Europejski arsena\u0142 zaawansowanych technologii granicznych jest cz\u0119sto opisywany jako futurystyczna opowie\u015b\u0107 o \u015bwietle, szybko\u015bci i mocy obliczeniowej. Systemy identyfikacji, takie jak baza danych Eurodac, przechowuj\u0105, przetwarzaj\u0105 i por\u00f3wnuj\u0105 zdigitalizowane odciski palc\u00f3w migrant\u00f3w za pomoc\u0105 \u015bwiat\u0142a bliskiej podczerwieni, kabli \u015bwiat\u0142owodowych i scentralizowanych serwer\u00f3w. Drony patroluj\u0105 niebo za pomoc\u0105 nieo\u015blepiaj\u0105cych czujnik\u00f3w optycznych. Du\u017ce ilo\u015bci danych s\u0105 przekazywane do program\u00f3w komputerowych, kt\u00f3re przewiduj\u0105 kolejny wzrost liczby przyjazd\u00f3w.<\/p>\n\n
Wiadomo\u015bci<\/a> i raporty organizacji pozarz\u0105dowych<\/a> koncentruj\u0105 si\u0119 na zaawansowanym technologicznie charakterze europejskich granic. Ka\u017cdy z nich wskazuje, w jaki spos\u00f3b zdalne formy nadzoru, odstraszania i kontroli w coraz wi\u0119kszym stopniu uzupe\u0142niaj\u0105, a w niekt\u00f3rych przypadkach zast\u0119puj\u0105 fortyfikacje graniczne. Podczas gdy tego rodzaju badania i rzecznictwo s\u0105 niezb\u0119dne do poci\u0105gni\u0119cia UE i tw\u00f3rc\u00f3w technologii do odpowiedzialno\u015bci za ich rol\u0119 w kierowaniu os\u00f3b ubiegaj\u0105cych si\u0119 o azyl na \u015bmiertelne szlaki migracyjne<\/a>, pomijaj\u0105 one d\u0142ug\u0105 histori\u0119 tych technologii i ich ugruntowan\u0105 rol\u0119 w zachodnich aparatach zarz\u0105dzania. Grozi to nie tylko zwi\u0119kszeniem „szumu zwi\u0105zanego ze sztuczn\u0105 inteligencj\u0105<\/a>” w\u015br\u00f3d decydent\u00f3w i deweloper\u00f3w, kt\u00f3rzy chwal\u0105 te narz\u0119dzia jako \u015brodek zar\u00f3wno do tworzenia „inteligentniejszych” granic, jak i do ochrony praw cz\u0142owieka migrant\u00f3w<\/a>. Co wa\u017cniejsze, ten rodzaj historycznej amnezji mo\u017ce r\u00f3wnie\u017c b\u0142\u0119dnie odczytywa\u0107 przemoc i wykluczenia wprowadzane przez te technologie jako techniczn\u0105 kwesti\u0119 „stronniczo\u015bci”, kt\u00f3r\u0105 mo\u017cna \u0142atwo skorygowa\u0107 za pomoc\u0105 dok\u0142adniejszych pomiar\u00f3w lub wi\u0119kszych zbior\u00f3w danych. Zamiast tego wiele szk\u00f3d wyrz\u0105dzonych przez te technologie nale\u017cy rozumie\u0107 jako nieod\u0142\u0105czne elementy ich projektu.<\/p>\n\n Wdra\u017canie zaawansowanych technologii do kontrolowania ludzkiej mobilno\u015bci nie jest niczym nowym. Wyobra\u017a sobie miejski europejski posterunek policji pod koniec XIX wieku. Gdyby gmina zastosowa\u0142a najnowsz\u0105 technologi\u0119 identyfikacji, podejrzani zostaliby poddani z\u0142o\u017conemu procesowi pomiaru. Dokonywanie pomiar\u00f3w by\u0142o precyzyjnym i wysoce wyspecjalizowanym procesem, wymagaj\u0105cym wykwalifikowanego i przeszkolonego technika.<\/p>\n\n Poni\u017csze instrukcje dotycz\u0105 pomiaru ucha<\/a>:<\/p>\n\n Operator opiera nieruchom\u0105 szcz\u0119k\u0119 instrumentu o g\u00f3rn\u0105 kraw\u0119d\u017a ucha i unieruchamia j\u0105, naciskaj\u0105c lewym kciukiem do\u015b\u0107 mocno na g\u00f3rny koniec szcz\u0119ki instrumentu, a pozosta\u0142e palce d\u0142oni spoczywaj\u0105 na g\u00f3rnej cz\u0119\u015bci czaszki. Z trzpieniem suwmiarki r\u00f3wnoleg\u0142ym do osi ucha, delikatnie popycha ruchom\u0105 szcz\u0119k\u0119, a\u017c dotknie dolnego ko\u0144ca p\u0142atka ucha, a przed odczytaniem wskazanej liczby upewnia si\u0119, \u017ce pinna [external part of the ear] nie jest w \u017caden spos\u00f3b wci\u015bni\u0119ta przez \u017cadn\u0105 ze szcz\u0119k.1<\/a><\/p>\n<\/blockquote>\n\n Proces ten mo\u017ce brzmie\u0107 jak osobliwy, cho\u0107 nieco ciekawy relikt Fin de Si\u00e8cle, ale wcale tak nie jest. Bertillonage, system pomiaru, klasyfikacji i archiwizacji do identyfikacji przest\u0119pc\u00f3w opracowany w latach 70. XIX wieku przez tytu\u0142owego francuskiego urz\u0119dnika policyjnego, by\u0142 kamieniem milowym w historii technologii nadzoru i identyfikacji. Co ciekawe, jego kluczowe za\u0142o\u017cenia do dzi\u015b le\u017c\u0105 u podstaw technologii identyfikacji, od bazy danych po biometri\u0119 i uczenie maszynowe.<\/p>\n\n Istnieje \u015bcis\u0142y i historycznie ugruntowany zwi\u0105zek mi\u0119dzy obawami zwi\u0105zanymi z niekontrolowanym obiegiem r\u00f3\u017cnych „niepo\u017c\u0105danych” substancji a innowacjami technologicznymi. Dziewi\u0119tnastowieczne techniki, opracowane i udoskonalone w celu rozwi\u0105zania problem\u00f3w zwi\u0105zanych z w\u0142\u00f3cz\u0119gostwem, zarz\u0105dzaniem kolonialnym, dewiacj\u0105, szale\u0144stwem i przest\u0119pczo\u015bci\u0105, stanowi\u0105 podstaw\u0119 dzisiejszego zaawansowanego technologicznie aparatu nadzoru granic. Techniki te obejmuj\u0105 kwantyfikacj\u0119, kt\u00f3ra renderuje ludzkie cia\u0142o jako kod, klasyfikacj\u0119 oraz nowoczesne metody indeksowania i archiwizacji.<\/p>\n\n Inteligentne systemy graniczne wykorzystuj\u0105 zaawansowane technologie do tworzenia „nowoczesnych, skutecznych i wydajnych<\/a>” granic. W tym kontek\u015bcie zaawansowane technologie s\u0105 cz\u0119sto przedstawiane jako przek\u0142adaj\u0105ce procesy graniczne, takie jak identyfikacja, rejestracja i kontrola mobilno\u015bci, na czysto techniczn\u0105 procedur\u0119, czyni\u0105c tym samym proces bardziej sprawiedliwym i mniej podatnym na ludzk\u0105 zawodno\u015b\u0107. Algorytmiczna precyzja jest scharakteryzowana jako \u015brodek unikania nieetycznych uprzedze\u0144 politycznych i korygowania b\u0142\u0119d\u00f3w ludzkich.<\/p>\n\n Jako badacz technonaukowych podstaw zaawansowanego technologicznie aparatu granicznegoUE2<\/a> dostrzegam zar\u00f3wno rosn\u0105c\u0105 elastyczno\u015b\u0107 wsp\u00f3\u0142czesnych praktyk granicznych, jak i historycznie ugruntowan\u0105 metodologi\u0119 ich narz\u0119dzi ipraktyk3<\/a>.<\/p>\n\n We\u017amy na przyk\u0142ad baz\u0119 danych Eurodac<\/a>, kamie\u0144 w\u0119gielny zarz\u0105dzania granicami UE. Utworzony w 2003 r. indeks przechowuje odciski palc\u00f3w os\u00f3b ubiegaj\u0105cych si\u0119 o azyl w ramach egzekwowania rozporz\u0105dzenia dubli\u0144skiego przy pierwszym wje\u017adzie.4<\/a> Pobieranie odcisk\u00f3w palc\u00f3w i rejestracja w interoperacyjnych bazach danych s\u0105 r\u00f3wnie\u017c g\u0142\u00f3wnymi narz\u0119dziami wykorzystywanymi w najnowszych podej\u015bciach do zarz\u0105dzania migracj\u0105, takich jak Hotspot Approach, gdzie przypisanie to\u017csamo\u015bci s\u0142u\u017cy jako \u015brodek do odfiltrowania migrant\u00f3w „zas\u0142uguj\u0105cych” od „niezas\u0142uguj\u0105cych”.5<\/a><\/p>\n\n Z biegiem lat zar\u00f3wno rodzaj danych przechowywanych w systemie Eurodac, jak i jego zastosowania uleg\u0142y rozszerzeniu: jego zakres zosta\u0142 poszerzony, aby s\u0142u\u017cy\u0107 „szerszym celom migracyjnym<\/a>„, przechowuj\u0105c dane nie tylko o osobach ubiegaj\u0105cych si\u0119 o azyl, ale tak\u017ce o nielegalnych migrantach w celu u\u0142atwienia ich deportacji. Niedawno przyj\u0119ta propozycja<\/a> doda\u0142a do pobierania odcisk\u00f3w palc\u00f3w obrazy twarzy i informacje biograficzne, w tym imi\u0119 i nazwisko, narodowo\u015b\u0107 i dane paszportowe. Ponadto, minimalny wiek migrant\u00f3w, kt\u00f3rych dane mog\u0105 by\u0107 przechowywane, zosta\u0142 obni\u017cony z czternastu do sze\u015bciu lat.<\/p>\n\n Od 2019 r. Eurodac jest „interoperacyjny<\/a>” z wieloma innymi bazami danych UE przechowuj\u0105cymi informacje o osobach poszukiwanych, rezydentach zagranicznych, posiadaczach wiz i innych osobach b\u0119d\u0105cych przedmiotem zainteresowania wymiaru sprawiedliwo\u015bci w sprawach karnych, administracji imigracyjnej i azylowej, skutecznie \u0142\u0105cz\u0105c wymiar sprawiedliwo\u015bci w sprawach karnych z migracj\u0105, jednocze\u015bnie znacznie rozszerzaj\u0105c dost\u0119p do tych danych. Eurodac odgrywa kluczow\u0105 rol\u0119 dla w\u0142adz europejskich, o czym \u015bwiadcz\u0105 wysi\u0142ki zmierzaj\u0105ce do osi\u0105gni\u0119cia „100% wska\u017anika pobierania odcisk\u00f3w palc\u00f3w”: Komisja Europejska naciska\u0142a na pa\u0144stwa cz\u0142onkowskie, aby rejestrowa\u0142y w bazie danych ka\u017cd\u0105 nowo przyby\u0142\u0105 osob\u0119, stosuj\u0105c w razie potrzeby przymus fizyczny i zatrzymanie<\/a>.<\/p>\n\n Podczas gdy pa\u0144stwa narodowe od wiek\u00f3w gromadz\u0105 dane o obywatelach do cel\u00f3w podatkowych i rekrutacji wojskowej, ich indeksowanie, organizacja w bazach danych i klasyfikacja do okre\u015blonych cel\u00f3w rz\u0105dowych – takich jak kontrolowanie mobilno\u015bci „niepo\u017c\u0105danych” populacji – jest dziewi\u0119tnastowiecznym wynalazkiem.6<\/a> Francuski historyk i filozof Michel Foucault opisuje, jak w kontek\u015bcie rosn\u0105cej urbanizacji i industrializacji pa\u0144stwa coraz bardziej zajmowa\u0142y si\u0119 kwesti\u0105 „cyrkulacji”. Osoby i towary, a tak\u017ce patogeny, kr\u0105\u017cy\u0142y dalej ni\u017c we wczesnym okresie nowo\u017cytnym.7<\/a> Chocia\u017c pa\u0144stwa nie stara\u0142y si\u0119 ca\u0142kowicie t\u0142umi\u0107 ani kontrolowa\u0107 tych przep\u0142yw\u00f3w, szuka\u0142y \u015brodk\u00f3w, aby zwi\u0119kszy\u0107 to, co postrzegano jako „pozytywny” obieg i zminimalizowa\u0107 „negatywny” obieg. W tym celu wykorzystali nowatorskie narz\u0119dzia pozytywistycznych nauk spo\u0142ecznych: w dziedzinie demografii zastosowano podej\u015bcia statystyczne do \u015bledzenia i regulowania zjawisk, takich jak narodziny, wypadki, choroby i zgony.8<\/a> Wy\u0142aniaj\u0105ce si\u0119 mened\u017cerskie pa\u0144stwo narodowe zaj\u0119\u0142o si\u0119 problemem cyrkulacji, opracowuj\u0105c bardzo szczeg\u00f3lny zestaw narz\u0119dzi gromadz\u0105cych szczeg\u00f3\u0142owe informacje o populacji oraz opracowuj\u0105c znormalizowane metody przechowywania i analizy.<\/p>\n\n Jednym ze szczeg\u00f3lnie dokuczliwych problem\u00f3w by\u0142 obieg znanych przest\u0119pc\u00f3w. W XIX wieku powszechnie uwa\u017cano, \u017ce je\u015bli kto\u015b raz obrazi\u0142, to obrazi ponownie. Jednak systemy dost\u0119pne do identyfikacji przest\u0119pc\u00f3w by\u0142y \u017ca\u0142o\u015bnie nieadekwatne do tego zadania.<\/p>\n\n Jak wyja\u015bnia kryminolog Simon Cole, identyfikacja nieznanej osoby wymaga „prawdziwie unikalnego znaku cia\u0142a”.9<\/a> Jednak przed pojawieniem si\u0119 nowoczesnych system\u00f3w identyfikacji istnia\u0142y tylko dwa sposoby, aby to zrobi\u0107: branding lub osobiste rozpoznanie. Podczas gdy znakowanie by\u0142o szeroko stosowane w Europie i Ameryce P\u00f3\u0142nocnej na skaza\u0144cach, wi\u0119\u017aniach i zniewolonych ludziach, ewoluuj\u0105ce idee dotycz\u0105ce przest\u0119pczo\u015bci i kary w du\u017cej mierze doprowadzi\u0142y do zniesienia fizycznego znakowania na pocz\u0105tku XIX wieku. W jego miejsce ustanowiono rejestr karny: pisemny dokument zawieraj\u0105cy imi\u0119 i nazwisko skazanego oraz pisemny opis jego osoby, w tym znaki identyfikacyjne i blizny.<\/p>\n\n Identyfikacja podejrzanego na podstawie samego opisu okaza\u0142a si\u0119 jednak trudna. System by\u0142 podatny na u\u017cywanie pseudonim\u00f3w i r\u00f3\u017cnych pisowni nazwisk: tylko osoba znana spo\u0142eczno\u015bci mog\u0142a zosta\u0107 zidentyfikowana z ca\u0142\u0105 pewno\u015bci\u0105. Wczesne systemy identyfikacji przest\u0119pc\u00f3w by\u0142y zasadniczo podatne na mobilno\u015b\u0107.10<\/a> W szczeg\u00f3lno\u015bci problemy te nadal prze\u015bladuj\u0105 wsp\u00f3\u0142czesne zarz\u0105dzanie migracj\u0105<\/a>, poniewa\u017c bazy danych cz\u0119sto zawieraj\u0105 wiele wpis\u00f3w dotycz\u0105cych tej samej osoby, wynikaj\u0105cych z r\u00f3\u017cnych transliteracji nazwisk z alfabetu arabskiego na rzymski.<\/p>\n\n Wynalezienie fotografii w latach czterdziestych XIX wieku w niewielkim stopniu przyczyni\u0142o si\u0119 do rozwi\u0105zania kwestii wiarygodno\u015bci identyfikacji kryminalnej. Zapis fotograficzny by\u0142 nie tylko nadal uzale\u017cniony od osobistego uznania, ale tak\u017ce podnosi\u0142 kwesti\u0119 archiwizacji. Rejestry karne przed Bertillonage by\u0142y przechowywane jako roczne kompendia przest\u0119pstw lub alfabetyczne listy przest\u0119pc\u00f3w. Podczas gdy zdj\u0119cia zapewnia\u0142y dok\u0142adniejsze odwzorowanie twarzy, nie by\u0142o sposobu, aby zarchiwizowa\u0107 je wed\u0142ug cech. Je\u015bli kto\u015b chcia\u0142 przeszuka\u0107 indeks w poszukiwaniu, powiedzmy, osoby z wydatnym podbr\u00f3dkiem, nie by\u0142o na to \u017cadnej procedury. Fotografie skazanych by\u0142y sortowane alfabetycznie wed\u0142ug nazwiska podanego przez przest\u0119pc\u0119, przez co cierpia\u0142y na t\u0119 sam\u0105 s\u0142abo\u015b\u0107, co inne systemy identyfikacji.<\/p>\n\n Alphonse Bertillon jako pierwszy rozwi\u0105za\u0142 ten problem, \u0142\u0105cz\u0105c systematyczne pomiary ludzkiego cia\u0142a z archiwizacj\u0105 i prowadzeniem dokumentacji. Kryminolog usprawni\u0142 wyszukiwanie rekord\u00f3w, sortuj\u0105c wpisy numerycznie, a nie alfabetycznie, tworz\u0105c system indeksowania oparty w ca\u0142o\u015bci na pomiarach antropomorficznych. Karty indeksowe zosta\u0142y uporz\u0105dkowane zgodnie z hierarchicznym systemem klasyfikacji, z informacjami najpierw podzielonymi wed\u0142ug p\u0142ci, nast\u0119pnie d\u0142ugo\u015bci g\u0142owy, szeroko\u015bci g\u0142owy, d\u0142ugo\u015bci \u015brodkowego palca i tak dalej. Ka\u017cdy zestaw pomiar\u00f3w zosta\u0142 podzielony na grupy w oparciu o statystyczn\u0105 ocen\u0119 ich rozk\u0142adu w populacji, a \u015brednie zosta\u0142y ustalone poprzez wykonanie pomiar\u00f3w od skazanych. Operator Bertillon przenosi\u0142 profil podejrzanego do archiwum i szuka\u0142 dopasowania poprzez proces eliminacji: najpierw wykluczaj\u0105c p\u0142e\u0107, kt\u00f3ra nie pasowa\u0142a, nast\u0119pnie d\u0142ugo\u015b\u0107 g\u0142owy, kt\u00f3ra nie pasowa\u0142a, i tak dalej. Je\u015bli znaleziono wst\u0119pne dopasowanie, zosta\u0142o ono potwierdzone w odniesieniu do \u015blad\u00f3w cielesnych r\u00f3wnie\u017c wymienionych na karcie. Wsz\u0119dzie tam, gdzie system ten zosta\u0142 wdro\u017cony, wska\u017aniki rozpoznawalno\u015bci „recydywist\u00f3w” wzros\u0142y; system Bertillona wkr\u00f3tce rozprzestrzeni\u0142 si\u0119 na ca\u0142y\u015bwiat11<\/a>.<\/p>\n\n Wraz z Bertillonem pojawi\u0142 si\u0119 kolejny znak rozpoznawczy wsp\u00f3\u0142czesnej technologii granic i nadzoru: kwantyfikacja lub to, co dzi\u015b znane jest jako „datafication”. Bertillon nie tylko mierzy\u0142 wzrost i d\u0142ugo\u015b\u0107 g\u0142owy wi\u0119\u017ani\u00f3w, ale tak\u017ce wynalaz\u0142 metod\u0119 t\u0142umaczenia charakterystycznych cech cia\u0142a na kod. Na przyk\u0142ad, je\u015bli wi\u0119zie\u0144 mia\u0142 blizn\u0119 na przedramieniu, poprzednie systemy identyfikacji przest\u0119pc\u00f3w po prostu odnotowa\u0142yby to w aktach. Natomiast Bertillon zmierzy\u0142 ich odleg\u0142o\u015b\u0107 od danego punktu odniesienia. Zosta\u0142y one nast\u0119pnie zapisane w ustandaryzowany spos\u00f3b przy u\u017cyciu idiomu skr\u00f3t\u00f3w i symboli, kt\u00f3re nada\u0142y tym opisom skr\u00f3con\u0105 form\u0119. Powsta\u0142y w ten spos\u00f3b portrait parl\u00e9, <\/em>czyli portret m\u00f3wiony, przepisywa\u0142 fizyczne cia\u0142o na „uniwersalny j\u0119zyk” „s\u0142\u00f3w, liczb i zakodowanych skr\u00f3t\u00f3w”.12<\/a> Po raz pierwszy w historii precyzyjny opis obiektu m\u00f3g\u0142 zosta\u0107 przes\u0142any telegraficznie.<\/p>\n\n T\u0142umaczenie cia\u0142a na kod nadal stanowi podstaw\u0119 wsp\u00f3\u0142czesnych metod identyfikacji biometrycznej. Systemy identyfikacji odcisk\u00f3w palc\u00f3w<\/a>, kt\u00f3re zosta\u0142y po raz pierwszy przetestowane i wdro\u017cone w kolonialnych Indiach, przekszta\u0142ci\u0142y wzory grzbiet\u00f3w brodawek w kod, kt\u00f3ry mo\u017cna by\u0142o nast\u0119pnie por\u00f3wna\u0107 z innymi kodami wygenerowanymi w ten sam spos\u00f3b. Technologia rozpoznawania<\/a> twarzy tworzy schematyczne reprezentacje twarzy i przypisuje im warto\u015bci liczbowe, umo\u017cliwiaj\u0105c w ten spos\u00f3b por\u00f3wnywanie i dopasowywanie. Inne formy identyfikacji biometrycznej, takie jak identyfikacja g\u0142osowa, skanowanie t\u0119cz\u00f3wki i rozpoznawanie chodu, opieraj\u0105 si\u0119 na tej samej zasadzie.<\/p>\n\n Opr\u00f3cz kwantyfikacji, klasyfikacja – kluczowy instrument generowania wiedzy i zarz\u0105dzania przez wieki – jest kolejnym znakiem rozpoznawczym nowoczesnych i wsp\u00f3\u0142czesnych technologii nadzoru i identyfikacji. Jak zauwa\u017cy\u0142o wielu badaczy, od Foucaulta13<\/a> po Zygmunta Baumana14<\/a> i Denise Ferreir\u0119 da Silv\u011915<\/a>, klasyfikacja jest g\u0142\u00f3wnym narz\u0119dziem europejskiego O\u015bwiecenia, czego najbardziej ikonicznym dowodem jest taksonomia Carla Linneusza. W swojej tabeli Linneusz nazwa\u0142, sklasyfikowa\u0142 i hierarchicznie uporz\u0105dkowa\u0142 \u015bwiat przyrody, od ro\u015blin przez owady po ludzi, dziel\u0105c i dziel\u0105c ka\u017cd\u0105 grup\u0119 wed\u0142ug wsp\u00f3lnych cech. Klasyfikacja i taksonomie s\u0105 powszechnie postrzegane jako wyraz fundamentalnych zmian epistemologicznych od teocentrycznej do racjonalistycznej epistemologii we wczesnej epoce nowo\u017cytnej, kt\u00f3re umo\u017cliwi\u0142y prze\u0142omy naukowe, ale by\u0142y r\u00f3wnie\u017c zwi\u0105zane z kolonizacj\u0105 izniewoleniem16.<\/a> W swojej ksi\u0105\u017cce na ten temat Geoffrey Bowker i Susan Leigh Star podkre\u015blaj\u0105 wykorzystanie klasyfikacji jako pot\u0119\u017cnego, ale cz\u0119sto nierozpoznanego instrumentu politycznego porz\u0105dkowania: „Politycznie i spo\u0142ecznie na\u0142adowane programy s\u0105 cz\u0119sto pocz\u0105tkowo przedstawiane jako czysto techniczne i trudno je nawet dostrzec. W miar\u0119 jak warstwy systemu klasyfikacji staj\u0105 si\u0119 cz\u0119\u015bci\u0105 dzia\u0142aj\u0105cej infrastruktury, pierwotna interwencja polityczna staje si\u0119 coraz mocniej zakorzeniona. W wielu przypadkach prowadzi to do naturalizacji kategorii politycznej poprzez proces konwergencji. Staje si\u0119 ona czym\u015b oczywistym”.17<\/a><\/p>\n\n Obecnie klasyfikacja ma kluczowe znaczenie dla uczenia maszynowego, poddziedziny sztucznej inteligencji zaprojektowanej w celu rozpoznawania wzorc\u00f3w w du\u017cych ilo\u015bciach danych. Pozwala to nie tylko kategoryzowa\u0107 ogromne ilo\u015bci informacji, ale tak\u017ce przewidywa\u0107 i klasyfikowa\u0107 nowe, wcze\u015bniej niewidoczne dane. Innymi s\u0142owy, stosuje wyuczon\u0105 wiedz\u0119 w nowych sytuacjach. Podczas gdy badania nad uczeniem maszynowym rozpocz\u0119\u0142y si\u0119 w po\u0142owie ubieg\u0142ego wieku, ostatnio zyska\u0142y one bezprecedensowe znaczenie dzi\u0119ki aplikacjom takim jak ChatGPT.<\/p>\n\n Uczenie maszynowe jest r\u00f3wnie\u017c coraz cz\u0119\u015bciej stosowane w pracy na granicy. Rzadko u\u017cywana jako samodzielna technologia, jest szeroko stosowana w istniej\u0105cych technologiach w celu rozszerzenia i przyspieszenia istniej\u0105cych od dawna form nadzoru, identyfikacji i sortowania. Na przyk\u0142ad algorytmiczne przewidywanie<\/a>, kt\u00f3re analizuje du\u017ce ilo\u015bci danych, w tym wzorce przemieszczania si\u0119, posty w mediach spo\u0142eczno\u015bciowych, konflikty polityczne, kl\u0119ski \u017cywio\u0142owe i inne, coraz cz\u0119\u015bciej zast\u0119puje statystyczne modelowanie migracji w celu tworzenia wykres\u00f3w wzorc\u00f3w migracyjnych. Komisja Europejska finansuje obecnie badania nad metodami algorytmicznymi<\/a>, kt\u00f3re rozszerzy\u0142yby istniej\u0105ce formy analizy ryzyka poprzez wykorzystanie szerszych \u017ar\u00f3de\u0142 danych w celu zidentyfikowania nowych form „ryzykownych” zachowa\u0144. Uczenie maszynowe jest r\u00f3wnie\u017c testowane lub wykorzystywane w „wykrywaczach k\u0142amstw” stra\u017cy granicznej<\/a>, rozpoznawaniu dialekt\u00f3w<\/a>, \u015bledzeniu i identyfikacji podejrzanych statk\u00f3w<\/a>, rozpoznawaniu twarzy na wewn\u0119trznych granicach UE<\/a> i analizie behawioralnej wi\u0119\u017ani\u00f3w w greckich obozach<\/a>. Jak pokazuje ten szeroki zakres zastosowa\u0144, wydaje si\u0119, \u017ce nie ma technologii granicznej wolnej od uczenia maszynowego, czy to wspomaganej analizy obrazu z dron\u00f3w, czy weryfikacji wniosk\u00f3w o azyl.<\/p>\n\n Klasyfikacja le\u017cy u podstaw uczenia maszynowego – a przynajmniej tego rodzaju uczenia maszynowego opartego na danych<\/a>, kt\u00f3re sta\u0142o si\u0119 dzi\u015b dominuj\u0105ce. Poszczeg\u00f3lne punkty danych s\u0105 organizowane w kategorie i podkategorie, a proces ten odbywa si\u0119 poprzez nadzorowane lub nienadzorowane uczenie si\u0119. W uczeniu nadzorowanym dane treningowe s\u0105 etykietowane zgodnie z wcze\u015bniej zdefiniowan\u0105 taksonomi\u0105. W praktyce oznacza to zwykle, \u017ce ludzie przypisuj\u0105 etykiety do danych, takich jak „pies” do obrazu tego psa. Model uczenia maszynowego uczy si\u0119 na podstawie tego etykietowanego zbioru danych, identyfikuj\u0105c wzorce, kt\u00f3re koreluj\u0105 z etykietami. W uczeniu bez nadzoru dane nie s\u0105 etykietowane przez ludzi. Zamiast tego algorytm niezale\u017cnie identyfikuje wzorce i struktury w danych. Innymi s\u0142owy, algorytm klasyfikuje dane, tworz\u0105c w\u0142asne klastry w oparciu o wzorce wyst\u0119puj\u0105ce w zbiorze danych. Tworzy w\u0142asn\u0105 taksonomi\u0119 kategorii, kt\u00f3re mog\u0105, ale nie musz\u0105 by\u0107 zgodne z systemami stworzonymi przez cz\u0142owieka.<\/p>\n\n Jak zauwa\u017ca Louise Amoore, badaczka sztucznej inteligencji i granic, tworzenie algorytmicznych klastr\u00f3w jako reprezentacji nieod\u0142\u0105cznych, „naturalnych” wzorc\u00f3w z danych jest „niezwykle pot\u0119\u017cn\u0105 propozycj\u0105 polityczn\u0105”, poniewa\u017c „oferuje obietnic\u0119 neutralnego, obiektywnego i wolnego od warto\u015bci tworzenia i graniczenia wsp\u00f3lnoty politycznej”.18<\/a> Koncepcja klastra algorytmicznego jako „naturalnej spo\u0142eczno\u015bci” obejmuje znacz\u0105cy ruch rasizuj\u0105cy: formy zachowania zwi\u0105zane z nielegaln\u0105 migracj\u0105 s\u0105 konsekwentnie oznaczane jako „ryzykowne”. Poniewa\u017c klastry te s\u0105 tworzone bez odniesienia do wcze\u015bniej zdefiniowanych kryteri\u00f3w, takich jak „klasyczne” zamienniki rasy, takie jak narodowo\u015b\u0107 lub religia, trudno jest je zakwestionowa\u0107 za pomoc\u0105 istniej\u0105cych poj\u0119\u0107, takich jak cechy chronione lub uprzedzenia.19<\/a> Na przyk\u0142ad migrant mo\u017ce zosta\u0107 zidentyfikowany jako zagro\u017cenie dla bezpiecze\u0144stwa przez algorytm uczenia maszynowego w oparciu o nieprzejrzyst\u0105 korelacj\u0119 mi\u0119dzy trasami podr\u00f3\u017cy, postami w mediach spo\u0142eczno\u015bciowych, sieciami osobistymi i zawodowymi oraz wzorcami pogodowymi.<\/p>\n\n Tworzenie kategorii zgodnie z nieod\u0142\u0105cznymi atrybutami jest echem innych dziewi\u0119tnastowiecznych praktyk, a mianowicie szeregu przedsi\u0119wzi\u0119\u0107 naukowych wykorzystuj\u0105cych pomiary i statystyki w celu zidentyfikowania prawid\u0142owo\u015bci i wzorc\u00f3w, kt\u00f3re wskazywa\u0142yby na zachowania przest\u0119pcze. Podobnie jak w przypadku nienadzorowanego uczenia maszynowego, dziedziny kraniometrii, frenologii i antropologii kryminalnej systematycznie gromadzi\u0142y dane o ludziach, aby zebra\u0107 wzorce, kt\u00f3re mo\u017cna by\u0142o posortowa\u0107 w kategorie przest\u0119pczo\u015bci.<\/p>\n\n Na przyk\u0142ad frenolodzy, tacy jak Franz Joseph Gall, \u0142\u0105czyli okre\u015blone cechy osobowo\u015bci z wyeksponowanymi obszarami czaszki. W pokrewnej dziedzinie fizjonomiki, postacie takie jak szwajcarski pastor Johann Kaspar Lavater podj\u0119\u0142y si\u0119 systematycznego badania rys\u00f3w twarzy jako przewodnika po zachowaniach przest\u0119pczych. Dzi\u0119ki rozwojowi fotografii, badania nad oznakami przest\u0119pczo\u015bci na twarzy zyska\u0142y na popularno\u015bci, a skaza\u0144cy i wi\u0119\u017aniowie przytu\u0142k\u00f3w byli wielokrotnie poddawani takim „badaniom”. Z\u0142o\u017cone fotografie Frances Galton, za\u0142o\u017cycielki ruchu eugenicznego i pionierki identyfikacji odcisk\u00f3w palc\u00f3w, s\u0105 tego przyk\u0142adem: zdj\u0119cia skaza\u0144c\u00f3w zosta\u0142y na\u0142o\u017cone na siebie, aby wyodr\u0119bni\u0107 prawid\u0142owo\u015bci jako fizyczne markeryprzest\u0119pczo\u015bci20<\/a>.<\/p>\n\n Antropologia kryminalna po\u0142\u0105czy\u0142a te podej\u015bcia w sp\u00f3jn\u0105 pr\u00f3b\u0119 poddania cia\u0142a przest\u0119pcy naukowej analizie. Pod przewodnictwem w\u0142oskiego psychiatry i antropologa Cesare Lombroso, antropolodzy kryminalni u\u017cywali szerokiej gamy antropomorficznych narz\u0119dzi pomiarowych, od precyzyjnych pomiar\u00f3w ko\u0144czyn Bertillona po kraniometryczne pomiary czaszki, mapowanie rys\u00f3w twarzy i odnotowywanie charakterystycznych znak\u00f3w, takich jak blizny i tatua\u017ce. Na tej podstawie wyliczyli list\u0119 tak zwanych „stygmat\u00f3w” lub fizycznych prawid\u0142owo\u015bci wyst\u0119puj\u0105cych w ciele „urodzonego przest\u0119pcy”. Chocia\u017c koncepcja ta jest dzi\u015b powszechnie dyskredytowana, podstawowa metoda klasyfikacji oparta na charakterystyce danych masowych nadal istnieje.<\/p>\n\n Zaufanie wnioskom wyci\u0105gni\u0119tym z ilo\u015bciowej analizy rys\u00f3w twarzy pozostaje silnym powabem. W artykule<\/a> z 2016 roku twierdzono, \u017ce uda\u0142o si\u0119 wyszkoli\u0107 algorytm g\u0142\u0119bokiej sieci neuronowej do przewidywania przest\u0119pczo\u015bci na podstawie zdj\u0119\u0107 g\u0142owy z prawa jazdy, podczas gdy badanie z 2018<\/a> roku zawiera\u0142o podobne twierdzenia dotycz\u0105ce odczytywania orientacji seksualnej ze zdj\u0119\u0107 na portalach randkowych.<\/p>\n\n Podczas krytycznego anga\u017cowania si\u0119 w te systemy konieczne jest zachowanie \u015bwiadomo\u015bci szerszego projektu politycznego, kt\u00f3ry maj\u0105 one wspiera\u0107. Jak pisze Kate Crawford, badaczka sztucznej inteligencji: „Powi\u0105zanie morfologii czaszki z inteligencj\u0105 i roszczeniami do praw stanowi techniczne alibi dla kolonializmu i niewolnictwa. Podczas gdy istnieje tendencja do skupiania si\u0119 na b\u0142\u0119dach w pomiarach czaszki i sposobach ich korygowania, znacznie wi\u0119kszym b\u0142\u0119dem jest le\u017c\u0105cy u podstaw \u015bwiatopogl\u0105d, kt\u00f3ry o\u017cywi\u0142 t\u0119 metodologi\u0119. Celem nie powinno by\u0107 zatem wzywanie do dok\u0142adniejszych lub „uczciwych” pomiar\u00f3w czaszki w celu wzmocnienia rasistowskich modeli inteligencji, ale ca\u0142kowite pot\u0119pienie tego podej\u015bcia”.21<\/a> Innymi s\u0142owy, techniki klasyfikacji i kwantyfikacji nie mog\u0105 by\u0107 oderwane od kontekst\u00f3w spo\u0142eczno-politycznych, kt\u00f3re maj\u0105 weryfikowa\u0107 i za kt\u00f3re maj\u0105 r\u0119czy\u0107. M\u00f3wi\u0105c s\u0142owami badacza stosunk\u00f3w mi\u0119dzynarodowych Roberta Coxa, klasyfikacja i kwantyfikacja s\u0105 zawsze dla kogo\u015b i w jakim\u015bcelu22.<\/a><\/p>\n\n Jednak, jak ostrzega Helga Nowotny, badaczka zajmuj\u0105ca si\u0119 nauk\u0105 i technologi\u0105, je\u015bli „ufamy” wynikom algorytmicznego przewidywania jako zasadniczo prawdziwym, \u017ale rozumiemy logik\u0119 g\u0142\u0119bokich sieci neuronowych. Sieci te „mog\u0105 jedynie wykrywa\u0107 prawid\u0142owo\u015bci i identyfikowa\u0107 wzorce w oparciu o dane pochodz\u0105ce z przesz\u0142o\u015bci. \u017badne rozumowanie przyczynowe nie jest zaanga\u017cowane, ani sztuczna inteligencja nie udaje, \u017ce tak jest. „23<\/a><\/p>\n\n Chocia\u017c maszyny te mog\u0105 tworzy\u0107 „praktyczne i wymierne prognozy”, nie maj\u0105 poczucia przyczyny i skutku – kr\u00f3tko m\u00f3wi\u0105c, nie maj\u0105 „zrozumienia” w ludzkim sensie.24<\/a> Co wi\u0119cej, nadmierne poleganie na algorytmach popycha nas w kierunku determinizmu, dostosowuj\u0105c nasze zachowanie do przewidywa\u0144 maszyn zamiast alternatywnych \u015bcie\u017cek. Jest to problem w kulturach politycznych opartych na odpowiedzialno\u015bci. Je\u015bli chcemy uczy\u0107 si\u0119 na podstawie przesz\u0142o\u015bci, aby budowa\u0107 lepsz\u0105 przysz\u0142o\u015b\u0107, nie mo\u017cemy polega\u0107 na predykcyjnych wynikach modelu uczenia maszynowego.<\/p>\n\n Opr\u00f3cz wsp\u00f3lnego i ci\u0105g\u0142ego polegania na kwantyfikacji i klasyfikacji istnieje wiele w\u0105tk\u00f3w, kt\u00f3re mo\u017cna wykorzysta\u0107 do zbadania spl\u0105tanej historii technologii nadzoru i identyfikacji od XIX wieku do chwili obecnej. Zmarginalizowane, nadwy\u017ckowe populacje, takie jak skaza\u0144cy i osoby skolonizowane, by\u0142y od dawna wykorzystywane jako „technologiczne poligony do\u015bwiadczalne<\/a>” do doskonalenia system\u00f3w klasyfikacji i trenowania algorytm\u00f3w. Strach przed niekontrolowan\u0105 mobilno\u015bci\u0105 ludzi jest nadal wykorzystywany jako si\u0142a nap\u0119dowa bada\u0144 i rozwoju, a technologia z kolei jest wykorzystywana do rozwi\u0105zywania problem\u00f3w, kt\u00f3re sama stworzy\u0142a. A pozytywistyczne metody nauk spo\u0142ecznych pozostaj\u0105 instrumentalne w zadaniu przek\u0142adania rycz\u0105cych mnogo\u015bci na schludne, liczbowe warto\u015bci.<\/p>\n\n Zamiast nabiera\u0107 si\u0119 na szum zwi\u0105zany ze sztuczn\u0105 inteligencj\u0105, mo\u017cemy zamiast tego nastawi\u0107 si\u0119 na poczucie d\u00e9j\u00e0-vu: niepokoj\u0105ce uczucie, \u017ce ju\u017c to wszystko widzieli\u015bmy. W ten spos\u00f3b mo\u017cemy lepiej oprze\u0107 si\u0119 fantastycznym twierdzeniom korporacji i podmiot\u00f3w granicznych i zacz\u0105\u0107 oddziela\u0107 technologie od globalnych projekt\u00f3w dominacji.<\/p>\n\n – Laura Jung<\/a><\/p>\n\n Niniejszy artyku\u0142 opiera si\u0119 na badaniach przeprowadzonych w ramach projektu <\/em>\n „Elastyczne granice: Ponowne przemy\u015blenie granic XXI wieku<\/em>\n<\/a> realizowanego na Uniwersytecie w Grazu, finansowanego przez fundacj\u0119 NOMIS.<\/em><\/p>\n\n 1<\/a> 2<\/a> 3<\/a> 4<\/a> 5<\/a> 6<\/a> 7<\/a> 8<\/a> 9<\/a> 10<\/a> 11<\/a> 12<\/a> 13<\/a> 14<\/a> 15<\/a> 16<\/a> 17<\/a> 18<\/a> 19<\/a> 20<\/a> 21<\/a> 22<\/a> Katalog identyfikacji<\/h4>\n\n
\n
Nowoczesna rejestracja inwazyjna<\/h4>\n\n
Oznaczanie przest\u0119pczo\u015bci<\/h4>\n\n
Przodek Datafication<\/h4>\n\n
Od taksonomii do uczenia maszynowego<\/h4>\n\n
Domniemany typ przest\u0119pcy<\/h4>\n\n
AI d\u00e9j\u00e0-vu<\/h4>\n\n
A. Bertillon, Instructons signal\u00e9tiques<\/em>, Melun, 1893, plate 16, p. 262.<\/code><\/p>\n\nI am part of a team of researchers at the NOMIS-funded Elastic Borders project<\/a>, University of Graz, Austria.<\/code><\/p>\n\nSee also: M. Maguire, \u2018Biopower, Racialization and New Security Technology\u2019, Social Identities<\/em>, Vol. 18, No.5, 2012, pp. 593-607; K. Donnelly, \u2018We Have Always Been Biased: Measuring the human body from anthropometry to the computational social sciences\u2019, Public<\/em>, Vol. 30, No. 60, 2020, pp. 20-33; A. Valdivia and M. Tazzioli, \u2018Genealogies beyond Algorithmic Fairness: Making up racialized subjects\u2019, in Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency<\/em>, FAccT \u201923, Association for Computing Machinery, 2023, pp. 840-50.<\/code><\/p>\n\nIf prints were taken in Greece, but the asylum seeker was later apprehended in Germany, they could face removal to Greece for processing their application.<\/code><\/p>\n\nB. Ayata, K. Cupers, C. Pagano, A. Fyssa and D. Alaa, The Implementation of the EU Hotspot Approach in Greece and Italy: A comparative and interdisciplinary analysis (working paper)<\/em>, Swiss Network for International Studies, 2021, p. 36.<\/code><\/p>\n\nJ.B. Rule, Private Lives and Public Surveillance<\/em>, Allen Lane, 1973.<\/code><\/p>\n\nIbid., p. 91.<\/code><\/p>\n\nM. Foucault, Society Must be Defended. Lectures at the Coll\u00e8ge de France, 1975-76<\/em>, trans. D. Macey, Picador, 2003, p. 244.<\/code><\/p>\n\nS. A. Cole, Suspect identities: A history of fingerprinting and criminal identification<\/em>, Harvard University Press, 2001, p.12.<\/code><\/p>\n\nIbid., pp. 18-9.<\/code><\/p>\n\nIbid., pp. 34-45.<\/code><\/p>\n\nIbid., p.48.<\/code><\/p>\n\nM. Foucault, The Order of Things<\/em>. Routledge, 1975.<\/code><\/p>\n\nZ. Bauman, Modernity and the Holocaust<\/em>, Blackwell Publishers, 1989.<\/code><\/p>\n\nD. Ferreira da Silva, Toward a Global Idea of Race,<\/em> University of Minnesota Press, 2007.<\/code><\/p>\n\nS. Wynter, \u2018Unsettling the coloniality of being\/power\/truth\/freedom: Towards the human, after man, its overrepresentation \u2013 an argument\u2019, CR: The New Centennial Review<\/em>, <\/em>Vol. 3, No. 3, 2003, pp. 257-337.<\/code><\/p>\n\nG. C. Bowker and S. L. Star, Sorting things out: Classification and its consequences<\/em>, MIT press, 2000, p. 196.<\/code><\/p>\n\nL. Amoore, \u2018The deep border\u2019, Political Geography<\/em>, 2001, 102547.<\/code><\/p>\n\nIbid.<\/code><\/p>\n\nGalton conducted a similar study on Jewish school boys, searching for racial markers of Jewishness.<\/code><\/p>\n\nK. Crawford, The Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence<\/em>, Yale University Press, 2021, pp. 126-7.<\/code><\/p>\n\nR. W. Cox, \u2018Social Forces, States and World Orders: Beyond International Relations Theory\u2019, Millennium<\/em>, Vol. 10, No. 2, 1981, pp. 126\u2013155.<\/code><\/p>\n\n