Flock Safety создала ИИ-систему для полиции, которая отслеживает людей — не только номера
Журналисты Wired восстановили код продукта OS Investigate и обнаружили 69 готовых запросов, позволяющих строить досье на граждан без конкретного подозреваемого

Компания Flock Safety, оператор крупнейшей в США сети камер видеонаблюдения за транспортом, публично заявляла, что её технология не может распознавать, идентифицировать или отслеживать людей. Журналисты Wired получили доступ к коду нового продукта компании — ИИ-системы OS Investigate — и установили: она делает именно это. Система уже тестируется рядом полицейских ведомств.
Flock обрабатывает 20 миллиардов сканирований номерных знаков в месяц в более чем 6 000 населённых пунктов. Компанию оценили в $7,5 млрд в последнем раунде финансирования; среди инвесторов — Andreessen Horowitz и Founders Fund.
Что умеет OS Investigate
Код системы, который Wired обнаружил в открытом доступе на серверах самой Flock, содержит 69 готовых запросов для офицеров и описание 45 инструментов, к которым ИИ имеет доступ. В их числе — данные сканирований номеров, метаданные камер, протоколы арестов, материалы уголовных дел, журналы вызовов 911, результаты баллистических экспертиз, а также коммерческие базы данных с номерами социального страхования, датами рождения, телефонами, адресами электронной почты и сведениями о родственниках.
Ключевое отличие от традиционного считывателя номеров: офицеру больше не нужен конкретный автомобиль, имя или факт преступления. Достаточно указать место, временной промежуток и поведенческий паттерн — система сама находит людей, которые под него подпадают.
Один из готовых запросов предлагает найти свидетелей по частоте появления их автомобилей в конкретном районе за последние 14 дней. Результат — список номеров, которые другие инструменты системы конвертируют в имена и домашние адреса. Другой запрос составляет список всех, кто был арестован более двух раз за любое правонарушение, наносит их адреса на карту, запрашивает историю вызовов экстренных служб по этим адресам и формирует подробное досье на троих из них — выбранных самим алгоритмом.
Система также умеет искать людей по физическому описанию в заданном радиусе или произвольно очерченной на карте зоне. Один из промптов ищет записи, соответствующие описанию мужчина, около 180 см, чёрная толстовка, татуировка на предплечье вблизи указанного места. Поиск ассоциатов работает так: система считает, сколько раз другой автомобиль попадал в кадр тех же камер в течение двух минут от целевого транспортного средства, и возвращает до 20 машин, набравших достаточно совпадений.
Отдельная группа запросов отслеживает поведенческие паттерны без какого-либо конкретного подозреваемого: автомобили, посетившие три и более торговых точки за три дня, несколько банков за неделю или несколько заправок между полуночью и пятью утра. Фильтр автоматически исключает автобусы, фуры и рабочие фургоны — профессиональные маршруты отсеиваются, а обычный водитель с похожим маршрутом остаётся в выборке.
Реакция экспертов и юридические риски
Эксперты по конфиденциальности и праву, изучившие материалы Wired, говорят о серьёзных конституционных проблемах. Джей Стэнли из ACLU проводит параллель с Китаем: большинство людей думают, что считыватели номеров проверяют, не разыскивается ли машина, и если нет — полиция едет дальше. Но разрыв между тем, что технически возможно, и тем, что реально делается, стремительно сужается.
В июне 2026 года Верховный суд США подтвердил, что граждане сохраняют право на неприкосновенность данных о своих передвижениях и что Четвёртая поправка применяется, когда полиция запрашивает такие записи у компании. Стэнли указывает: полицейские ведомства, покупающие систему Flock напрямую, фактически обходят этот механизм защиты.
Чэд Марлоу из ACLU, ведущий кампанию Get The Flock Out, предупреждает об опасности неограниченного ввода запросов. Разница между командой найди криминальные паттерны и найди мне преступников огромная. Отсутствие ограничений на промпты позволяет офицеру фактически направлять ИИ туда, куда он хочет. Его беспокоит сценарий, при котором офицер просит систему определить людей, наиболее вероятно совершающих преступления: она выработает не юридический стандарт подозрения, а собственный — алгоритмический.
Профессор права Университета Джорджа Вашингтона Эндрю Гатри Фергюсон считает появление подобной системы неизбежным: чтобы использовать все собранные данные, нужно встроить возможность их запрашивать, а чтобы облегчить работу офицерам — заранее запрограммировать готовые запросы. Но именно выбор этих запросов его и настораживает: там немало невинных действий, которые могут быть помечены как подозрительные.
Ноэль Пичардо, бывший офицер полиции Потакета в Род-Айленде, участвовавший в пилотной программе Flock и изучивший промпты для Wired, высказался прямо: не понимаю, как кто-то может спорить с тем, что Flock буквально отслеживает людей. В 2024 году он выступил против технологии перед законодателями штата — и вскоре был уволен.
Flock не ответила на конкретные вопросы Wired, однако в официальном заявлении охарактеризовала OS Investigate как отдельный продукт, предназначенный помочь следователям работать с данными, к которым их ведомства уже имеют доступ. Компания подчеркнула, что возможности системы могут существенно измениться до широкого выпуска.
Тем временем Flock нанимает инженеров для развития архитектуры новой системы, включая автоматическую генерацию лидов и кросс-камерную корреляцию — функции, выходящие далеко за рамки версии, изученной Wired. Фергюсон резюмирует: мы стоим на пороге эпохи агентного полицейского надзора, и возможность создавать чат-боты для поиска в массивных наборах данных на естественном языке скоро станет нормой.
Свежие новости
Все новости
Rust 1.100.0: стабилизация типа ! и нового API аллокаторов
В Rust 1.100.0 стабилизированы тип never (!) и базовые части allocator API. Изменение затрагивает все издания языка и несёт ограниченный breaking change.

Google представила Gemini 4 Hydrogen: быстрая модель для повседневных задач и агентных сценариев
Google анонсировала Gemini 4 Hydrogen — модель, ориентированную на скоростное выполнение задач в агентных рабочих процессах и повседневном программировании. Она доступна во всех тарифах Google AI Studio, Gemini API и приложения Gemini, а также платным подписчикам Google AI Pro и Ultra в Google Antigravity.

AWS Emulator: локальное тестирование AWS-приложений без аккаунта и деплоя
AWS выпустила AWS Emulator — инструмент для сборки и тестирования AWS-приложений локально или в CI-среде без AWS-аккаунта и деплоя. Эмулятор принимает стандартные вызовы SDK и CLI и отвечает на них за миллисекунды.

DeepSeek-V4-Pro, V4-Flash и V4.1-Flash появились в Amazon SageMaker JumpStart
Amazon SageMaker JumpStart пополнился тремя моделями DeepSeek: флагманской V4-Pro, экономичной V4-Flash и мультимодальной V4.1-Flash с архитектурой CED. Все три распространяются под лицензией MIT и поддерживают контекстное окно в 1 млн токенов.

Amazon S3 Tables получили поддержку серверного журналирования доступа
Amazon S3 Tables теперь поддерживают серверное журналирование доступа: детальные записи о запросах к табличным бакетам помогают отслеживать операции с таблицами, управление пространствами имён и доступ к данным для аудита безопасности, анализа доступа и распределения затрат.

Google открыла доступ к Gemini 4 Carbon для разработчиков
Google запустила Gemini 4 Carbon — модель с заявленными возможностями в кибербезопасности и длительных агентных рабочих процессах. Доступ открыт через платный уровень API.

Amazon S3 Access Grants научился перечислять гранты сразу по нескольким AWS-аккаунтам
Amazon S3 Access Grants получил поддержку кросс-аккаунтного листинга: один вызов ListCallerAccessGrants возвращает гранты из всех инстансов, расшаренных через AWS RAM, без необходимости опрашивать каждый аккаунт отдельно.

Google Maps Platform теперь доступна в AI Studio
Google добавила поддержку Maps Platform в AI Studio: разработчик описывает идею, Gemini генерирует код, а студия автоматически подключает ключ API и показывает живой интерактивный превью.

AWS выпустила open-source UI для графовой аналитики поверх data lake
AWS представила open-source решение с локальным веб-интерфейсом, которое позволяет превращать записи из data lake в графы для анализа в Amazon Neptune Analytics — без ручной сборки ETL-пайплайнов.