Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer

Incident 74: Detroit Police Wrongfully Arrested Black Man Due To Faulty FRT

Répondu
Description: A Black man was wrongfully detained by the Detroit Police Department as a result of a false facial recognition (FRT) result.

Outils

Nouveau rapportNouveau rapportNouvelle RéponseNouvelle RéponseDécouvrirDécouvrirVoir l'historiqueVoir l'historique

Entités

Voir toutes les entités
Alleged: DataWorks Plus developed an AI system deployed by Detroit Police Department, which harmed Robert Julian-Borchak Williams et Black people in Detroit.

Statistiques d'incidents

ID
74
Nombre de rapports
11
Date de l'incident
2020-01-30
Editeurs
Sean McGregor
Applied Taxonomies
CSETv0, GMF, CSETv1, MIT

Classifications de taxonomie CSETv1

Détails de la taxonomie

Incident Number

The number of the incident in the AI Incident Database.
 

74

Classifications de taxonomie GMF

Détails de la taxonomie

Known AI Goal Snippets

One or more snippets that justify the classification.
 

(Snippet Text: On a Thursday afternoon in January, Robert Julian-Borchak Williams was in his office at an automotive supply company when he got a call from the Detroit Police Department telling him to come to the station to be arrested., Related Classifications: Face Recognition)

Classifications de taxonomie CSETv0

Détails de la taxonomie

Problem Nature

Indicates which, if any, of the following types of AI failure describe the incident: "Specification," i.e. the system's behavior did not align with the true intentions of its designer, operator, etc; "Robustness," i.e. the system operated unsafely because of features or changes in its environment, or in the inputs the system received; "Assurance," i.e. the system could not be adequately monitored or controlled during operation.
 

Specification, Assurance

Physical System

Where relevant, indicates whether the AI system(s) was embedded into or tightly associated with specific types of hardware.
 

Software only

Level of Autonomy

The degree to which the AI system(s) functions independently from human intervention. "High" means there is no human involved in the system action execution; "Medium" means the system generates a decision and a human oversees the resulting action; "low" means the system generates decision-support output and a human makes a decision and executes an action.
 

High

Nature of End User

"Expert" if users with special training or technical expertise were the ones meant to benefit from the AI system(s)’ operation; "Amateur" if the AI systems were primarily meant to benefit the general public or untrained users.
 

Amateur

Public Sector Deployment

"Yes" if the AI system(s) involved in the accident were being used by the public sector or for the administration of public goods (for example, public transportation). "No" if the system(s) were being used in the private sector or for commercial purposes (for example, a ride-sharing company), on the other.
 

Yes

Data Inputs

A brief description of the data that the AI system(s) used or were trained on.
 

biometrics, images, camera footage

Classifications de taxonomie MIT

Machine-Classified
Détails de la taxonomie

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

1.3. Unequal performance across groups

Risk Domain

The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
 
  1. Discrimination and Toxicity

Entity

Which, if any, entity is presented as the main cause of the risk
 

AI

Timing

The stage in the AI lifecycle at which the risk is presented as occurring
 

Post-deployment

Intent

Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
 

Unintentional

Rapports d'incidents

Chronologie du rapport

+1
Les technologies d'IA - comme la reconnaissance faciale de la police - discriminent les personnes de couleur
+3
Accusé à tort par un algorithme
Reconnaissance faciale blâmée pour fausse arrestation et peine de prison+1
Teaneck NJ interdit l'utilisation de la reconnaissance faciale pour la police, invoquant des préjugés
Il est temps de s'attaquer à la reconnaissance faciale, l'outil d'IA le plus troublant pour les forces de l'ordreComment des arrestations injustifiées basées sur l'IA ont fait dérailler la vie de 3 hommestranslated-fr-Facial Recognition Led to Wrongful Arrests. So Detroit Is Making Changes. - Réponse
Les technologies d'IA - comme la reconnaissance faciale de la police - discriminent les personnes de couleur

Les technologies d'IA - comme la reconnaissance faciale de la police - discriminent les personnes de couleur

theconversation.com

Accusé à tort par un algorithme

Accusé à tort par un algorithme

nytimes.com

"L'ordinateur s'est trompé": comment la reconnaissance faciale a conduit à la fausse arrestation d'un homme noir

"L'ordinateur s'est trompé": comment la reconnaissance faciale a conduit à la fausse arrestation d'un homme noir

npr.org

La police de Detroit admet sa première erreur de reconnaissance faciale après une fausse arrestation

La police de Detroit admet sa première erreur de reconnaissance faciale après une fausse arrestation

techrepublic.com

Chef de la police de Detroit : un logiciel de reconnaissance faciale se trompe 96 % du temps

Chef de la police de Detroit : un logiciel de reconnaissance faciale se trompe 96 % du temps

vice.com

Reconnaissance faciale blâmée pour fausse arrestation et peine de prison

Reconnaissance faciale blâmée pour fausse arrestation et peine de prison

silicon.co.uk

Teaneck NJ interdit l'utilisation de la reconnaissance faciale pour la police, invoquant des préjugés

Teaneck NJ interdit l'utilisation de la reconnaissance faciale pour la police, invoquant des préjugés

northjersey.com

Un homme arrêté à tort poursuit la police de Detroit pour un faux match de reconnaissance faciale

Un homme arrêté à tort poursuit la police de Detroit pour un faux match de reconnaissance faciale

washingtonpost.com

Il est temps de s'attaquer à la reconnaissance faciale, l'outil d'IA le plus troublant pour les forces de l'ordre

Il est temps de s'attaquer à la reconnaissance faciale, l'outil d'IA le plus troublant pour les forces de l'ordre

thebulletin.org

Comment des arrestations injustifiées basées sur l'IA ont fait dérailler la vie de 3 hommes

Comment des arrestations injustifiées basées sur l'IA ont fait dérailler la vie de 3 hommes

wired.com

translated-fr-Facial Recognition Led to Wrongful Arrests. So Detroit Is Making Changes.

translated-fr-Facial Recognition Led to Wrongful Arrests. So Detroit Is Making Changes.

nytimes.com

Les technologies d'IA - comme la reconnaissance faciale de la police - discriminent les personnes de couleur
theconversation.com · 2020
Traduit par IA

La police de Detroit a arrêté à tort Robert Julian-Borchak Williams en janvier 2020 [pour un vol à l'étalage qui avait eu lieu deux ans plus tôt](https://www.nytimes.com/2020/06/24/technology/facial-recognition-arrest. html). Même si Willia…

Accusé à tort par un algorithme
nytimes.com · 2020
Traduit par IA

"Remarque : en réponse à cet article, le bureau du procureur du comté de Wayne a déclaré que Robert Julian-Borchak Williams pourrait faire effacer l'affaire et ses données d'empreintes digitales. "Nous nous excusons", a déclaré le procureur…

"L'ordinateur s'est trompé": comment la reconnaissance faciale a conduit à la fausse arrestation d'un homme noir
npr.org · 2020
Traduit par IA

** Mis à jour à 21h05. HE mercredi**

La police de Detroit tentait de déterminer qui avait volé cinq montres dans un magasin de détail Shinola. Les autorités disent que le voleur a décollé avec une valeur estimée à 3 800 $ de marchandises.

L…

La police de Detroit admet sa première erreur de reconnaissance faciale après une fausse arrestation
techrepublic.com · 2020
Traduit par IA

Mercredi matin, l'ACLU a annoncé qu'elle déposait une plainte contre le département de police de Detroit au nom de Robert Williams, un résident noir du Michigan qui le groupe a déclaré être l'une des premières personnes faussement arrêtées …

Chef de la police de Detroit : un logiciel de reconnaissance faciale se trompe 96 % du temps
vice.com · 2020
Traduit par IA

La police de Detroit a utilisé une technologie de reconnaissance faciale très peu fiable presque exclusivement contre les Noirs jusqu'à présent en 2020, selon les propres statistiques du département de police de Detroit. L'utilisation de la…

Reconnaissance faciale blâmée pour fausse arrestation et peine de prison
silicon.co.uk · 2020
Traduit par IA

Préjugés raciaux et reconnaissance faciale. Un homme noir du New Jersey arrêté par la police et passe dix jours en prison après un faux match de reconnaissance faciale

Les préoccupations concernant l'exactitude et les préjugés raciaux conce…

Teaneck NJ interdit l'utilisation de la reconnaissance faciale pour la police, invoquant des préjugés
northjersey.com · 2021
Traduit par IA

Teaneck vient d'interdire la technologie de reconnaissance faciale pour la police. Voici pourquoi

Show Caption Hide Caption Programme de reconnaissance faciale qui fonctionne même si vous portez un masque Une entreprise japonaise affirme av…

Un homme arrêté à tort poursuit la police de Detroit pour un faux match de reconnaissance faciale
washingtonpost.com · 2021
Traduit par IA

Un homme du Michigan a poursuivi la police de Detroit après avoir été arrêté à tort et identifié à tort comme un suspect de vol à l'étalage par le logiciel de reconnaissance faciale du département dans l'un des premiers procès du genre à re…

Il est temps de s'attaquer à la reconnaissance faciale, l'outil d'IA le plus troublant pour les forces de l'ordre
thebulletin.org · 2021
Traduit par IA

Depuis qu'un officier de police de Minneapolis a tué George Floyd en mars 2020 et a relancé des manifestations massives de Black Lives Matter, les communautés à travers le pays ont repensé l'application de la loi, de l'examen granulaire des…

Comment des arrestations injustifiées basées sur l'IA ont fait dérailler la vie de 3 hommes
wired.com · 2022
Traduit par IA

ROBERT WILLIAMS travaillait dans le jardin avec sa famille un après-midi d'août dernier lorsque sa fille Julia a dit qu'ils avaient besoin d'une réunion de famille immédiatement. Une fois que tout le monde fut à l'intérieur de la maison, la…

translated-fr-Facial Recognition Led to Wrongful Arrests. So Detroit Is Making Changes.
nytimes.com · 2024
Traduit par IA
Réponse post-incident de Kashmir Hill

translated-fr-In January 2020, Robert Williams spent 30 hours in a Detroit jail because facial recognition technology suggested he was a criminal. The match was wrong, and Mr. Williams sued.

On Friday, as part of a legal settlement over his…

Variantes

Une "Variante" est un incident qui partage les mêmes facteurs de causalité, produit des dommages similaires et implique les mêmes systèmes intelligents qu'un incident d'IA connu. Plutôt que d'indexer les variantes comme des incidents entièrement distincts, nous listons les variations d'incidents sous le premier incident similaire soumis à la base de données. Contrairement aux autres types de soumission à la base de données des incidents, les variantes ne sont pas tenues d'avoir des rapports en preuve externes à la base de données des incidents. En savoir plus sur le document de recherche.

Incidents similaires

Par similarité textuelle

Did our AI mess up? Flag the unrelated incidents

Police Departments Reported ShotSpotter as Unreliable and Wasteful

Gunshot detection system gets mixed reviews nationally

Oct 2012 · 15 rapports
Predictive Policing Program by Florida Sheriff’s Office Allegedly Violated Residents’ Rights and Targeted Children of Vulnerable Groups

Predictive policing strategies for children face pushback

Sep 2015 · 12 rapports
Predictive Policing Biases of PredPol

Policing the Future

Nov 2015 · 17 rapports
Incident précédentProchain incident

Incidents similaires

Par similarité textuelle

Did our AI mess up? Flag the unrelated incidents

Police Departments Reported ShotSpotter as Unreliable and Wasteful

Gunshot detection system gets mixed reviews nationally

Oct 2012 · 15 rapports
Predictive Policing Program by Florida Sheriff’s Office Allegedly Violated Residents’ Rights and Targeted Children of Vulnerable Groups

Predictive policing strategies for children face pushback

Sep 2015 · 12 rapports
Predictive Policing Biases of PredPol

Policing the Future

Nov 2015 · 17 rapports

Recherche

  • Définition d'un « incident d'IA »
  • Définir une « réponse aux incidents d'IA »
  • Feuille de route de la base de données
  • Travaux connexes
  • Télécharger la base de données complète

Projet et communauté

  • À propos de
  • Contacter et suivre
  • Applications et résumés
  • Guide de l'éditeur

Incidents

  • Tous les incidents sous forme de liste
  • Incidents signalés
  • File d'attente de soumission
  • Affichage des classifications
  • Taxonomies

2023 - AI Incident Database

  • Conditions d'utilisation
  • Politique de confidentialité
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • 5fc5e5b