سایتهای علمی ساینس گزارش داده است که تجزیه و تحلیل اثر انگشت به دلیل منحصر به فرد بودن و ماندگاری الگوها، ابزاری ارزشمند در تنظیمات قانونی و امنیتی در نظر گرفته میشود؛ هیچ دو نفر و حتی دوقلوهای همسانی یافت نشدند که الگوی اثر انگشت مشترک داشته باشند در واقع، اثر انگشت آنقدر منحصر به فرد است که اثر انگشت شما حتی با یکدیگر همخوانی ندارد، اما اکنون، تحقیقات جدید با استفاده از هوش مصنوعی (AI) ادعاهایی را مطرح کرده است که میتواند مسیر شناسایی اثر انگشت پزشکی قانونی را تغییر دهد.
این سایت علمی در گزارشش نوشته است، در حالی که منحصر به فرد بودن اثر انگشتان آن چیزی است که آنها را در تحقیقات صحنه جرم بسیار مهم جلوه میدهند، اما ناتوانی در تطبیق اثر انگشت مختلف از یک شخص که به عنوان اثر انگشت درون شخص شناخته میشود، میتواند باعث ایجاد مشکلات اساسی در ارتباط شواهد پزشکی قانونی شود.
محققان دانشگاه کلمبیا مدلی از هوش مصنوعی ایجاد کردهاند که میتواند با اطمینان ۹۹.۹۹ درصد با اثر انگشتهای درون فردی مطابقت داشته باشد البته با این استدلال که اثر انگشت یک فرد منحصر به فرد نیست و ما فقط آنها را به روشی اشتباه مقایسه کردهایم.
الگوهای اثرانگشت از برجستگیها و شیارهای فرورفته روی انگشتان تشکیل شده است. در حال حاضر، اثر انگشت با مقایسه الگوهای برآمدگی اصطکاکی بر اساس سه دستهبندی حلقهها، چرخشها و قوسها تجزیه و تحلیل میشوند.
فرآیند تصمیمگیری هوش مصنوعی جدید مبتنی بر تجزیه و تحلیل الگوهای باینری، جهت، تراکم برآمدگی و جزئیات است. محققان با تجزیه و تحلیل چرخشها و حلقههای نزدیک به مرکز اثر انگشت که منحصر به فرد شناخته میشوند این مورد را دریافتند که بیشتر شباهتهای اثر انگشت درون فردی با جهتگیری برجستگی توضیح داده میشود و به این نتیجه رسیدند که جزئیات، کمترین اعتبار را در بین دستههای تحلیل دارند.
آنان استدلال کردند در حالی که تجزیه و تحلیل جزئیات ممکن است دقیقترین مورد برای تطبیق انگشتان یکسان باشد، اما بر روی ویژگیهای اثر انگشت فردی تمرکز میکند که بعید است در اثر انگشت درون فردی رخ دهد و این مورد باعث میشود که برای تطبیق انگشت متقابل دقت کمتری داشته باشد.
این مدل با استفاده از پایگاه داده عمومی دولت ایالاتمتحده از حدود ۶۰هزار اثر انگشت و ۵۲۵ هزار تصویر، آموزش داده شد. آنان دریافتند که عملکرد هوش مصنوعی در بین جنسیتها و گروههای نژادی مختلف سازگار است و زمانی که با نمونههایی از همه گروهها آموزش داده میشود، بهترین عملکرد را دارد.
محقق این تحقیق، ارشد مهندسی دانشگاه کلمبیا که به تجزیه و تحلیل دادهها کمک کرد، در بیانیهای گفت: «فقط تصور کنید وقتی این کار روی میلیونها اثر انگشت آموزش داده شود، چقدر خوب عمل میکند.»
این گروه امیدوار هستند که روزی بتوان از این مدل هوش مصنوعی برای اولویتبندی سرنخها، تبرئه مظنونان بیگناه و بهطور بالقوه کمک به ایجاد سرنخهای جدید برای موارد خاص استفاده کرد.
هاد لیپسون، محقق و استاد دانشگاه مهندسی کلمبیا گفت: «این تحقیق نمونهای از این مورد است که چگونه حتی نمونهای از هوش مصنوعی تقریبا ساده، با توجه به مجموعه دادههای سادهای که سالها در اطراف جامعه پژوهشی وجود داشته است، میتواند بینشهایی ارائه دهد که برای دههها از کارشناسان دور بوده است.»
هیجانانگیزتر این واقعیت است که دانشجوی کارشناسی بدون هیچ پیشینهای در پزشکی قانونی، میتواند از هوش مصنوعی برای به چالش کشیدن باورهای رایج در کل رشته استفاده کند. ما در آستانه تجربه انفجاری از اکتشافات علمی مبتنی بر هوش مصنوعی توسط افراد غیرمتخصص هستیم و جامعه متخصص، از جمله دانشگاهیان، باید آماده شوند.
با این حال، این تحقیق بدون انتقاد نبوده است؛ این مقاله در ابتدا توسط مجله معتبر پزشکی قانونی با داور و ویراستار متخصص ناشناس رد شد و به این نتیجه رسید که به خوبی شناخته شده است که هر «اثر انگشت منحصر به فرد است» و تشخیص شباهتهای درون فردی ممکن نیست.
در حالی که این مقاله نیاز به آموزش مدل را بر روی مجموعه دادههای بزرگتر و متنوعتر تایید میکند، باید دید که آیا هوش مصنوعی قادر به تولید نتایج به اندازه کافی قابل اعتماد برای ارائه شواهد قطعی در محکومیتهای جنایی است یا خیر.
نتایج این تحقیق در نشریه Science Advances منتشر شده است.