Από πόσους και πάνω θεωρείται “πλήθος” μια συγκέντρωση ατόμων; Δέκα; Πενήντα; Εκατό; Εμπειρικά ίσως μπορούμε να ξεχωρίσουμε το πλήθος από μια παρέα, όμως αν δεν χρησιμοποιηθούν βοηθητικοί αριθμοί, πχ “ήταν ένα πλήθος 40 περίπου ατόμων”, η συγκεκριμένη λέξη είναι εξ ορισμού αόριστη και απλά δηλώνει το “αρκετά” εως “πολλά”. Παρόλα αυτά, η ακριβέστερη προσέγγιση του αριθμού των ανθρώπων στα πλήθη, φαίνεται να είναι ζητούμενο σε μια μηχανοποιημένη κοινωνική οργάνωση.
Για παράδειγμα, η κυρίαρχη τάση του πώς κρίνεται η δυναμικότητα μιας πορείας/εκδήλωσης είναι ο αριθμός των συμμετεχόντων – και όχι άδικα. Ο αριθμός όσων κατεβαίνουν στον δρόμο αποτελεί ένα ενδεικτικό κριτήριο για το πόσους απασχολεί και πόσοι είναι διαθετιμένοι να αφιερώσουν λίγο από τον προσωπικό τους χρόνο για το εκάστοτε ζήτημα. Ίσως δεν εκφράζει το σύνολο των “ανήσυχων”, αλλά σίγουρα αποτελεί μια κατά προσέγγιση εικόνα.
Όμως η παρουσία στον δρόμο, η δημιουργία ενός γεγονότος στα πλαίσια μιας πολιτικής δράσης, δεν χαρακτηρίζεται απλά και μόνο από τους αριθμούς. Σίγουρα, χωρίς αυτούς, από ένα σημείο και μετά δεν υπάρχει καν η δυνατότητα της παρέμβασης, με την έννοια της δημιουργίας γεγονότων κάποιας έντασης ώστε να θεωρούνται ανταγωνιστικά. (Αν και χωράει συζήτηση έδω). Είναι όμως η ποσότητα του πλήθους η αρχή και το τέλος των πολιτικών παρεμβάσεων; Αν μιλάμε για την κρατική αντίληψη περί ανταγωνιστικότητας και εξουσίας, τότε ναι. Οι αριθμοί είναι βασικό στοιχείο της ιδεολογίας της.
Τα λέμε αυτά, όχι για να ανοίξουμε μια συζήτηση περί των πολιτικών δράσεων και των χαρακτηριστικών τους, αλλά ως εισαγωγή για την παρουσίαση μιας τεχνολογίας που μπορεί να φανεί χρήσιμη στους “αριθμο-λάγνους”, στους οποίους είναι κρισιμότερη η μετρημένη με ακρίβεια, από την κατα προσέγγιση εικόνα.
Ερευνητές στο γερμανικό αεροδιαστημικό κέντρο τροφοδότησαν ένα σύστημα τεχνητής νοημοσύνης με εικόνες διαδηλώσεων από αεροπλάνα, ελικόπτερα και drones, παράγοντας υψηλής ακρίβειας υπολογισμούς για τον αριθμό των διαδηλωτών. Το συγκεκριμένο είναι ένα σύστημα νευρωνικών δικτύων εξειδικευμένο στην οπτική αναγνώριση, ονόματι MRCnet (Multi-Resolution Crowd Network), το οποίο χωρίζει το πλήθος σε τετράγωνα και κάνει καταμέτρηση των ατόμων μέσα σε αυτά. Λένε ότι είναι από τα γρηγορότερα και πιο ακριβή, αφού υπολογίζει τον αριθμό του κάθε τετραγώνου σε 0.03 millisecond και είναι 15% ακριβέστερο από τον προκάτοχό του για την συγκεκριμένη δουλειά.
Αντιγράφουμε από την εισαγωγή της σχετικής δημοσίευσης1MRCNet: Crowd Counting and Density Map Estimation in Aerial and Ground Imagery:
“Η μέτρηση πλήθους και η εκτίμηση της πυκνότητας πλήθους παίζουν βασικό ρόλο στην παρακολούθηση της ασφάλειας και στην ανάλυση συμπεριφορών, ιδίως στην περίπτωση μαζικών εκδηλώσεων. Μπορούν να οδηγήσουν σε έγκαιρη ανίχνευση διαταραχών ή ανωμαλιών που σχετίζονται με την ασφάλεια, ενημερώνοντας και βοηθώντας τους διοργανωτές και τους υπεύθυνους λήψης αποφάσεων να αποφύγουν τις καταστροφές. Οι κάμερες επιτήρησης κλειστού κυκλώματος (CCTV) έχουν χρησιμοποιηθεί για την παρακολούθηση πλήθους και έχουν γίνει καθολικές τα τελευταία χρόνια, προσφέροντας μεγάλο αριθμό εικόνων με διάφορες προοπτικές, κλίμακες και συνθήκες φωτισμού. Ωστόσο, για μαζικές εκδηλώσεις που εκτείνονται σε μεγάλες εκτάσεις με χιλιάδες ανθρώπους, η παρακολούθηση του πλήθους από ψηλά χρησιμοποιώντας αεροφωτογραφίες αποδείκνύεται πλεονεκτική λόγω του ευρύτερου οπτικού πεδίου και της καλύτερης προοπτικής σε σύγκριση με τις εικόνες από CCTV. […]”
Μέχρι τον Οκτώβριο του 2019 (η ημερομηνία του άρθρου που χρησιμοποιούμε ως πηγή) το εν λόγω σύστημα είχε εφαρμοστεί μόνο σε εργαστηριακό περιβάλλον, με τον επικεφαλή της έρευνας Reza Bahmanyar, να δηλώνει πως θέλει να το “βγάλει” σε πραγματικές συνθήκες σύντομα. Δεν έχουμε υπόψη αν όντως έχει εφαρμοστεί σε πραγματικές συνθήκες από τότε, αλλά το σενάριο όπου μπορούν να χρησιμοποιηθούν τέτοιες τεχνολογίες για μια αυτοματοποιημένη “πρόληψη συνωστισμών” ας πούμε, ίσως να μην είναι και τόσο sci-fi.