กล้อง AI ของ Flock อ่านป้ายทะเบียนผิดพลาด 71% ในเมือง Roseville

Roseville, California ค้นพบว่า กล้องตรวจจับป้ายทะเบียนจากระบบ AI ของ Flock มีอัตราการอ่านผิดพลาดถึง 71 % จากเหตุการณ์ทั้งหมด 1,427 รายการ – ผลการตรวจสอบของหน่วยตำรวจท้องถิ่นชี้ให้เห็นความเสี่ยงของเทคโนโลยีจดจำป้ายทะเบียนที่อาจส่งผลต่อประสิทธิภาพและความเป็นธรรมในการบังคับใช้กฎหมาย

Overview

ระบบ AI‑powered license‑plate cameras ของบริษัท Flock ถูกติดตั้งในเมือง Roseville เพื่อตรวจจับรถยนต์ที่มีหมายเลขทะเบียนถูกระบุว่าเป็นของผู้กระทำความผิดหรือของรถที่แจ้งว่าถูกขโมย การใช้งานแบบอัตโนมัตินี้มุ่งหวังให้การตรวจสอบเกิดขึ้นได้อย่างรวดเร็วและลดภาระงานของเจ้าหน้าที่ตำรวจ อย่างไรก็ตาม การทบทวนข้อมูลโดยทีมตรวจสอบพบว่าใน 1,427 เหตุการณ์ที่ระบบแจ้งเตือน มี **71 % ของกรณีที่ป้ายทะเบียนถูกอ่านผิดพลาด ส่งผลให้มีการร้องเรียนและต้องใช้ทรัพยากรเพิ่มเติมในการตรวจสอบซ้ำ

Key Findings

จากรายงานของตำรวจ Roseville แสดงให้เห็นว่าการอ่านหมายเลขทะเบียนโดยระบบ AI มีความแม่นยำต่ำกว่าที่คาดหวัง ทั้งนี้สาเหตุหลักที่ถูกระบุคือการเปลี่ยนแปลงของสภาพแสง การมองไม่ชัดเจนของกล้องในช่วงเวลากลางคืน และการมีป้ายทะเบียนที่อาจมีฟอนต์หรือสีแตกต่างจากมาตรฐานทั่วไป ทีมตรวจสอบได้ทำการสุ่มเลือกตัวอย่างและตรวจเชิงเทคนิคเพื่อยืนยันผล

• **จำนวนเหตุการณ์ทั้งหมด: 1,427 รายการ
• **อัตราการอ่านผิดพลาด: 71 % (ประมาณ 1,014 รายการ)
• **ประเภทของความผิดพลาด: การแปลความหมายตัวอักษรหรือเลขผิด, การตรวจจับรถซ้ำจากมุมที่ไม่เหมาะสม

ผลลัพธ์นี้ทำให้หน่วยงานตำรวจต้องดำเนินการตรวจสอบด้วยตนเองเพิ่มขึ้น ซึ่งกระทบต่อเวลาและค่าใช้จ่ายของการปฏิบัติงาน

Technical Context

เทคโนโลยี **License Plate Recognition (LPR) ได้รับความนิยมในหลายเมืองทั่วสหรัฐอเมริกา เนื่องจากสามารถเชื่อมต่อกับฐานข้อมูลอาชญากรรมเพื่อแจ้งเตือนแบบเรียลไทม์ อย่างไรก็ตาม ความแม่นยำของระบบขึ้นอยู่กับคุณภาพของฮาร์ดแวร์ (กล้อง, แสง) และอัลกอริธึม AI ที่ใช้ในการประมวลผล ข้อมูลจากผู้เชี่ยวชาญด้านวิศวกรรมคอมพิวเตอร์กล่าวว่าการฝึกโมเดลด้วยชุดข้อมูลที่หลากหลายและการปรับเทียบตามสภาพแวดล้อมเฉพาะท้องถิ่นเป็นสิ่งจำเป็น หากไม่มีการทำเช่นนั้น ระบบอาจมีอัตราข้อผิดพลาดสูง

ในกรณีของ Roseville ปัญหาไม่ได้มาจากข้อบกพร่องของซอฟต์แวร์โดยตรง แต่จากสภาพแวดล้อมทางกายภาพ เช่น แสงไฟถนนที่เปลี่ยนแปลงตลอดคืนและการติดตั้งกล้องที่อาจไม่ครอบคลุมทุกตำแหน่งอย่างสมดุล ทำให้ระบบ AI ไม่สามารถแยกแยะตัวอักษรได้ชัดเจน

Impact on Policing

เมื่อระบบแจ้งเตือนผิดพลาดในระดับสูง เจ้าหน้าที่ตำรวจต้องใช้เวลาในการตรวจสอบข้อมูลซ้ำ ซึ่งเพิ่มภาระงานและอาจทำให้การตอบสนองต่อเหตุการณ์จริงล่าช้า นอกจากนี้ การบันทึกข้อผิดพลาดของระบบอาจสร้างความไม่เชื่อมั่นในเทคโนโลยี AI ของประชาชน โดยเฉพาะผู้ที่ถูกตรวจจับโดยผิดพลาดอาจต้องเผชิญกับการสอบสวนที่ไม่มีเหตุผล

การประเมินค่าใช้จ่ายเพิ่มเติมจากกระบวนการตรวจสอบด้วยมือยังเป็นข้อกังวลต่องบประมาณของเมือง Roseville ที่กำลังมองหาวิธีลดต้นทุนโดยการพึ่งพาเทคโนโลยีอัตโนมัติ การที่ระบบทำงานได้ไม่แม่นยำ 71 % ทำให้ต้องพิจารณาการลงทุนใหม่หรือปรับเปลี่ยนผู้จัดจำหน่ายเพื่อเพิ่มประสิทธิภาพ

Future Outlook

ตามข้อมูลที่เปิดเผยจากการตรวจสอบนี้หลายเมืองในรัฐแคลิฟอร์เนียอาจเริ่มทบทวนการใช้ระบบ LPR ของ Flock หรือผู้ให้บริการอื่น ๆ เพื่อป้องกันความผิดพลาดเช่นเดียวกัน การทำ pilot testing อย่างละเอียดก่อนการติดตั้งเต็มรูปแบบและการกำหนดเกณฑ์ประเมินผลเป็นขั้นตอนที่คาดว่าจะได้รับความสนใจเพิ่มขึ้น

นักวิจัยด้านเทคโนโลยีสาธารณะชี้ให้เห็นว่า แม้ AI จะช่วยลดภาระงานบางส่วนได้ แต่ต้องมี กรอบตรวจสอบคุณภาพ (quality assurance) ที่เข้มงวดและการทำ audit** อย่างต่อเนื่องเพื่อรักษามาตรฐานความแม่นยำ ทั้งนี้ การฝึกโมเดลด้วยข้อมูลที่เป็นตัวแทนของสภาพแวดล้อมท้องถิ่นจะเป็นกุญแจสำคัญในการลดอัตราการอ่านผิดพลาดในอนาคต

Summary

การตรวจสอบของเมือง Roseville เผยให้เห็นว่า **กล้อง AI ของ Flock มีอัตราการอ่านป้ายทะเบียนผิดพลาด 71 % จากเหตุการณ์ทั้งหมด 1,427 รายการ ซึ่งส่งผลต่อประสิทธิภาพการทำงานของตำรวจและความเชื่อมั่นของประชาชนต่อเทคโนโลยีดังกล่าว การปรับปรุงระบบและเพิ่มมาตรฐานตรวจสอบจึงเป็นเรื่องเร่งด่วนสำหรับหน่วยงานที่พิจารณานำ LPR มาใช้ในอนาคต.