebord.

Det virkelige bildet vist i analysen øverst i artikkelen.

VFRAME

Menneskelige eksperter vil fortsatt trenge å verifisere opptakene etter at systemet filtrerer det, men effektivitetsgevinsten endrer spillet for menneskerettighetsorganisasjoner som ønsker å møte utfordringer i retten. Det er ikke uvanlig at disse organisasjonene lagrer enorme mengder video fra øyenvitner. Amnesty International har for eksempel i størrelsesorden 1 terabyte med opptak som dokumenterer mulige brudd i Myanmar, sier McDermott Rees. Maskinlæringsteknikker kan tillate dem å gjennomsøke disse arkivene og demonstrere mønsteret av menneskerettighetsbrudd i en tidligere umulig skala, noe som gjør det langt vanskeligere for domstolene å nekte bevisene.

Når du for eksempel ser på målrettingen av sykehus, er det sterkt å ha én video som viser et sykehus som er målrettet; det gjør en sak, sier Jeff Deutch, hovedforskeren ved Syrian Archive, en menneskerettighetsgruppe som er ansvarlig for lanseringen av Yemeni Archive. Men hvis du kan vise hundrevis av videoer av hundrevis av hendelser med sykehus som er målrettet, kan du se at dette virkelig er en bevisst krigsstrategi. Når ting blir sett på som bevisst, blir det mer mulig å identifisere hensikt. Og intensjon kan være noe nyttig for rettssaker når det gjelder ansvarlighet for krigsforbrytelser.

Mens Jemen-samarbeidspartnerne forbereder seg på å sende inn sin sak, vil bevis i denne skalaen være spesielt relevante. Den saudisk-ledede luftangrepskoalisjonen har allerede nektet skyld i tidligere anklager om krigsforbrytelser, som den britiske regjeringen anerkjenner som den offisielle rekorden. En domstol i Storbritannia også henlagt en tidligere sak at en annen organisasjon sendte inn for å stoppe regjeringen fra å selge våpen til Saudi-Arabia, fordi den anså åpen kildekode-videobeviset som ikke tilstrekkelig overbevisende. Selv om en annen domstol senere gikk tilbake på noen av disse kritikkene etter anke, håper samarbeidspartnerne at den større mengde bevis vil unngå enhver strid denne gangen. Saker som bruker åpen kildekode-videoer i en syrisk kontekst har tidligere resultert i domfellelser, sier McDermott Rees.

Dette initiativet er ikke det første som bruker maskinlæring for å filtrere bevis i en menneskerettighetskontekst. E-lampesystemet fra Carnegie Mellon University, en videoanalyseverktøykasse for menneskerettighetsarbeid, ble utviklet for å analysere arkivene fra Syria-krigen. Harvey har også tidligere jobbet med noen av sine nåværende samarbeidspartnere for å identifisere ammunisjon som brukes i Syria. Yemen-innsatsen vil imidlertid være en av de første som blir involvert i en rettssak. Det kan danne presedens for andre menneskerettighetsorganisasjoner.

Selv om dette er et fremvoksende felt, er det en enorm mulighet, sier Sam Gregory, programdirektøren for human rights nonprofit Witness og leder av Partnership on AIs arbeidsgruppe for sosial og samfunnsmessig påvirkning. [Det handler] også om å utjevne konkurransevilkårene for tilgang til AI og bruk av AI for å gjøre både øyenvitnebevis og opptak fra gjerningsmannen til rettferdighet.

Rettelser: BLU-63 er produsert av USA, ikke Storbritannia. Den tidligere saken som ble avvist av den britiske domstolen ble også anlagt av en annen organisasjon, ikke GLAN. Jeff Deutch fant ikke direkte Yemeni Archive, men er hovedforsker ved Syrian Archive, som grunnla Yemeni Archive.

gjemme seg