Gli attivisti per i diritti umani vogliono usare l'IA per provare i crimini di guerra in tribunale

Vframe

Nel 2015, allarmata da un'escalation della guerra civile in Yemen, l'Arabia Saudita ha condotto una campagna aerea contro il paese per sconfiggere quella che considerava una minacciosa ascesa del potere sciita. L'intervento, lanciato con altri otto stati in gran parte arabi sunniti, doveva durare solo poche settimane, avevano affermato i funzionari sauditi. Quasi cinque anni dopo, non si è ancora fermato.

Secondo alcune stime, da allora la coalizione ha effettuato oltre 20.000 attacchi aerei, molti dei quali hanno ucciso civili yemeniti e distrutto le loro proprietà, presumibilmente in diretta violazione del diritto internazionale. Da allora le organizzazioni per i diritti umani hanno cercato di documentare tali crimini di guerra nel tentativo di fermarli attraverso sfide legali. Ma il gold standard, la verifica sul campo da parte di giornalisti e attivisti, è spesso troppo pericoloso per essere possibile. Invece, le organizzazioni si sono sempre più rivolte a foto e video mobili in crowdsourcing per comprendere il conflitto e hanno iniziato a presentarli in tribunale per integrare le prove di testimoni oculari.

Ma con il proliferare della documentazione digitale delle scene di guerra, il tempo necessario per analizzarla è esploso. Le immagini inquietanti possono anche traumatizzare gli investigatori che devono setacciare e guardare il filmato. Ora un'iniziativa che presto creerà una sfida nel sistema giudiziario del Regno Unito sta sperimentando un'alternativa di apprendimento automatico. Potrebbe modellare un modo per rendere più accessibili le prove raccolte in crowdsourcing e aiutare le organizzazioni per i diritti umani ad attingere a fonti di informazioni più ricche.

L'iniziativa, guidata dalla Swansea University nel Regno Unito insieme a una serie di gruppi per i diritti umani, fa parte di uno sforzo in corso per monitorare i presunti crimini di guerra che si verificano nello Yemen e creare una maggiore responsabilità legale intorno a loro. Nel 2017 è iniziata la compilazione della piattaforma Yemeni Archive una banca dati di video e foto che documentano gli abusi. I contenuti sono stati raccolti da migliaia di fonti, inclusi contributi di giornalisti e civili, nonché video open source da piattaforme di social media come YouTube e Facebook, e conservati su una blockchain in modo che non potessero essere manomessi inosservati.

Insieme al Global Legal Action Network (GLAN), un'organizzazione no profit che sfida legalmente gli stati e altri potenti attori per le violazioni dei diritti umani, gli investigatori hanno quindi iniziato a curare le prove di specifiche violazioni dei diritti umani in un banca dati separata e montaggio di casi legali in vari tribunali nazionali e internazionali. Se le cose stanno arrivando attraverso i processi di responsabilità in tribunale, non è sufficiente dimostrare che ciò è accaduto, afferma Yvonne McDermott Rees, professore alla Swansea University e capo dell'iniziativa. Devi dire: 'Beh, ecco perché è un crimine di guerra'. Potrebbe essere 'Hai usato un'arma illegale' o, nel caso di un attacco aereo, 'Questo ha preso di mira civili' o 'Questo è stato un attacco sproporzionato.'

Un rendering 3D di un BLU-63.

VFRAME

In questo caso, i partner si stanno concentrando su una munizione a grappolo prodotta negli Stati Uniti, la BLU-63. L'uso e la vendita di munizioni a grappolo, armi esplosive che spruzzano esplosivi più piccoli all'impatto, sono vietate da 108 paesi, compreso il Regno Unito. Se i partner potessero provare in un tribunale del Regno Unito di essere stati effettivamente utilizzati per commettere crimini di guerra, ciò potrebbe essere utilizzato come parte della crescente prova che la coalizione guidata dai sauditi ha precedenti per aver violato il diritto internazionale e sostenere Regno Unito per interrompere la vendita di armi all'Arabia Saudita o per intentare accuse penali contro persone coinvolte nelle vendite.

Così hanno deciso di sviluppare un sistema di apprendimento automatico per rilevare tutte le istanze del BLU-63 nel database. Ma le immagini dei BLU-63 sono rare proprio perché illegali, il che ha lasciato al team pochi dati del mondo reale per addestrare il proprio sistema. Come rimedio, il team ha creato un set di dati sintetici ricostruendo modelli 3D del BLU-63 in una simulazione.

Utilizzando i pochi esempi precedenti che avevano, inclusa una foto della munizione conservata dall'Imperial War Museum, i partner hanno lavorato con Adam Harvey, un ricercatore di computer vision, per creare le ricostruzioni. Partendo da un modello base, Harvey ha aggiunto texture fotorealistiche, diversi tipi di danni e varie decalcomanie. Ha quindi reso i risultati in varie condizioni di illuminazione e in vari ambienti per creare centinaia di immagini fisse che imitavano il modo in cui le munizioni potrebbero essere trovate in natura. Ha anche creato dati sintetici di cose che potrebbero essere scambiate per munizioni, come una palla da baseball verde, per abbassare il tasso di falsi positivi.

Mentre Harvey è ancora nel bel mezzo della generazione di altri esempi di addestramento - stima che ne serviranno oltre 2.000 - il sistema esistente funziona già bene: oltre il 90% dei video e delle foto che recupera dal database sono stati verificati da esperti umani per contenere BLU -63s. Ora sta creando un set di dati di convalida più realistico stampando in 3D e dipingendo i modelli delle munizioni in modo che assomiglino a quelli reali, quindi registrandoli e fotografandoli per vedere le prestazioni del suo sistema di rilevamento. Una volta che il sistema sarà completamente testato, il team prevede di eseguirlo attraverso l'intero Archivio yemenita, che contiene 5,9 miliardi di fotogrammi video di filmati. Secondo la stima di Harvey, una persona impiegherebbe 2.750 giorni 24 ore al giorno per esaminare così tante informazioni. Al contrario, il sistema di apprendimento automatico impiegherebbe circa 30 giorni su un normale desktop.

L'immagine reale mostrata nell'analisi in cima all'articolo.

VFRAME

Gli esperti umani dovrebbero comunque verificare il filmato dopo che il sistema lo ha filtrato, ma il guadagno di efficienza cambia il gioco per le organizzazioni per i diritti umani che cercano di lanciare sfide in tribunale. Non è raro che queste organizzazioni memorizzino enormi quantità di video in crowdsourcing da testimoni oculari. Amnesty International, ad esempio, ha circa 1 terabyte di filmati che documentano possibili violazioni in Myanmar, afferma McDermott Rees. Le tecniche di apprendimento automatico possono consentire loro di perlustrare questi archivi e dimostrare il modello di violazioni dei diritti umani su una scala precedentemente impossibile, rendendo molto più difficile per i tribunali negare le prove.

Quando guardi, ad esempio, al targeting degli ospedali, avere un video che mostra un ospedale preso di mira è forte; è un caso, afferma Jeff Deutch, il ricercatore capo presso l'Archivio siriano, un gruppo per i diritti umani responsabile del lancio dell'Archivio yemenita. Ma se puoi mostrare centinaia di video di centinaia di incidenti di ospedali presi di mira, puoi vedere che questa è davvero una strategia di guerra deliberata. Quando le cose sono viste come deliberate, diventa più possibile identificare l'intento. E l'intento potrebbe essere qualcosa di utile per i casi legali in termini di responsabilità per crimini di guerra.

Mentre i collaboratori dello Yemen si preparano a presentare il loro caso, prove su questa scala saranno particolarmente rilevanti. La coalizione per gli attacchi aerei a guida saudita lo ha già fatto negata la colpevolezza in precedenti accuse di crimini di guerra, che il governo del Regno Unito riconosce come il record ufficiale. Anche un tribunale del Regno Unito ha respinto un caso precedente che un'altra organizzazione ha presentato per impedire al governo di vendere armi all'Arabia Saudita, perché riteneva le prove video open source non sufficientemente convincenti. Sebbene un tribunale diverso in seguito abbia ritirato alcune di queste critiche in appello, i collaboratori sperano che la maggiore ricchezza di prove eviterà qualsiasi contestazione questa volta. I casi che utilizzavano video open source in un contesto siriano hanno già portato a condanne, afferma McDermott Rees.

Questa iniziativa non è la prima a utilizzare l'apprendimento automatico per filtrare le prove in un contesto di diritti umani. Il sistema E-Lamp della Carnegie Mellon University, un toolbox di analisi video per il lavoro sui diritti umani, è stato sviluppato per analizzare gli archivi della guerra siriana. Harvey ha anche lavorato in precedenza con alcuni dei suoi attuali collaboratori per identificare le munizioni utilizzate in Siria. Lo sforzo dello Yemen, tuttavia, sarà uno dei primi ad essere coinvolto in un caso giudiziario. Potrebbe costituire un precedente per altre organizzazioni per i diritti umani.

Sebbene questo sia un campo emergente, è un'opportunità straordinaria, afferma Sam Gregory, direttore del programma dell'organizzazione no profit per i diritti umani Witness e copresidente del gruppo di lavoro Partnership on AI sull'influenza sociale e sociale. [Si tratta] anche di livellare il campo di gioco nell'accesso all'IA e nell'utilizzo dell'IA in modo da trasformare in giustizia sia le prove dei testimoni oculari che le riprese degli autori.

correzioni: Il BLU-63 è prodotto negli Stati Uniti, non nel Regno Unito. Anche il caso precedente, respinto dal tribunale del Regno Unito, è stato promosso da un'altra organizzazione, non GLAN. Jeff Deutch non ha fondato direttamente l'Archivio yemenita, ma è il ricercatore capo presso l'Archivio siriano, che ha fondato l'Archivio yemenita.

nascondere