Problem:Qatar har bestilt 15.000 nye overvågningskameraer til verdensmesterskabet, og har nu i alt 250.000 kameraer med indbygget ansigtsgenkendelse der overvåger besøgende dag og nat.
Ikke nok med at Qatars retssikkerhed er ekstremt begrænset og landet har et problematisk forhold til menneskerettigheder — de har ingen transparens omkring hvilke data der bliver indsamlet, hvad de bliver brugt til og hvem der efterfølgende får adgang.

Indsigt:
Man kan godt forhindre ansigtsgenkendelse med udklædning og makeup.
Problemet er bare, at ting der kan snyde algoritmen er så tilpas påfaldende, at de tiltrækker opmærksomhed fra menneskelige tilskuere.
Med mindre, selvfølgelig, at man kan få selve forklædningen til at glide i et med sine omgivelser...

Idé:
Camouflags — Anti-overvågningsmønstre udformet som fodboldsfans’ ansigtsmaling.
Design-serien er baseret på de deltagende landes flag, men udviklet ud fra og testet op mod ansigtsgenkendelses-teknologiens blind spots.

Eksekvering:
Vi udviklede mønstrene ved at vende kunstig intelligens mod sig selv.
Vi fodrede midjourney algoritmen med billeder af verificerede anti-overvågningsmønstre, og bad den om at forestille sig dem som forskellige landes flag.
Vi testede output op mod forskellige open-source maskinlærings-modeller (fx Google’s FaceNet og DeepFace), udvalgte de bedste og fodrede dem tilbage igen i et iterativt forløb indtil de brød algoritmen.
Resultat blev lanceret som både inspirerende billedserie, gonzo-journalistisk eksperiment og interactive tutorial gennem SparkAR filtre i Instagram — og sparkede til en global samtale om datasikkerhed, overvågning og ansigtsgenkendelse.

Læs mere