Resumo:
EUA a polícia está usando uma ferramenta de inteligência artificial chamada Raven para tentar determinar em qual imóvel específico a foto foi tirada apenas a partir de uma foto do interior da casa. Mesmo que a foto não inclua a vista da janela, as placas de rua ou as informações de localização do GPS, a máquina de lavar, os utensílios do banheiro e a decoração de interiores da foto podem ser pistas para identificar a casa. A tecnologia pode combinar fotos internas comuns com listagens de informações sobre imóveis e plataformas de aluguel de curto prazo, fornecendo possíveis pistas de investigação para autoridades policiais, ao mesmo tempo que levanta preocupações sobre privacidade pessoal e vigilância em massa.
De acordo com relatório do TechSpot de 12 de outubro de 2026, esta ferramenta chamada Raven foi desenvolvida pela empresa americana Graylark Technologies. O sistema, anteriormente conhecido como GeoSpy, foi inicialmente usado para inferir locais de filmagem com base em estilos arquitetônicos, topografia e outras características geográficas das fotos. À medida que novas funcionalidades são adicionadas, começa a tentar alargar o âmbito da identificação ao interior dos edifícios, ajudando os investigadores a localizar propriedades específicas a partir de fotos do interior.
De acordo com relatos anteriores da mídia, o Departamento de Polícia de Los Angeles e o Gabinete do Xerife do Condado de Miami-Dade adquiriram os direitos de uso do Raven. No entanto, ainda faltam dados públicos suficientes sobre se as autoridades responsáveis pela aplicação da lei utilizam extensivamente esta ferramenta em casos reais e até que ponto esta pode melhorar a eficiência das investigações.
O que chamou a atenção desta vez foi um vídeo de demonstração mostrado recentemente pelo CEO da Graylark, Daniel Heinen. No vídeo, o operador tira uma foto interna da plataforma de mídia social X que mostra apenas uma lavadora e uma secadora. Os operadores carregam fotos no Raven, selecionam funções de localização de propriedades internas e externas e especificam a área a ser pesquisada.
Depois de alguns segundos, o sistema restringe o mapa a uma área em Charlotte, Carolina do Norte, EUA, e lista possíveis propriedades correspondentes. O resultado principal mostrou uma descrição de aluguel de curto prazo com texto como "Renovado! A uma curta distância do centro da cidade". Posteriormente, a mídia verificou e descobriu que este texto era consistente com um anúncio específico na plataforma Airbnb, e as fotos internas exibidas no anúncio também correspondiam ao mesmo imóvel que as fotos a serem localizadas.
Em outra demonstração, um operador postou uma foto de um banheiro nas redes sociais. Raven então apontou o escopo da pesquisa para a área de Montecito, Califórnia, e como resultado forneceu uma lista chamada "Montecito Beach Sand House". Meios de comunicação relevantes verificaram que o texto devolvido pelo sistema correspondia diretamente a uma introdução de listagem na plataforma de aluguer de curta duração Vrbo.
Isso significa que a maneira como Raven funciona não é simplesmente pesquisar se há exatamente as mesmas fotos na Internet, mas tentar identificar características únicas nas fotos e, em seguida, encontrar outras possíveis fotos correspondentes e informações de propriedades em sites imobiliários e listagens de plataformas de aluguel de curto prazo.
Por exemplo, uma foto de interior pode incluir um modelo específico de máquina de lavar, um layout exclusivo de banheiro, revestimentos de parede, estilos de armários ou outros detalhes decorativos. Individualmente, estes elementos podem não ser geograficamente específicos, mas se comparados com um grande número de imagens de anúncios, pode ser possível restringir a pesquisa às propriedades que melhor atendem aos seus critérios.
Esta tecnologia é significativamente diferente da pesquisa reversa de imagens tradicional. A pesquisa reversa de imagens é usada principalmente para encontrar imagens iguais ou semelhantes que já apareceram na Internet, enquanto Raven tenta estabelecer associações por meio de características de cena entre diferentes fotos. Mesmo que a foto a ser localizada não seja idêntica à imagem na página do anúncio, o sistema ainda poderá identificar o mesmo imóvel com base no ambiente interno compartilhado.
Esta é também uma razão importante pela qual esta tecnologia levanta questões de privacidade. No passado, poder-se-ia pensar que seria difícil inferir um endereço específico a partir de uma foto comum de interior, desde que a foto não viesse com coordenadas GPS, ruas ou pontos de referência. Mas como a inteligência artificial pode processar características visuais mais complexas e combiná-las com dados de habitação pública em grande escala, este julgamento pode já não ser fiável.
Graylark disse que a empresa está fortalecendo as capacidades de posicionamento da Raven em cenas internas. A introdução de Haining nas redes sociais disse que esta função pode localizar geograficamente fotos internas de milhões de propriedades para aluguel de curto prazo em todo o mundo. Ele acredita que, para os agentes responsáveis pela aplicação da lei que investigam casos de tráfico e exploração de seres humanos, a possibilidade de associar uma fotografia interior não identificada a um local específico pode fornecer pistas de investigação que merecem uma verificação mais aprofundada.
Por exemplo, os investigadores podem ter uma foto de um interior tirada de mídias sociais, registros de bate-papo ou outras fontes, mas não sabem de qual hotel, apartamento ou aluguel a foto foi tirada. Se o sistema conseguir encontrar uma possível correspondência, a polícia poderá verificar ainda mais as informações para determinar se existe um local relevante para o caso.
No entanto, os resultados fornecidos por tais técnicas devem ser vistos como pistas de investigação e não como provas independentes de factos. Móveis, acabamentos e acessórios nas fotos podem aparecer em vários anúncios, ou a casa pode ter sido reformada ou as características alteradas desde o momento em que a foto foi tirada. Portanto, os resultados correspondentes fornecidos pelo sistema ainda precisam ser confirmados por outras evidências.
A base técnica da Raven remonta ao desenvolvimento inicial do GeoSpy. O sistema analisou previamente estilos arquitetônicos, solo, vegetação e outras características geográficas para inferir onde uma foto poderia ter sido tirada. Para atingir esse objetivo, Graylark utiliza um grande número de imagens de todo o mundo para treinar o modelo.
Haining afirmou anteriormente em uma entrevista à mídia de tecnologia Indicator que as capacidades de posicionamento interno não eram o objetivo original de desenvolvimento da equipe. Ao testar uma nova versão do GeoSpy, ele acidentalmente carregou uma foto de sua namorada tirando uma selfie no banheiro, e o sistema apontou para São Francisco. Surpreso com isso, ele começou a testar baixando fotos de interiores de sites imobiliários e descobriu que o sistema era capaz de identificar a cidade correta em muitos casos.
Haining especulou que o modelo foi exposto a imagens georreferenciadas contendo cenas internas durante o treinamento e que, mesmo que essas imagens não tenham sido originalmente usadas especificamente para posicionamento interno, o modelo poderia ter aprendido características visuais associadas a diferentes locais.
Esta experiência mostra que os modelos de inteligência artificial podem desenvolver capacidades além das expectativas iniciais dos desenvolvedores durante o processo de treinamento. No entanto, só porque o modelo pode inferir uma determinada cidade ou região não significa que possa necessariamente localizar com precisão o endereço residencial específico. Limitar os resultados da pesquisa a uma cidade, identificar um edifício e localizar uma casa são problemas de dificuldade variada.
De acordo com a demonstração pública atual, Raven pode de fato encontrar a casa específica correspondente à foto em alguns casos, mas não consegue localizar nenhuma casa no mundo com base em qualquer foto interna. A TechSpot observou que os recursos da ferramenta ainda parecem limitados por fatores como a variedade de propriedades que ela pode pesquisar e que os resultados específicos podem variar de acordo com a região, número de listagens e conteúdo da foto.
Na verdade, o desempenho deste sistema também depende se os dados na plataforma imobiliária são suficientemente ricos. Se um imóvel tiver muitas fotos postadas em sites como Airbnb, Vrbo ou Zillow, o sistema poderá ter mais dados para combinar. Por outro lado, se uma casa não tiver fotos de listagem pública ou se o interior não tiver características distintivas, localizá-la pode ser significativamente mais difícil.
É importante observar que os recursos da Raven podem envolver a coleta e utilização automatizada de dados de plataformas imobiliárias, e essas plataformas não permitem necessariamente que terceiros obtenham informações dessa maneira.
O Airbnb disse à mídia que proteger a privacidade dos usuários da plataforma é muito importante. A empresa observa que a listagem de fotos geralmente exclui metadados de localização, e os anfitriões podem optar por mostrar aos usuários apenas uma localização geral, com endereços específicos normalmente não fornecidos até que a reserva seja confirmada. O Airbnb também disse que implementou medidas técnicas para tentar limitar o rastreamento automatizado do conteúdo do site e está analisando a situação.
O Airbnb também enfatizou que a empresa não tem nenhuma relação de cooperação com a Graylark e que seus termos de serviço proíbem a captura não autorizada de dados.
A plataforma imobiliária Zillow também afirmou que a coleta de dados de seu site violava os termos de uso da plataforma e disse que trataria de questões relevantes por meios legais, se necessário. A plataforma de aluguel de curto prazo Vrbo não respondeu a vários pedidos de comentários da mídia.
Essas respostas mostram que o desenvolvimento e a aplicação de ferramentas de posicionamento de inteligência artificial podem envolver diversas questões, como regras de uso de dados da plataforma, proteção da privacidade do usuário e responsabilidades legais relacionadas. Mesmo que certas fotos de listagens sejam publicamente acessíveis aos utilizadores comuns da Internet, isso não significa que os dados possam ser automaticamente recolhidos, integrados e utilizados para construir novos sistemas de segmentação sem restrições.
Ao mesmo tempo, os direitos de uso de Raven também foram ajustados.
A 404 Media informou anteriormente que quando o GeoSpy foi disponibilizado ao público pela primeira vez, os usuários perguntaram na comunidade Discord da empresa como usar a ferramenta para rastrear mulheres. Depois que a mídia contatou a Graylark com perguntas, a empresa restringiu o acesso à ferramenta a agências governamentais e usuários corporativos.
A mudança reflete o aparente uso duplo da tecnologia que pode inferir lugares a partir de fotos. Pode ajudar a polícia a investigar casos graves, como tráfico e exploração de seres humanos. Também pode ser usado para rastrear alvos privados, inferir endereços de outras pessoas e até mesmo assediar pessoas inocentes.
Além disso, limitar o acesso a usuários comuns não elimina automaticamente todos os riscos. Quando as autoridades responsáveis pela aplicação da lei utilizam tais ferramentas, também necessitam de regras de utilização claras, registos de acesso e mecanismos de supervisão para evitar que os sistemas sejam utilizados para fins de investigação ou privados sem justificação.
Outra questão digna de nota é que não está claro se a demonstração de marketing da Raven representa seu desempenho geral em casos reais. Os vídeos de demonstração geralmente selecionam casos que podem demonstrar facilmente os efeitos técnicos, enquanto as fotos em investigações reais podem ficar desfocadas, ter informações limitadas ou não ter informações públicas para correspondência.
O Gabinete do Xerife do Condado de Miami-Dade disse anteriormente à 404 Media que o uso do GeoSpy pela agência é geralmente limitado e está em fase exploratória. A agência disse que embora a ferramenta tenha sido avaliada em alguns casos, até o momento, não houve grandes avanços investigativos ou prisões, e nenhum resultado de caso se baseou exclusiva ou principalmente nas informações geradas pela ferramenta.
Isso significa que mesmo que Raven consiga encontrar rapidamente casas específicas em algumas manifestações, não se pode concluir que ele tenha se tornado um método de posicionamento estável e confiável em investigações policiais. Atualmente é mais adequado como ferramenta complementar para ajudar os investigadores a rastrear possíveis locais e depois verificá-los através de outros métodos.
De uma perspectiva mais ampla, Raven exemplifica como a inteligência artificial está mudando os atributos de privacidade das imagens públicas. No passado, muitas vezes era difícil mapear diretamente uma foto de um banheiro ou de uma máquina de lavar sem uma georreferenciação para um endereço específico; mas quando um grande número de fotos de casas, informações imobiliárias e modelos de reconhecimento visual são combinados, esses detalhes aparentemente comuns podem se tornar pistas de localização.
Isso não significa que todas as fotos internas revelem o local onde foram tiradas, nem significa que a inteligência artificial já possa rastrear a casa de qualquer pessoa à vontade. No entanto, à medida que as bases de dados de imagens disponíveis publicamente continuam a expandir-se e a IA é cada vez mais capaz de fazer ligações a partir de informações díspares, os indivíduos terão de ser mais cuidadosos na sua avaliação dos sinais de localização nas fotos.
Em última análise, a questão central levantada por Raven não é apenas se a inteligência artificial pode encontrar uma casa com base numa fotografia interior, mas como definir os limites da sua utilização quando esta capacidade é utilizada na aplicação da lei, serviços comerciais ou outros cenários. Para os investigadores, poderia fornecer pistas valiosas; para usuários casuais, é um lembrete de que mesmo que uma foto não contenha informações de GPS, o próprio ambiente interno pode conter recursos identificáveis suficientes.
Com o desenvolvimento de tecnologias relevantes, o equilíbrio entre a proteção de dados da plataforma, a supervisão da aplicação da lei, a precisão dos resultados de posicionamento e os direitos de privacidade pessoal tornar-se-ão questões inevitáveis neste campo.
Comentários