Ваш город под алгоритмами: как системы видеонаблюдения с ИИ превращают его в цифровую сеть слежки

Обычные камеры наблюдения постепенно уходят в прошлое. На их место приходят сложные системы, которые не просто записывают видео, а анализируют происходящее с помощью искусственного интеллекта.

То, что раньше казалось элементом антиутопий, сегодня становится частью городской инфраструктуры. Современные камеры способны распознавать лица, фиксировать номера автомобилей, анализировать поведение людей и даже прогнозировать потенциальные правонарушения.

Как устроены такие системы и почему государства активно внедряют их в городскую среду — разобрался исследователь Кшиштоф Шпак.

Осенью 2025 года жительница Денвера Крисанна Эльзер получила неожиданную судебную повестку. Полиция подозревала ее в краже посылки с чужого крыльца в соседнем городе.

Основным доказательством стали данные системы видеонаблюдения компании Flock Safety. Камеры зафиксировали автомобиль, который, по мнению правоохранителей, принадлежал Эльзер.

Подробности ей не раскрыли — полицейский лишь предложил оспаривать обвинение в суде.

«У нас установлены камеры по всему городу. От них ничего не ускользает», — заявил он.

Эльзер была уверена в своей невиновности и начала собственное расследование. В день предполагаемого преступления она действительно находилась неподалеку — ездила к портному. Но к посылке, по ее словам, отношения не имела.

Женщина собрала доказательства:

После многочисленных попыток передать эти материалы полиции она написала напрямую начальнику управления. Вскоре дело закрыли, а повестку аннулировали.

Камеры наблюдения появились в городах десятилетия назад. Однако их возможности долгое время были весьма ограниченными.

Классическая система CCTV представляла собой замкнутую сеть камер, изображение с которых выводилось на несколько мониторов. За ними обычно наблюдал сотрудник службы безопасности.

Такие системы начали активно тестировать еще в середине XX века.

Например, в 1960 году британская полиция установила камеры на Трафальгарской площади во время визита королевской семьи Таиланда. Изображение передавалось в фургон с мониторами, стоявший неподалеку.

Эксперимент выявил технические проблемы и вызвал бурную общественную дискуссию.

К 1990-м камеры уже стали обычной частью городской инфраструктуры. В это же время начали внедрять системы автоматического распознавания номерных знаков автомобилей.

С развитием вычислительной техники и интернета система наблюдения изменилась радикально.

Современная камера — это фактически мини-компьютер со своим процессором, операционной системой, памятью и сетевыми интерфейсами.

Некоторые модели оснащаются специальными нейронными процессорами (NPU), которые позволяют анализировать видео прямо на устройстве.

Такие камеры способны:

Все данные отправляются в централизованные базы, где алгоритмы формируют аналитические отчеты.

Отдельная камера — лишь часть инфраструктуры. Настоящая мощь современных систем проявляется, когда данные объединяются.

Компания Flock Safety, например, развивает платформу Nova — систему, которая объединяет информацию из различных источников:

На основе этих данных можно строить цифровые профили людей: отслеживать маршруты, привычки и связи.

Алгоритмы анализируют массивы информации и сигнализируют операторам о подозрительных событиях.

По заявлениям компании, это позволяет раскрывать преступления значительно быстрее. Критики же считают подобные системы угрозой для приватности.

Не все готовы мириться с тотальным наблюдением. Поэтому появилось целое направление исследований и экспериментов, направленных на обход систем распознавания.

Одним из известных проектов стал Reflectacles — очки со специальными отражателями, которые засвечивают инфракрасную подсветку камер и мешают распознаванию лица.

Другой подход предложил художник и исследователь Адам Харви. Его проект CV Dazzle использует асимметричный макияж и необычные прически, чтобы сбить алгоритмы распознавания лиц.

Метод основан на том, что ранние алгоритмы искали определенные симметричные черты лица — например положение глаз и тени под носом.

Однако современные нейросетевые системы распознавания постепенно научились обходить подобные уловки.

Еще один риск для интеллектуальных камер — кибератаки.

Поскольку такие устройства подключены к интернету, они могут иметь уязвимости.

За последние годы исследователи обнаружили ряд серьезных проблем безопасности:

В 2025 году специалисты также обнаружили десятки камер Flock Safety, к которым можно было подключиться без логина и пароля.

Через открытые интерфейсы можно было смотреть трансляции, скачивать архивные записи и менять настройки.

Компания объяснила инцидент ошибкой конфигурации и заявила, что проблему быстро устранили.

Одной из главных проблем таких систем является не только технология, но и человеческий фактор.

Люди склонны доверять автоматическим системам больше, чем следует. Это известное когнитивное искажение.

Если алгоритм указал на подозреваемого, оператор может воспринимать это как почти доказанный факт.

Подобная ситуация и произошла в истории с Крисанной Эльзер.

Даже идеально работающая система может стать инструментом давления, если используется без должного контроля.

Интеллектуальные системы видеонаблюдения уже стали частью инфраструктуры многих мегаполисов.

Их возможности продолжают расширяться — от распознавания лиц до прогнозирования преступлений.

Однако вместе с ростом технологий возникает и другой вопрос: где проходит граница между безопасностью и тотальным контролем.

Очевидно одно: полностью избежать наблюдения в цифровых городах уже практически невозможно.

Поэтому главный вызов сегодня — не борьба с технологиями, а создание правил, которые позволят использовать их без угрозы для гражданских свобод.