Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar

Incidente 439: Detroit Police Wrongfully Arrested Black Man Due To Faulty Facial Recognition

Descripción: A Black man was wrongfully detained by the Detroit Police Department as a result of a false facial recognition (FRT) result.

Herramientas

Nuevo InformeNuevo InformeNueva RespuestaNueva RespuestaDescubrirDescubrirVer HistorialVer Historial

Entidades

Ver todas las entidades
Alleged: DataWorks Plus developed an AI system deployed by Detroit Police Department, which harmed Michael Oliver y Black people in Detroit.

Estadísticas de incidentes

ID
439
Cantidad de informes
3
Fecha del Incidente
2019-07-31
Editores
Kate Perkins
Applied Taxonomies
MIT

Clasificaciones de la Taxonomía MIT

Machine-Classified
Detalles de la Taxonomía

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

1.1. Unfair discrimination and misrepresentation

Risk Domain

The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
 
  1. Discrimination and Toxicity

Entity

Which, if any, entity is presented as the main cause of the risk
 

AI

Timing

The stage in the AI lifecycle at which the risk is presented as occurring
 

Post-deployment

Intent

Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
 

Unintentional

Informes del Incidente

Cronología de Informes

Incident OccurrenceEl controvertido reconocimiento facial de Detroit hizo que lo arrestaran por un crimen que no cometióEl reconocimiento facial defectuoso condujo a su arresto, ahora está demandandoEl arresto injusto expone el sesgo racial en la tecnología de reconocimiento facial
El controvertido reconocimiento facial de Detroit hizo que lo arrestaran por un crimen que no cometió

El controvertido reconocimiento facial de Detroit hizo que lo arrestaran por un crimen que no cometió

freep.com

El reconocimiento facial defectuoso condujo a su arresto, ahora est�á demandando

El reconocimiento facial defectuoso condujo a su arresto, ahora está demandando

vice.com

El arresto injusto expone el sesgo racial en la tecnología de reconocimiento facial

El arresto injusto expone el sesgo racial en la tecnología de reconocimiento facial

cbsnews.com

El controvertido reconocimiento facial de Detroit hizo que lo arrestaran por un crimen que no cometió
freep.com · 2020
Traducido por IA

El caso de alto perfil de un hombre negro arrestado injustamente a principios de este año no fue la primera identificación errónea relacionada con la controvertida tecnología de reconocimiento facial utilizada por la policía de Detroit, seg…

El reconocimiento facial defectuoso condujo a su arresto, ahora está demandando
vice.com · 2020
Traducido por IA

La policía de Detroit arrestó injustamente a otro hombre negro basándose en una tecnología de reconocimiento facial defectuosa que a menudo produce errores al identificar a las personas de color, según una nueva demanda [obtenida por Mother…

El arresto injusto expone el sesgo racial en la tecnología de reconocimiento facial
cbsnews.com · 2020
Traducido por IA

En julio de 2019, Michael Oliver, de 26 años, se dirigía a su trabajo en Ferndale, Michigan, cuando un coche de policía lo detuvo. El oficial le informó que había una orden de arresto por delito grave para su arresto.

"Pensé que estaba brom…

Variantes

Una "Variante" es un incidente que comparte los mismos factores causales, produce daños similares e involucra los mismos sistemas inteligentes que un incidente de IA conocido. En lugar de indexar las variantes como incidentes completamente separados, enumeramos las variaciones de los incidentes bajo el primer incidente similar enviado a la base de datos. A diferencia de otros tipos de envío a la base de datos de incidentes, no se requiere que las variantes tengan informes como evidencia externa a la base de datos de incidentes. Obtenga más información del trabajo de investigación.
Incidente AnteriorSiguiente Incidente

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2024 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • ecd56df