>Minä kaikki tiedämme kohtauksen. Kaksi poliisisarjassa työskentelevää etsivää seisoo monitorien täyttämässä hämärässä huoneessa ja tarkastelee valvontakuvia. Teknikko (kyllä, se on melkein aina mies) asettaa kuvan toisensa jälkeen jonoon, kun etsivät katsovat ja siristävät silmiään ruudulle keskittyneinä. “Täällä ei ole mitään!” yksi etsivä vaatii. He ovat jo luovuttamassa, kun toinen etsivä (sankarimme) huutaa: “Odottakaa!”

Kaikki pysähtyvät. “Zoomaa tuonne!” etsivä sanoo. Tekniikkamies zoomaa auliisti kuvan rakeiseen kulmaan. “Suurenna se!” etsivä intonoi. Teknikko naputtelee joitakin näppäimiä, mutisee jotain algoritmeista, ja yhtäkkiä kuva tarkentuu ja paljastaa jonkin pienen, merkittävän yksityiskohdan. Juttu on auki!

Tämä kohtaus on rikosdraamaklisee, joka on niin yleinen, että se on innoittanut oman meemivideon, jolla on lähes miljoona katsojaa.

Tämmöiset kohtaukset saavat oikeat teknologiaihmiset sekoamaan, sillä “zoomaa ja suurenna” on aina tuntunut mahdottomalta fantasialta. Kunnes nyt. Kahden viimeaikaisen innovaation ansiosta zoom and enhance on vihdoin täällä. Sillä on potentiaalia muuttaa poliisivalvontaa radikaalisti, usein huolestuttavalla tavalla – tai ainakin auttaa sinua tuomaan takaisin 00-luvun alun valokuvasi.

Ensimmäinen innovaatio todellisen zoomin ja parannuksen takana tulee valokuvauksen maailmasta. Viime aikoihin asti valokuvaajilla oli kaksi ensisijaista vaihtoehtoa digitaalikameroiden suhteen: ammattikäyttöön tarkoitetut DSLR-kamerat, kuten Nikonin D-sarja, tai halvat kompaktit kuluttajakamerat, jollaisia käytit syntymäpäivä- tai matkakuviin. DSLR-kamerat ottavat loistavia kuvia, mutta ne ovat tilaa vieviä ja huomiota herättäviä, ja niitä voi olla vaikea käyttää – ei hyvä yhdistelmä valvontatyöhön. Kompaktikameroissa on harvoin sellaista laatua, jota valvonta-ammattilaiset tarvitsevat.

Tämä kaikki alkoi muuttua vuoden 2015 tienoilla, kun peilittömät kamerat yleistyivät. Näissä kameroissa on kompaktikameran pienikokoinen muoto, mutta osittain älypuhelimissa tapahtuneen kuvantamispiirien kehityksen ansiosta niissä on samat laadukkaat kuvakennot kuin DSLR-kameroissa yleensä. Ne lainaavat yhä useammin myös monimutkaisia kuvankäsittelyohjelmistoja älypuhelinmaailmasta, mikä parantaa niiden ominaisuuksia entisestään. Ja mikä tärkeintä, ne mahdollistavat ammattikäyttöön tarkoitettujen objektiivien käytön – mikä on helposti tärkein tekijä laadukkaiden valokuvien ottamisessa.

Valvonta-alan ammattilainen tai poliisi voi nyt hankkia muutamalla tuhannella dollarilla pieniä, helppokäyttöisiä kameroita, jotka ottavat parempia valokuvia kuin parhaimmat ammattilaiskamerat muutama vuosi sitten.

Lopputuloksena on pienikokoinen kamera, jota voi kantaa mukanaan ja jota voi käyttää huomaamattomasti ja jolla voi samalla ottaa erittäin yksityiskohtaisia ja korkearesoluutioisia kuvia. Legendaarisen saksalaisen kameravalmistajan Leican peilitön kamera Q aloitti pitkälti trendin. Uusin Q-malli painaa vain 1,4 kiloa ja ottaa 47 megapikselin kuvia hävyttömän terävällä objektiivilla, joka näkee enemmän yksityiskohtia kuin ihmissilmä. Kameran ISO-arvo on 50 000 (15 kertaa korkeampi kuin nopeimmilla analogisilla filmeillä), joten se näkee käytännössä myös pimeässä.

Sittemmin on tullut halvempia kilpailijoita, kuten Sony Alpha. Muutamalla tuhannella dollarilla valvonta-ammattilainen tai poliisi voi nyt hankkia pieniä, helppokäyttöisiä kameroita, jotka ottavat parempia kuvia kuin parhaat ammattilaiskamerat vain muutama vuosi sitten. Näillä kameroilla otettujen valokuvien zoomaaminen voi joskus tuntua siltä kuin käyttäisi zoomausta ja parannusta. Niiden tallentama yksityiskohtaisuus – etenkin yhdistettynä nykyaikaisiin ohjelmistoihin – on hämmästyttävää.

Mutta kun peilittömien kameroiden kuvat yhdistetään kompressiiviseen tunnistukseen, zoomaus ja parannus ovat todella täällä. Kompressiivisen tunnistuksen avulla voit suurentaa kuvaa massiivisesti ilman merkittävää laadun heikkenemistä. Tekniikka on ollut käytössä 2000-luvun alusta lähtien, mutta se tuli tunnetuksi vuonna 2010, kun tutkijat osoittivat, miten sen avulla voitiin rekonstruoida presidentti Barack Obaman kuva käyttämällä pientä otosta satunnaisesti jakautuneista pikseleistä.

Vuonna 2017 Google osoitti, miten kompressiivisen aistimisen periaatteet voitiin yhdistää hermoverkkoihin, jotta huonontuneita tai heikkolaatuisia kuvia voitiin rekonstruoida prosessissa nimeltä tekoälyllinen superresoluutio. Tekniikka toimii siten, että aloitetaan esimerkkikuvista – usein kasvoista tai huoneista – ja sotketaan niitä tarkoituksellisesti tekemällä niistä epätarkkoja, ajamalla ne hirvittävän JPEG-pakkausjärjestelmän läpi ja muuta vastaavaa.

Neuraalinen verkko tarkastelee sitten huonontuneita kuvia, vertaa niitä laadukkaisiin vastineisiinsa ja oppii, miten nämä kaksi liittyvät toisiinsa. Pohjimmiltaan verkko opettelee itselleen kaikki tavat, joilla digitaalinen kuva voi huonontua. Kun se tietää tämän, prosessi käännetään päinvastaiseksi. Järjestelmälle annetaan heikkolaatuinen tai huonontunut kuva, ja se rakentaa koulutuksensa perusteella laadukkaan, huonontumattoman version tyhjästä.

Vaikka Google on sittemmin suurelta osin vetäytynyt alalta, tekoälyn superresoluutio on lähtenyt liikkeelle. Big JPG:n kaltaisten palveluiden avulla käyttäjät voivat ladata heikkolaatuisen valokuvan ja saada sen välittömästi 400 % tai enemmän suurennetuksi, usein minimaalisella laadun heikkenemisellä. Photoshop-liitännäiset ovat tarjonneet samanlaista tekniikkaa valokuvaajille, jotka käyttävät sitä epätarkkuuden poistamiseen ja kuvien terävöittämiseen. Oma tekoälyvetoinen valokuvausyritykseni käyttää tekniikkaa usein 2000-luvun alussa otettujen digikamerakuvien suurentamiseen, jolloin jopa nämä heikkolaatuiset varhaiskuvat täyttävät nykypäivän standardit julkaisuissa käytettäväksi.

Tekniikkaa käytetään kuitenkin myös valvontaan. Pian sen kehittämisen jälkeen tutkijat alkoivat näyttää, miten superresoluutiota voitaisiin käyttää matalaresoluutioisten valvontakuvien tai valvontavideoiden kuvien suurentamiseen. Toiset keskittyivät käyttämään tekniikkaa kohdennettuihin sovelluksiin, kuten rekisterikilpien tunnistamiseen. Monet ryhmät ovat keskittyneet kasvontunnistuskuvien superresoluutioon ja kehittäneet jopa erikoisalgoritmeja kasvokuvien parantamiseen.

Useat toimittajat ovat integroineet nämä algoritmit erityisiin ohjelmistotuotteisiin. Topaz Labs on kokemukseni mukaan edistynein. Kun sen Gigapixel AI -tuote yhdistetään nykyaikaisen peilittömän kameran tuotokseen, saadaan zoomaus ja parannus, joka kilpailee CSI:n kaltaisten sarjojen kuvitteellisten järjestelmien kanssa.

Tässä on esimerkiksi Leica Q -peilittömällä kamerallani otettu kuva Jamba Juice -ravintolasta Marin Countyssa, Kaliforniassa.

Kuvan otin kadun toiselta puolelta, kämmenen kokoinen kamera kaulassa roikkuen. Tämän jälkeen ajoin kuvan Topazin Gigapixel AI -ohjelmiston läpi, suurensin sitä 400 % ja käytin yrityksen omia kasvojen rekonstruktio- ja terävöitysalgoritmeja.

Suurennettuun kuvaan täysikokoiseksi zoomattaessa voi nähdä uskomattomia yksityiskohtia. Ravintolan etuikkunan läpi näkyy selvästi asiakas, joka odottaa jonossa ja tutkii ruokalistaa.

Voit jopa nähdä, että hänellä on yllään sininen kirurginen maski. Hienosti pysytellyt turvassa, tuntematon smoothie-mies! Myös oveen ripustetut lentolehtiset näkyvät, mukaan lukien osa lentolehtisen grafiikasta. Sisällä näkee asiakkaita tekemässä tilauksiaan.

Suurentamalla ja suurentamalla kuvan toista osaa voit nähdä kauempana taustalla olevien kylttien tekstin (“Jamba Curbside Pickup”) ja sen, miten ne on kiinnitetty pylväisiin keltaisella teipillä. Ja kaukaisuudessa voit nähdä toisen läheisen myymälän mallinuket ja ruokailijat, jotka syövät ulkona olevissa pöydissä.

Ääremmällä zoomauksella ja valotuksen säätämisellä voit selvästi erottaa myymälän tunnusomaiset Blendtec-sekoittimet sisätilojen tiskillä.

Blenderin tunnistaminen ei tietenkään ole uuden teknologian mullistavinta käyttöä. Kuvan vasemmassa keskivasemmassa reunassa oleva punainen laatikko on zoomattu ja suurennettu alla olevassa kuvassa.

Soveltamalla zoomausta ja suurennusta voit selvästi nähdä poliisien kasvot väkijoukon takaosassa. Soveltamalla kasvojen rekonstruktiota nämä kuvat olisivat todennäköisesti riittävän hyviä löytämään osumia kasvojentunnistustietokannasta.

Yhdistämällä tämä tekniikka Clearview AI:n kaltaisiin kasvojentunnistusjärjestelmiin olisi triviaalia tunnistaa suuri määrä ihmisiä mielenosoittajien joukosta. Turistina esiintyvä siviilipukuinen poliisi tai liittovaltion agentti voisi helposti kävellä mielenosoittajien joukon läpi napsimalla kuvia pienellä peilittömällä kameralla. Kuvat voitaisiin ajaa superresoluutiojärjestelmän läpi, jolloin ne suurentuisivat massiivisesti ja niissä esiintyvät kasvot korostuisivat.

Yksittäiset kasvot voitaisiin sitten poimia kuvasta ja ajaa Clearview’n kaltaisen järjestelmän läpi jokaisen yksilön tunnistamiseksi nimen perusteella. Poliisivoimien ja muiden virastojen kerrotaan jo käyttävän tekoälyä erilaisten toimintojen (kuten ajoneuvoon murtautumisen tai oleskelun) tunnistamiseen ja valvontakuvien etsimiseen henkilöiden fyysisen kuvauksen perusteella. On epäselvää, käytetäänkö superresoluutiota vielä, mutta se on epäilemättä tulossa. Myös kasvojen rekonstruktiotekniikka todennäköisesti paranee – monet kasvot tulevat nykyäänkin vääristyneinä esiin, kun niitä parannetaan, mutta kasvojen rekonstruktiovirheet todennäköisesti vähenevät ajan myötä.

Meidän on varmistettava, että zoomauksen ja suurennuksen kaltaiset tekniikat ovat lainvalvontaviranomaisten käytettävissä silloin, kun niitä todella tarvitaan. Mutta meidän on myös varmistettava, ettei niitä käytetä väärin.

Tekniikan kehittyessä et ehkä edes tarvitse peilitöntä kameraa tai muita laadukkaita kameroita. Superresoluutiosta voi lopulta tulla riittävän hyvä, jotta perinteisen valvontakameran matalaresoluutioisella tuotoksella voidaan suorittaa zoomaus- ja parannustoimintoja ja tunnistaa jokainen yksilö väkijoukosta liikennekameroiden, kaupan tai läheisen kodin valvontakameroiden tai jopa kiertelevän lennokin kuvamateriaalin avulla. Sitä voitaisiin jonain päivänä soveltaa myös älypuhelimella otettuihin valokuviin tai jopa sosiaalisen median alustoilla, kuten Instagramissa, näytettäviin matalaresoluutioisiin valokuviin.

Kuten minkä tahansa uuden valvontateknologian kohdalla, zoomauksen ja parannuksen vastuullisen käytön varmistaminen on oikeiden lakien ja toimintatapojen luomista koskeva kysymys. Yhdysvaltain perustuslain neljäs lisäys suojaa jo nyt etsinnöiltä ilman etsintälupaa. Tuomioistuimet ovat punninneet uuteen tekniikkaan liittyviä kysymyksiä aiemminkin – esimerkiksi tutkittuaan, rikkooko teleobjektiivien avulla tapahtuva valvonta neljättä lisäystä. Tuomioistuimet ovat yleensä katsoneet, että laajalti saatavilla olevaa teknologiaa, kuten zoom-objektiiveja, voidaan käyttää monissa yhteyksissä, mutta erikoisteknologiaa, kuten seinien läpi näkevää tutkaa, ei voida käyttää.

Ei ole vielä selvää, mihin kohtaan zoom- ja parannustekniikka sijoittuisi tässä kirjossa. Teknologiaa saatetaan pitää vain toisena versiona perinteisen kameran zoom-objektiivista. Mutta kun otetaan huomioon sen tekoälyyn liittyvät elementit, tuomioistuimet saattavat katsoa, että se on liian erikoistunutta teknologiaa, jotta sitä voitaisiin käyttää ilman asianmukaisia etsintälupia.

Toistaiseksi teknologia on liian uutta, jotta näitä ennakkotapauksia olisi voitu luoda. Kansalaisina parasta, mitä voimme tehdä, on olla tietoisia sen olemassaolosta. Jos olet mielenosoituksessa tai muussa arkaluonteisessa tapahtumassa, oleta, että sinua tarkkaillaan ja kuvataan. Vaikka et näkisikään ketään, jolla on ammattimaisen näköinen kamera, viranomaiset saattavat silti tallentaa kuvasi riittävän laadukkaasti, jotta sinut voidaan etsiä kasvojentunnistuksen avulla ja tunnistaa nimelläsi.

Voimme myös ennakoivasti tiedottaa lainsäätäjille siitä, mitkä uudet teknologiat sopivat meille ja mitkä eivät. Kasvontunnistustekniikoita kohtaan tunnettu kansan suuttumus johti lakiehdotukseen, jolla kiellettäisiin tämän tekniikan käyttö poliisitoiminnassa. Meidän on varmistettava, että zoomin ja tehostamisen kaltaiset teknologiat ovat lainvalvonnan käytettävissä silloin, kun niitä todella tarvitaan. Mutta meidän on myös varmistettava, ettei niitä käytetä väärin.

Samoin kuin tieteiskirjallisuus on tehnyt hyvää työtä valmistellessaan meitä avaruusmatkailuun ja tietokoneisiin, CSI:n kaltaiset sarjat ovat tehneet hyvää työtä esittelemällä meille zoomauksen ja parannuksen käsitteen jo ennen kuin sitä oli olemassa. Mutta kun siirrytään mielikuvitusmaailmaa pidemmälle, jossa hyvä poliisi taistelee pahoja rikollisia vastaan, zoomauksen ja parannuksen kaltaisten tekniikoiden reaalimaailman eettisyys hämärtyy nopeasti.