ICO do Reino Unido exige “clareza urgente” sobre alegações de viés de reconhecimento facial

ICO do Reino Unido exige “clareza urgente” sobre alegações de viés de reconhecimento facial

O órgão de proteção de dados do Reino Unido solicitou respostas urgentes ao governo após um relatório do Home Office revelar viés racial na tecnologia de reconhecimento facial retrospectivo (RFR) usada pela polícia.

A vice-comissária de informação, Emily Keaney, disse em comunicado na sexta-feira que o Escritório do Comissário de Informação (ICO) solicitou ao Ministério do Interior “clareza urgente sobre esse assunto para que possamos avaliar a situação e considerar nossos próximos passos.”

O relatório do Laboratório Nacional de Física (NPL), divulgado na quinta-feira, testou o algoritmo Cognitec FaceVACS-DBScan ID v5.5.

RFR é usado para comparar imagens capturadas de câmeras de segurança, imagens de celulares, câmeras de painha/vídeo ou redes sociais com imagens do Banco de Dados Nacional da Polícia.

Estima-se que 25.000 buscas sejam realizadas a cada mês para capturar criminosos em liberdade.

Leia mais sobre reconhecimento facial: Ativistas criticam a expansão dos esquemas de reconhecimento facial policiais no Reino Unido

No entanto, o relatório constatou que, “em um conjunto limitado de circunstâncias, o algoritmo tende a incluir incorretamente alguns grupos demográficos em seus resultados de busca.”

Especificamente, as taxas de falsos positivos para sujeitos brancos (0,04%) são muito menores do que as de sujeitos asiáticos (4%) e negros (5,5%).

“O FPIR para sujeitos negros do sexo masculino (0,4%) é menor do que para sujeitos negros do sexo feminino (9,9%)”, acrescentou.

Keaney disse que a ICO reconhece que medidas estão sendo tomadas pelo Home Office para corrigir esses preconceitos.

“No entanto, é decepcionante que não tenhamos sido informados sobre isso antes, apesar do engajamento regular com o Home Office e órgãos policiais como parte do nosso trabalho mais amplo para responsabilizar o governo e o setor público sobre como os dados estão sendo usados em seus serviços”, acrescentou.

“Embora reconheçamos o papel valioso que a tecnologia pode desempenhar, a confiança pública em seu uso é fundamental, e qualquer percepção de viés e discriminação pode agravar a desconfiança. A ICO está aqui para apoiar e auxiliar o setor público a fazer isso direito.”

Correção de viés

O Home Office afirmou em seu relatório que adquiriu um novo algoritmo com base nas conclusões do teste, acrescentando que ele “pode ser usado em configurações sem variação demográfica significativa no desempenho.”

Continuou: “O novo algoritmo deve ser testado operacionalmente no início do próximo ano e estará sujeito a avaliação.”

A Associação de Comissários de Polícia e Crime (APCC) também reconheceu que o governo introduziu “mitigações” para garantir que o viés no sistema de RFR não impacte a polícia. No entanto, assim como a ICO, expressou preocupações sobre transparência.

“Embora não haja evidências de impacto adverso em nenhum caso individual, isso é mais por sorte do que por design. “Falhas de sistemas já são conhecidas há algum tempo, mas não foram compartilhadas com as comunidades afetadas, nem com os principais atores do setor”, afirmou em um comunicado.

“Essas tecnologias estão cada vez mais invasivas e sofisticadas. Se quiserem conquistar a confiança e o apoio do público, especialmente daqueles grupos historicamente desconfiados da polícia, então total transparência é vital.”

A APCC afirmou que tais tecnologias precisam ser avaliadas de forma robusta e independente antes de serem implantadas, e contar com supervisão contínua durante as operações, com clara responsabilidade perante o público quando algo der errado.

“Convocamos a polícia e o governo a reconhecerem os erros cometidos e a trabalharem com aqueles responsáveis pela governança, local e nacionalmente, para garantir que o escrutínio e a transparência estejam no centro da agenda de reforma policial e do próximo livro branco. A polícia não pode ser deixada para corrigir seu próprio dever de casa”, acrescentou.

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology:LLMs” is the correct English acronym for Large Language Models.