اسناد اخیر فاش کرده‌اند که هزاران مسافر در شبکه ریلی انگلستان، بی‌اطلاع از آن، هدف فناوری تشخیص احساسات هوش مصنوعی آمازون قرار گرفته‌اند. این گام بخشی از یک برنامه آزمایشی گسترده برای تحلیل رفتاری مسافران است.

طبق گزارش‌های منتشرشده، یکی از اهداف اصلی استقرار این دوربین‌های هوشمند در ایستگاه‌های قطار، استخراج داده‌های احساسی برای استفاده در تبلیغات هدفمند و بهینه‌سازی استراتژی‌های خرده‌فروشی در آینده است. این موضوع موجی از نگرانی‌های جدی در خصوص حریم خصوصی و اخلاقیات داده را برانگیخته است.

سیستم‌های پردازش تصویر مورد استفاده، قابلیت پیش‌بینی ویژگی‌های دموگرافیکی نظیر سن و جنسیت، در کنار شناخت حالات روحی مانند خوشحالی، ناراحتی و خشم را دارند. اگرچه مقامات تأکید دارند که هدف اولویت‌دار، ارتقای امنیت، مقابله با سرقت، مدیریت ازدحام و شناسایی رفتار‌های ضد‌اجتماعی است، اما بعد تجاری و تبلیغاتی این تکنولوژی، شفافیت پروژه را زیر سوال برده است.

انگلستان در دو سال اخیر به عنوان یکی از پیشگامان بکارگیری هوش مصنوعی در زیرساخت‌های حمل‌ونقل عمومی شناخته شده است. جدید‌ترین آزمایش‌ها زیر نظر، با حمایت تکنولوژی بینایی ماشین آمازون اجرا شده و توجه گسترده کارشناسان امنیت سایبری و فعالان حقوق شهروندی را به خود جلب کرده است.

دوربین‌های هوشمند مداربسته، مجهز به الگوریتم‌های پیشرفته یادگیری عمیق، در طیف وسیعی از ایستگاه‌ها — از ایستگاه‌های شلوغی مانند یوستون و واترلو در لندن و منچس‌تر پیکادیلی تا ایستگاه‌های کوچک‌تر — مستقر شده‌اند. مقامات ادعا می‌کنند این زیرساخت به منظور کاهش هزینه‌های نظارتی، افزایش کارایی عملیات امنیتی و پیشگیری از حوادث طراحی شده است.

اما ابعاد پنهان این پروژه در تحلیل مایکرو داده‌های چهره مسافران نهفته است. توانایی سیستم در کدگذاری لحظه‌به‌لحظه احساسات، پتانسیل تبدیل ایستگاه‌ها به محیطی برای استخراج ارزش تجاری از حالت‌های روانی افراد را فراهم می‌کند؛ سناریویی که منتقدان آن را سرقت داده‌های بیولوژیکی می‌نامند.

اعلام شده است که این فناوری در حدود هشت ایستگاه کلیدی در سراسر بریتانیا فعال است. اگرچه هدف اعلامی ایجاد محیط امن‌تر برای مسافران و کارکنان عنوان شده، اما عدم شفافیت در مورد نحوه ذخیره‌سازی، مدت نگهداری و اشتراک‌گذاری این داده‌های بیوم‌تریک حساس، شکاف اعتماد بین عموم و نهاد‌های مدیریت حمل‌ونقل را عمیق‌تر کرده است.