カテゴリー別アーカイブ: 人工知能

AIが新型コロナウイルスによる肺炎を検知、オープンソースとして公開され医療技術の進化に寄与

世界で新型コロナウイルスの感染が爆発的に広がっているが、その中心は欧州から米国に移ってきた。ニューヨーク州が危機的な状況にあるが、その次はカリフォルニア州といわれ、州知事はロックダウン(shelter-in-place)命令を発令した。会社や小売店やレストランは休止状態で、住民は自宅に留まることを求められ、街は静まり返っている。

出典: Linda Wang et al.

COVID-Net

新型コロナウイルスが広がる中、研究機関は病気(COVID-19)を検知するためのAIを公開した。これは「COVID-Net」と呼ばれ、患者のレントゲン写真から、新型コロナウイルスによる肺炎を検知する。病気検知のために多くのAIが開発されているが、これらはクローズドソースで一般の研究は使うことができない。これに対して、COVID-Netはオープンソースとして公開され、だれでも自由に利用できる。

データセットも公開

COVID-Netはカナダ・ウォータールー大学(University of Waterloo)とDarwinAIにより開発された。同時に、COVID-Netを教育するためのデータセット「COVIDx」も公開された。ここには13,645人の患者の16,756枚のレントゲン写真が格納されている。アルゴリズムとデータセットが公開され、これらをテンプレート(Reference Model)として研究が進み、COVID-19治療技術の確立に寄与することが期待されている。

病気の早期発見

いま、新型コロナウイルスにより病気を発症した患者を早期に特定する技術が求められているが、胸部のレントゲン写真がその手掛かりになる。COVID-19を発症した患者の肺のレントゲン写真にはこの病気に特有な形状が現れる。この特性をAIが学習しCOVID-19による肺炎を検知する。

ニューラルネットワーク構造

COVID-Net(下の写真)は胸部のレントゲン写真を読み込み(左端)、それを解析して判定を出力する(右端)。AIが下す判定は三種類で、1)感染していない(正常)、2)COVID-19肺炎、3)それ以外の肺炎となる。ネットワークのアーキテクチャは、人間がモデルの原型を決め、これをAIで最適化する手法が取られた。つまり、人間とAIがコラボしてCOVID-Netが生成された。最適化の条件として、精度は80%以上で、演算(multiply–accumulate operation、掛け算と保存の演算)の量は25億回以下とした。演算量を抑えるが、そこそこの精度がでる構成とした。

出典: Linda Wang et al.  

判定精度

実際に、データセットを使ってCOVID-19の性能を検証すると、判定精度(Accuracy)は92.4%となった。具体的な検証結果は下記のグラフィックスの通りで、縦軸が基準値(Ground Truth)で横軸が検証精度(Precision)で、箱の中の数字は件数を示す。COVID-19患者10人について検証すると、COVID-Netは8人を正しく判定し、もう一人は通常の肺炎と、もう一人は感染なしと判定していることが分かる。COVID-Netは早期にCOVID-19感染者を見つけるために使われ、また、通常の肺炎とCOVID-19肺炎を見分けるためにも活用される。

出典: Linda Wang et al.  

アルゴリズムの判定理由

この研究ではCOVID-Netは何を根拠に病気を特定したのか、その理由を説明する機能が導入された。これは「GSInquire」と呼ばれる技法で、ニューラルネットワークがオブジェクトを判定した根拠を表示する。このケースでは、COVID-Netがレントゲン写真で肺炎と判定した根拠となる部分をピンクのシェイドで示している(先頭の写真)。この部分にCOVID-19肺炎に特有なパターンがみられる。これにより、AIのブラックボックスが開かれ、医師は判定の理由を理解できる。また、COVID-Netは医師が認識していない肺炎のパターンを検知でき、新たな知見が生まれることが期待されている。また、COVID-Netのデバッグにも利用でき、アルゴリズムが誤検知する理由を把握する。

研究者のツール

COVID-Netの判定精度は92.4%とあまり高くはなく、まだ、医療ツールとして病院で使える品質とは言えない。一方、COVID-Netは研究者コミュニティにより改良が進み、精度や機能が向上し、医療ツールとして使えるよう進化する。今は研究のためのプロトタイプであるが、これをベースに新型コロナウイルスの治療技術が進むと期待される。

GoogleはAIで新型コロナウイルスの3D形状を解明、この情報が治療薬開発を加速する

新型コロナウイルスの感染者数が30万人を超え世界は危機的な状況となった。病気を防ぐワクチンや治療薬がないため、感染が拡大し病気が重篤化している。世界の研究機関はワクチンや治療薬の開発を急いでいる。Google系DeepMindはAIを使い新型コロナウイルスの3D形状を推定した。医薬品開発では病気を引き起こすたんぱく質の形状が決定的に重要で、AIがワクチンや治療薬の開発を加速するのか期待が寄せられている。

出典: DeepMind

AlphaFold

DeepMindはたんぱく質の形状をニューラルネットワークで推定する研究を早くから進めている。このAIは「AlphaFold」と呼ばれ、遺伝子情報を解析し、たんぱく質の3D形状を推定する。つまり、たんぱく質を生成する遺伝子配列を読み込むと、たんぱく質の形が分かるというもの。DeepMindはAlphaFoldを新型コロナウイルス(SARS-CoV-2)に適用し、その形状を推定した(上の写真)。これは新型コロナウイルスの「Membrane Protein」(下の写真、ウイルスの膜に付着しているたんぱく質)といわれる部分で、治療薬の開発には不可欠な情報となる。

たんぱく質の形状が持つ意味

たんぱく質の形状が注目されるのは、その形が機能を決めるからである。細胞内のたんぱく質の形状を見ることで、その役割が推定される。これにより、対象とするたんぱく質(例えばがん細胞)の形に作用する薬の開発に繋がる。新型コロナウイルスも同様で、ワクチンや治療薬を開発するにはウイルスの形状が決めてとなる。しかし、従来の手法(低温電子顕微鏡など)では形状を特定するまでに数か月かかり、この緊急事態に対応できない。このため、DeepMindは既に開発を進めていたAlphaFoldを新型コロナウイルスに適用し、その形状を推定した。

出典: Nature

Protein Folding Problem

たんぱく質はアミノ酸の配列で構成される(下の写真)。アミノ酸と別のアミノ酸が結合するとき、両者の距離や結合角度が決まる。これにより、アミノ酸結合は、らせん配列(Alpha Helix)とシート配列(Pleated Sheet)という構造を取る。更に、これらが絡み合い3D構造のたんぱく質ができる。たんぱく質がどのように折り畳まれているかを解明する研究を「Protein Folding Problem」と呼び、過去数十年にわたり研究が続いている。

出典: DeepMind

ニューラルネットワークの技法

AlphaFoldは三つのニューラルネットワークを使ってたんぱく質の形状を推定した(下の写真)。最初のネットワークはアミノ酸の配列から、それぞれのアミノ酸の間隔と結合角度を推定する。ここでは教育データとして実際のたんぱく質とその距離や角度のデータが使われた。二つ目のネットワークは推定されたたんぱく質の形状がどれだけ正確かを算定する。三つ目のネットワークは、これらの情報からたんぱく質の3D形状を描き出す。

出典: DeepMind

出力結果の検証

このプロセスを新型コロナウイルスに適用し、その形状を推定したのが先頭の写真となる。ただし、これはAlphaFoldによる推定で、実際にこの形状が正しいかどうかは検証されていない。実験で新型コロナウイルスの形状を決定するまでには時間を要し、DeepMindはこの確認を待たないで解析結果を公表した。未確認の情報であるがこれを研究開発に役立てほしいとしている。

体内で生成されるたんぱく質

AlphaFoldは新型コロナウイルスだけでなく、他の病気の治療薬を開発するために開発が続いている。医学分野では、人間の体内で生成されるたんぱく質の構造についての研究が進んでいる。既に、体内で生成されるたんぱく質の中で、その半分について構造が分かっている。これらの情報はProtein Data Bankに登録され一般に公開されている。世界の研究者はこれらたんぱく質の形状を理解し新薬の開発を進めている。

AIを創薬に応用

しかし、遺伝子変異により人間のたんぱく質の構造が変わり、これが原因で病気を引き起こす。これらの病気を治療するためには、変異したたんぱく質の構造を理解する必要がある。この分野でAlphaFoldが活躍し、難病の治療に繋がると期待されている。また、新型コロナウイルスのように新しい種類のウイルスの形状を解析するためにも有益なツールとなる。

医療以外の応用分野

AlphaFoldは医療だけでなく環境問題を解決するツールとしても期待されている。いまプラスチックが海に流れ出て環境汚染が深刻化している。AlphaFoldはプラスチックを生物学的に分解する(Biodegradable)技法の開発を目指している。プラスチックを分解する酵素の発見がゴールとなりAIでその形状を推定する。

AIが業務メールを読んで詐欺を検知、自然言語解析をセキュリティに応用

先週、サンフランシスコでセキュリティのカンファレンス「RSA Conference (#RSAC2020)」が開催された。今年のテーマは「Human Element」で、技術が人々にどう役立つかのを見直そうというもの(下の写真)。技術進化が著しいが、セキュリティの目的は人間を攻撃から守ることにある。会場にはAIをセキュリティに応用したツールが数多く展示され、アルゴリズムが攻撃を防御する方向が鮮明になってきた。

出典: VentureClef

ビジネスEメール詐欺が急増

いま、米国を中心にビジネスEメール詐欺(Business Email Compromise、BEC)が急増している。ビジネスEメール詐欺とは、業務用メールを使って相手を欺き、お金を盗み取る詐欺行為を指す。サイバースペースだけでなく、実社会でも行われている詐欺行為で、誰でも攻撃者になれることから米国を中心に被害件数が急増している。

FBIレポート

アメリカ連邦捜査局(FBI)はインターネット上の詐欺行為を分析し、その結果を報告書「Internet Crime Report」として公開している。このレポートによると、2019年度の米国での被害件数は46万件で、被害総額は35億ドルとなっている(下のテーブル)。この中でビジネスEメール詐欺(BEC/EAC)の被害額がトップで、その金額は18億ドルと全体の半分を占めている(下のテーブル、最上段)。

2019年のインターネット犯罪動向

FBIレポートによると、ビジネスEメール詐欺は2013年ころから始まり、犯罪者は企業のCEOになりすまし、偽のEメールでお金を送金させる手口を取った(「CEO Fraud」と呼ばれる)。その後、詐欺の手口は広がり、社員や取引先になりすまし、偽のメールで送金を求めたり、ギフトカードを買わせる攻撃が広がった。2019年の特徴は給与振り込み詐欺で、社員になりすまし偽のメールで経理部から給与を指定口座に振り込ませる詐欺が広がった(「Payroll Fraud」と呼ばれる)。

出典: Federal Bureau of Investigation

給与振り込み詐欺の実例

ビジネスEメール詐欺では、まず、攻撃者がフィッシングなどの手法で社員の認証情報(IDとパスワード)を奪う。次に、攻撃者は社員になりすまし、偽のメールを社内や社外のターゲットに送り、犯罪者の口座にお金を送金させる。

出典: Symantec

給与振り込み詐欺のケースでは、会社の社員になりすまし、経理担当者に偽のメールを送り、指定口座に給与を振り込ませる(上の写真)。会社の社員になりすました攻撃者が、偽のメールを経理部門に送り、「給与振り込み先について、銀行口座を変更したので情報をアップデートしてほしい」と依頼。これにより、次回の給与は攻撃者が指定する銀行口座に振り込まれる。

Armorbloxというベンチャー企業

ビジネスEメール詐欺をAIで検知するソリューションの開発が進んでいる。その先頭を走るのはArmorbloxというベンチャー企業で、シリコンバレーに拠点を置きAIや自然言語解析をベースにしたEメールセキュリティ技術を開発している。業務用メールの内容をAIで解析して問題点を検知する手法を取り、Microsoft Office 365やGoogle G Suitなどをサポートしている。

AIがメールの内容を理解

ArmorbloxはAIがメールの内容を解析し、そこから攻撃の手口を検知する手法に特徴がある。AIが不正を検知すると警告メッセージを表示して注意を促す(下の写真)。具体的には、AIは「(メール発信者である)Jack Dorseyはこのアドレスからメールを発信しない」と警告。また、AIがメール本文を読み、そこには「カードを紛失したので別のカード情報を今晩までに送ってほしい」と書かれていることを理解し、AIは「今晩までという急な要請は不正の手口」と解析し、これは詐欺メールであると判定する。

出典: Armorblox

システム構成

Armorbloxは機械学習(Machine Learning)や深層学習(Deep Learning)の技法を使ってEメールを解析する。特に、自然言語解析(Natural Language Understanding)に特徴があり、メールに書かれていることを理解して、詐欺や問題点を検知する。この手法でビジネスEメール詐欺を検知するが、それ以外にも、機密情報の流出を検知する機能 (Data Loss Prevention)も備えている。

AIを教育するプロセス

Armorbloxのブース(下の写真、左側)でAIを教育する手法について説明を受けた。AIは基本教育ができており、企業はそれをそのまま使うことができる。一方、AIの検知精度を上げるため、企業は保有しているEメールのログを使ってAIを再教育する。これにより、AIは利用者の特性(名前や職務、上司関係、メールを書くスタイル)を理解し、アルゴリズムは検知精度を上げる。また、利用者がArmorbloxの判定結果を見て、それにコメントすることもできる。AIはこれらのフィードバックを学習し、更に判定精度を上げる。

出典: VentureClef

Armorbloxの特徴

市場にはビジネスEメール詐欺を検知するソフトウェアは数多く登場している。これらは、ルールベースでシステム管理者がマニュアルで特定の単語や規則を指定する。しかし、これらシステムの判定精度は高くなく、誤検知(False Positive)が多く、管理者が手作業でここから詐欺メールを選び出す作業が必要となる。これに対して、ArmorbloxはAIや自然言語解析が人間に代わりこのプロセスを実行する。

新型コロナウイルス

サンフランシスコ市は新型コロナウイルスの蔓延で非常事態宣言を発令した。展示会やイベントの中止が相次ぐ中、RSA Conferenceは予定通り開催された。会場やブースにはアルコール消毒液が置かれ (上の写真、右側)、厳戒体制での開催となった。米疾病予防管理センターは感染予防策としてSocial Distance(相手と1メートル以上離れる)とElbow Bump(握手の代わりに肘タッチ)を推奨するが、会場ではこれを励行する様子はなかった。こまめに手洗いしながらの面談となり危険を感じながらのカンファレンスとなった。

新型コロナウイルスのフェイクニュースで世界が混乱、Googleは偽情報を検知する技術を開発

新型コロナウイルス(Novel Coronavirus)が中国から各国に広がり、世界が危機的な状況にある中、新型ウイルスの虚情報がネットで拡散している。個人がフェイクニュースを発信するだけでなく、ロシアは米国を攻撃するために偽情報を拡散している。サイバースペースでは国家が偽情報を武器として使っている。ソーシャルメディアの危険性が改めて認識されるなか、Googleは偽情報を検知する技術を公開した。(下の写真:武漢の市街地を除菌する車両)

出典: China Daily

ロシアの攻撃

今週、主要メディアは、米国政府関係者筋の情報として、ロシアが新型ウイルスに関する偽情報を大量に発信し、米国を攻撃していると報じた。ロシアはソーシャルメディアで多数の偽アカウントを開設し、ここからフェイクニュースを大量に発信している。その内容は、「新型ウイルスは米国により開発されたもので、これを生物兵器として中国で拡散させている」というもので、フェイクニュースが攻撃手段として使われている。

偽情報を拡散する目的

ロシアが偽情報を発信する目的は、米国の国際的な信用度を落とし、米国社会の不安を増長させることにある。情報操作は冷戦時代に始まり、ソビエト連邦のKGBはエイズを発症させるHIVについて偽情報を発信したという経緯がある。米国の科学者がHIVを開発し、それが世界に蔓延したというもので、フェイクニュースの原型となる。このような経緯もあり米国諜報部門は新型ウイルスに関しロシアの情報操作を警戒していた。

米国は中国を攻撃

偽情報を発信しているのはロシアだけでなく、米国で新型ウイルスの陰謀説が流布している。右派系ニュースサイト「G News」は、武漢(Wuhan)にある研究施設(Wuhan Center of Disease Control and Prevention)から新型ウイルスが流出したことを中国政府が認めた、という記事を公開した(下の写真、ファクトチェックサイトはこれを偽情報と判定)。その後、共和党議員(Tom Cotton)がテレビ番組(Fox News)で、この問題を取り上げ、この陰謀説が全米に広がった。これに対して、米国の科学者団体は、偽情報を拡散することは新型ウイルス対策を遅らせることになるとして、警告メッセージを発信した。

出典: PolitiFact

ロシアが再び大統領選挙に

今年は米国大統領選挙の年だが、米国諜報部門はロシアが既に選挙戦に介入していることを議会委員会に報告した。ロシアはソーシャルメディアを使い、偽情報を流布し、米国有権者の世論を操作している。2016年に続き今回も、ロシアはトランプ氏を支援し、再選できるための情報戦を展開している。同時に、民主党の候補者サンダース氏を後押ししていることも明らかになった。ロシアがどのような手口でこれを進めているかは公開されていないが、偽情報で国民世論を分断する手法が取られると予測されている。

Googleの偽情報対策

社会にフェイクニュースが拡散しているが、これらはDisinformation(偽情報)と呼ばれ、世論を二分し社会を不安定にすることを目的としている。Google配下の「Jigsaw」は偽情報を検知する技術を開発しており、この内容を発表した。この技術は「Assembler」と呼ばれ、フェイクイメージを検知する機能を持つ。Assemblerは報道機関向けに公開され、各社はこの技術を使い、写真が加工されているかどうかを把握する。AssemblerはDeepFakes(高度なAIで生成されたフェイクイメージ)も検知することができる。

Assemblerの機能概要

Assemblerは入力された写真を解析し、イメージの中で改造された部分を特定する。Assemblerのスライドを左右に動かすと、写真の中で加工された場所を赤色のドットで示す(下の写真、星条旗の部分)。AssemblerはUC Berkeleyなどと共同で開発され、改造イメージの検知にはこれら研究機関の技術が使われている。具体的には、コピーされた部分、追加または消去された痕跡、異なるカメラで撮影された部分を検知する技術が組み込まれている。

出典: Jigsaw

Assemblerの特徴

これに加え、JigsawはDeepFakesを検知する技術を開発した。具体的には、StyleGAN(スタイルを変換してイメージを生成する技法)という手法で生成されたフェイクイメージを検知するAIを開発した。リアルとフェイクのイメージでアルゴリズムを教育し、AIはGANが生成したシグナルを検知する。また、Jigsawは、上述の研究機関が開発した検知技術を統合する技法を開発した。これはEnsemble Modelと呼ばれ、個々に検知したシグナルを統合し、モデルが複数の改造を同時に高精度で把握する構造とした。

記事の真偽を判定するツール

新型ウイルスの発生源は特定されていないが、ウイルスはコウモリに由来するとの科学レポートもある。ソーシャルメディアには、武漢のレストランでコウモリのスープが出されているとの記事が写真とともに掲載されている(下の写真)。また、それを女性が食べている写真もネットで拡散している。一見してフェイクニュースと思われるが、100%確信を持てるわけではない。

出典: China Daily

これ以外にも、ネット上にはショッキングな写真が数多く掲載されており、明らかにフェイクと分かるものもあるが、真偽の判定が難しい写真も少なくない。やはり、Assemblerのように真偽を判定するツールが必要となる。また、記事を掲載するソーシャルメディアは、その内容をツールで解析し、偽情報であればその旨を読者に知らせる仕組みも求められる。

顔認識AIの危険性が暴露、我々の顔写真が全米の警察で使われている!!

FacebookやTwitterに投稿した顔写真が全米の警察の犯罪捜査で使われていることが判明した。日本人を含む消費者の顔写真が顔認識システムに組み込まれ、犯罪者割り出しに使われている。警察は容疑者の写真を撮影し、それを顔写真データセットで検索し、容疑者の身元を割り出す。その時に使われる顔写真データセットは、ソーシャルメディアに掲載されている顔写真をダウンロードして作られた。写真の数は30億枚を超え、我々の顔写真が含まれている可能性は極めて高い。警察は容疑者の身元を特定でき犯罪捜査が効率的になると評価している。一方、消費者は本人が知らないうちに顔写真が使われ気味悪さを感じている。顔認識システムの暴走がAIに対する不信感を増長している。

出典: Clearview

Clearviewという会社

この技術を開発したのはNew Yorkに拠点を置くベンチャー企業「Clearview」で世界最強の顔認識システムともいわれている(上の写真)。Clearviewはサイトに公開されている顔写真をダウンロードして顔写真のデータセットを作成した。写真の数は30億枚を超え、世界最大規模の顔写真データセットとなる。Clearviewの技術は米国主要都市の警察に提供され、容疑者の身元を特定するために使われている。警察はスマホで容疑者の顔を撮影し、それをキーにデータセットを検索すると、容疑者のIDが分かる。

使い方はシンプル

Clearviewは顔認識技術をスマホやパソコン向けのアプリとして提供している。スマホで撮影した顔写真はアプリで解析され、その人物に関する情報を表示する。例えば、スマホで記者の顔写真を撮影すると(下の写真、右下の丸の部分)、アプリはその顔と同一人物の顔写真を出力する(下の写真、中央部)。出力した顔写真の下には、それが掲載されているサイトのURLが示され、このサイトを閲覧することで氏名などの個人情報を得ることができる。

出典: CBS News

顔写真データセット

Clearviewは顔写真データセットを制作するために、サイトに公開されている顔写真をスクレイピングした。スクレイピングとはウェブページに掲載されている顔写真ファイルをダウンロードすることで、YouTube、Facebook、Twitter、Venmoなど、ソーシャルネットワークを中心に顔写真が収集された。収集した顔写真の数は30億枚に上り、世界最大規模の顔写真データセットが誕生した。登録されている顔写真の数が多いほど、顔認証システムの判定精度が高くなる。

シカゴ市警察で犯罪捜査に利用

Clearviewの判定精度は極めて高く、それが口コミで広がり、全米の警察関係者がその存在を知ることになった。今では600を超える警察で使われている。シカゴ市警察は専任スタッフが犯罪捜査で容疑者を特定するためにClearviewを使っている。具体的には、犯罪者データベースに格納されている被疑者の顔写真をClearviewに入力し身元を特定する。また、犯罪現場では、被疑者の顔写真を撮影し、これをClearviewで解析してIDを特定する。

フロリダ州では迷宮入りの事件を解決

フロリダ州ゲインズビル市警察は「FACES」と呼ばれる顔認識ツールを使ってきた。FACESはFBIが開発した顔認識技術で、全米の警察が犯罪捜査ツールとして使っている。しかし、Clearviewを使うとFACESで特定できなかった容疑者の身元が次々と判明した。Clearviewの顔写真データセットは世界最大規模で、カバーする人物の数が多いため、迷宮入りになった事件が解決されている。

ニュージャージー州はClearviewの使用を禁止

しかし、ニュージャージー州の司法長官はClearviewの使用を禁止する通達を出した。ニュージャージー州警察はClearviewを利用しており、顔認識技術を犯罪捜査に使うことで、事件を早く解決できる。このため、司法長官はこの顔認識技術を使うことに関しては肯定的な評価をしている。一方、Clearviewのケースでは、顔という生体情報が消費者の許諾なく収集されていることに問題があると指摘する。この問題が解決されるまではClearviewの使用は禁止される。

顔写真を収集する手法

Clearviewが顔写真を収集する手法が議論となっているが、この事例は個人データを利用する事業者に本質的な問題を提起する。Clearviewは、YouTubeやFacebookやTwitterなどに掲載されている顔写真ファイルをスクレイピングするが、これらは消費者が投稿したもので、写真は公開情報であり、それを収集することは違法ではない。事実、米国には公開情報を収集することを禁止する法令は無い。また、セレブのデータセット「CelebA」(下の写真)は、サイトから20万枚の顔写真をスクレイピングして生成されたが問題とはなっていない。

出典: Multimedia Laboratory, The Chinese University of Hong Kong

YouTubeやTwitterは写真消去を要求

Clearviewの存在が明らかになり、顔写真がスクレイピングされている事実が判明し、これらのサイトは一斉に写真の収集を停止するよう求めている。YouTubeやTwitterやVenmoは、Clearviewにサイトから顔写真をスクレイピングしないよう書簡を送った。また、収集したデータを消去することも求めている。掲載されている情報をスクレイピングすることはサイトの利用規約に反すると説明している。特に、YouTubeは使用規約で、本人を特定するためにデータを使うことを禁止している。

スクレイピングは憲法で保障された権利

これに対して、ClearviewのCEOであるHoan Ton-Thatは、企業が公共のデータにアクセスする権利は、アメリカ合衆国憲法修正第1条(First Amendment)で保障されていると主張する。修正第1条は「表現の自由」や「報道の自由」などの権利を定めており、公開されている情報を収集することは、憲法でその権利が保障されているとのロジックを展開している。

顔認識システムについての議論

Clearviewは警察だけに提供されており、一般には公開されていない。警察がテロリストや犯罪者を特定し、社会の治安が保たれるとの期待から、これを容認する意見もある。しかし、警察が使用範囲を広げ、デモ参加者を特定する使い方が始まると、この限りではない。更に、企業や個人がこの技術を手にすると、その危険性がぐんと広がる。街中で我々の写真が撮られると、即座に氏名や住所や所得などの個人情報が判明し、プライバシーは消滅する。恐れていた事態が現実となり、米国で顔認識システムについて国民的議論が始まった。