Το περιστατικό που προκάλεσε ανησυχία ξεκίνησε όταν η Kalie Robbins, δημιουργός περιεχομένου και μητέρα από τις ΗΠΑ, ανέβασε ένα βίντεο στο Facebook όπου τραγουδούσε μαζί με την κόρη της μέσα στο αυτοκίνητο. Κάτω από την ανάρτηση, η Meta AI πρότεινε αυτόματα μια ερώτηση: «Ποιος είναι το παιδί που επιβαίνει;» . Για την ίδια, η φράση ήταν ήδη ανησυχητική επειδή αφορούσε ανήλικο. Όταν πάτησε πάνω στην πρόταση, το σύστημα έφερε στην επιφάνεια ονόματα, ημερομηνίες γέννησης, φωτογραφίες και βίντεο των παιδιών της, συγκεντρωμένα από διάφορες αναρτήσεις ετών — ακόμη και από λογαριασμό της μητέρας της.
Σύμφωνα με την Robbins, η Meta AI συνέθεσε ένα είδος προφίλ για τα παιδιά της, αντλώντας δεδομένα από πολλαπλές πηγές: παλαιότερες αναρτήσεις σε διαφορετικούς λογαριασμούς, φωτογραφίες που πίστευε ότι είχε διαγράψει και ακόμη γεωχωρικά δεδομένα που συνέδεαν παλιές και τρέχουσες τοποθεσίες της οικογένειας, παρόλο που στο βίντεο δεν υπήρχε κοινή χρήση τοποθεσίας. Η ίδια παραδέχτηκε ότι μοιραζόταν εικόνες των παιδιών της online επί χρόνια, αλλά είπε ότι δεν είχε σκεφτεί ότι μεμονωμένες αναρτήσεις θα μπορούσαν να συνδυαστούν από ένα σύστημα τεχνητής νοημοσύνης σε ένα συγκεντρωτικό προφίλ.
Το βίντεο της Robbins έγινε viral και πυροδότησε εκ νέου τη συζήτηση για το πώς τα εργαλεία AI προσπελαύνουν και συσχετίζουν δεδομένα χρηστών στα μέσα κοινωνικής δικτύωσης. Η υπόθεση έρχεται σε μια ευαίσθητη περίοδο για τη Meta, η οποία συμφώνησε σε διακανονισμό 18 δισ. δολαρίων σχετικό με την ασφάλεια των παιδιών και δεσμεύτηκε να ενισχύσει τους ελέγχους ηλικίας με χρήση AI και εξωτερικών εργαλείων, με τακτικούς εξωτερικούς ελέγχους. Υπέρμαχοι της ιδιωτικής ζωής και χρήστες στα social media ζήτησαν αυστηρότερους κανόνες για τον τρόπο με τον οποίο η AI αλληλεπιδρά με πληροφορίες που αφορούν ανηλίκους.
Από την πλευρά του χρήστη, η «συγκατάθεση» δίνεται συνήθως ανά ανάρτηση ή ρύθμιση απορρήτου. Όμως η ικανότητα των μοντέλων AI να διασχίζουν χρονικά και λογαριασμούς, να αναγνωρίζουν πρόσωπα και να συνδέουν μεταδεδομένα (όπως τοποθεσίες ή ημερομηνίες) δημιουργεί ένα νέο επίπεδο συλλογής: όχι πια μεμονωμένα στιγμιότυπα, αλλά δομημένα προφίλ. Αυτό μετατοπίζει το ζήτημα από το «τι ανέβασα» στο «τι μπορεί να συναχθεί από ό,τι έχω ανεβάσει συνολικά». Για γονείς που μοιράζονται εικόνες παιδιών (sharenting), η διαφορά είναι ουσιαστική: μια αθώα φωτογραφία μπορεί να γίνει κομμάτι σε ένα μεγαλύτερο παζλ ταυτοποίησης.
Η Robbins είπε ότι πλέον σχεδιάζει να αφαιρέσει αναγνωρίσιμες εικόνες και βίντεο των παιδιών της και προτρέπει συγγενείς και φίλους να κάνουν το ίδιο. Πέρα από την αφαίρεση περιεχομένου, χρήσιμοι είναι οι έλεγχοι ρυθμίσεων απορρήτου (ποιος βλέπει αναρτήσεις, ποιος μπορεί να κάνει tag, περιορισμοί αναζήτησης), η απενεργοποίηση γεωεντοπισμού σε φωτογραφίες/βίντεο και η προσοχή σε third‑party εφαρμογές που έχουν πρόσβαση στον λογαριασμό. Σε επίπεδο πολιτικής, το περιστατικό τροφοδοτεί αιτήματα για διαφάνεια στο πώς τα AI συστήματα εκπαιδεύονται από δημόσιες αναρτήσεις και για ειδικές δικλείδες όταν εμπλέκονται δεδομένα ανηλίκων.
Το κεντρικό ερώτημα δεν είναι μόνο αν οι πλατφόρμες έχουν τη νομική βάση να χρησιμοποιούν δημόσιο περιεχόμενο για AI, αλλά πώς σχεδιάζουν τα συστήματα ώστε να μην παράγουν εκ των υστέρων προφίλ ανηλίκων από θραύσματα δεδομένων. Χωρίς σαφείς περιορισμούς, εξηγήσιμες λειτουργίες και εύκολους ελέγχους για τους γονείς, περιστατικά όπως αυτό της Robbins είναι πιθανό να επαναληφθούν — και να τροφοδοτήσουν περαιτέρω δυσπιστία απέναντι στα AI χαρακτηριστικά στα social media.
Το παρόν κείμενο δημιουργήθηκε με τη χρήση τεχνητής νοημοσύνης.
