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
Traducido por IA

Incidente 831: Los escáneres de armas con inteligencia artificial del metro de Nueva York arrojan una alta tasa de falsos positivos y no detectan armas en una prueba piloto de un mes de duración.

Traducido por IA
Descripción:
Traducido por IA
La ciudad de Nueva York implementó un escáner de armas con inteligencia artificial durante un programa piloto de un mes, con resultados limitados. A pesar de no encontrar armas durante la fase de prueba de septiembre de 2024, se registraron 118 falsos positivos en los que se registró a una persona bajo sospecha de portar un arma sin que se detectaran armas.
Editor Notes: The 118 false positives can be considered a privacy invasion, and according to some cited legal advocacy groups, a violation of due process. Reconstructing the timeline of events: (1) March 28, 2024: Mayor Eric Adams announces plans to deploy Evolv's AI-powered weapons scanners in selected NYC subway stations. (2) Summer 2024: Pilot program begins, deploying AI scanners across 20 subway stations. (3) September 2024: NYPD completes a 30-day testing period with the scanners, performing 2,749 scans and recording 118 false positives and no firearms detections. (4) October 23, 2024: NYPD releases a brief statement summarizing the pilot results, which is marked at the incident date for our purposes, even though each false positive (as well as the potential for firearms to have slipped past detection) may be considered discrete incidents in and of themselves.

Herramientas

Nuevo InformeNuevo InformeNueva RespuestaNueva RespuestaDescubrirDescubrirVer HistorialVer Historial
El Monitor de Incidentes y Riesgos de IA de la OCDE (AIM) recopila y clasifica automáticamente incidentes y riesgos relacionados con la IA en tiempo real a partir de fuentes de noticias reputadas en todo el mundo.
 

Entidades

Ver todas las entidades
Alleged: Evolv Technology developed an AI system deployed by New York City Government, which harmed New York City subway riders.

Estadísticas de incidentes

ID
831
Cantidad de informes
2
Fecha del Incidente
2024-10-23
Editores
Daniel Atherton
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
 

7.3. Lack of capability or robustness

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. AI system safety, failures, and limitations

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

+1
Los escáneres de armas impulsados por IA utilizados en el metro de Nueva York no encontraron armas en una prueba de un mes
La FTC ordena al fabricante de tecnología de «detección de armas» Evolv que deje de exagerar la eficacia de sus gloriosos detectores de metales
Los escáneres de armas impulsados por IA utilizados en el metro de Nueva York no encontraron armas en una prueba de un mes

Los escáneres de armas impulsados por IA utilizados en el metro de Nueva York no encontraron armas en una prueba de un mes

apnews.com

La FTC ordena al fabricante de tecnología de «detección de armas» Evolv que deje de exagerar la eficacia de sus gloriosos detectores de metales

La FTC ordena al fabricante de tecnología de «detección de armas» Evolv que deje de exagerar la eficacia de sus gloriosos detectores de metales

techdirt.com

Los escáneres de armas impulsados por IA utilizados en el metro de Nueva York no encontraron armas en una prueba de un mes
apnews.com · 2024
Traducido por IA

NUEVA YORK (AP) — Un programa piloto que probó escáneres de armas con inteligencia artificial dentro de algunas estaciones del metro de Nueva York este verano no detectó ningún pasajero con armas de fuego, pero dio alertas falsas más de 100…

La FTC ordena al fabricante de tecnología de «detección de armas» Evolv que deje de exagerar la eficacia de sus gloriosos detectores de metales
techdirt.com · 2024
Traducido por IA

Actualizado: Esta publicación ha sido actualizada, ya que el original posiblemente exageró tanto lo que decía el acuerdo de la FTC con respecto a lo que Evolv podría comercializar como la respuesta de Evolv al mismo (lo que sugiere que inte…

Variantes

Una "Variante" es un incidente de IA similar a un caso conocido—tiene los mismos causantes, daños y sistema de IA. En lugar de enumerarlo por separado, lo agrupamos bajo el primer incidente informado. A diferencia de otros incidentes, las variantes no necesitan haber sido informadas fuera de la AIID. Obtenga más información del trabajo de investigación.
¿Has visto algo similar?

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

Uber AV Killed Pedestrian in Arizona

Uber AV Killed Pedestrian in Arizona

Mar 2018 · 25 informes
Predictive Policing Biases of PredPol

Predictive Policing Biases of PredPol

Nov 2015 · 17 informes
Police Departments Reported ShotSpotter as Unreliable and Wasteful

Police Departments Reported ShotSpotter as Unreliable and Wasteful

Oct 2012 · 15 informes
Incidente AnteriorSiguiente Incidente

Incidentes Similares

Por similitud de texto

Did our AI mess up? Flag the unrelated incidents

Uber AV Killed Pedestrian in Arizona

Uber AV Killed Pedestrian in Arizona

Mar 2018 · 25 informes
Predictive Policing Biases of PredPol

Predictive Policing Biases of PredPol

Nov 2015 · 17 informes
Police Departments Reported ShotSpotter as Unreliable and Wasteful

Police Departments Reported ShotSpotter as Unreliable and Wasteful

Oct 2012 · 15 informes

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
  • 69ff178