تجزیه و تحلیل اثر انگشت یک ابزار قابل اعتماد در حل جرم برای بیش از یک قرن بوده است. کارگاهان برای شناسایی مظنونان یا اتصال آنها به صحنههای جرم خاص به شواهد اثر انگشت تکیه میکنند و معتقدند که هر اثر یک کد متمایز ارائه میدهد.
با این حال، تیمی از محققان دریافتهاند که اثر انگشتان مختلف یک فرد ممکن است گاهی شبیهتر به نظر برسد. این بینش از یک مدل هوش مصنوعی به دست آمد که ارتباطات شگفت انگیزی را بین اثر انگشتها آشکار کرد.
هاد لیپسون، از مهندسی کلمبیا، در این تلاش برای زیر سوال بردن هنجارهای عمومی پذیرفته شده پزشکی قانونی، با همکاری Wenyao Xu از دانشگاه بوفالو، تلاش میکند.
هوش مصنوعی و تشخیص اثر انگشت
برای چندین دهه، این امر مسلم تلقی میشد که اثر انگشت از انگشتان مختلف یک فرد مطابقت ندارد. بیشتر این باور از این فرض ناشی میشود که هر انگشت برجستگیها، حلقهها و چرخشهای کاملاً جداگانهای را نشان میدهد. یکی از منتقدان ناشناس حتی اظهار داشت: «به خوبی شناخته شده است که هر اثر انگشت منحصر به فرد است»، زمانی که با کار محققان مواجه شد.
علیرغم چنین مقاومتی، یک دانشجوی ارشد مهندسی کلمبیا به نام گیب گوئو، پژوهشی را رهبری کرد که با این فرض دیرینه در تناقض است.
با استفاده از پایگاه داده عمومی دولت ایالات متحده با تقریباً 60000 اثر، گوئو جفت اثر انگشت را به یک شبکه کنتراست عمیق وارد کرد. برخی از جفتها متعلق به یک شخص بودند، در حالی که برخی دیگر از افراد مختلف بودند.
سیستم هوش مصنوعی در تشخیص اینکه چه زمانی پرینتهایی که به نظر متفاوت میرسند واقعاً از یک فرد هستند، ماهر شد و دقت آن برای جفتها به 77 درصد رسید. در مواردی که چندین نمونه با هم گروهبندی شدند، دقت افزایش یافت و امکان افزایش بیش از ده برابری روشهای پزشکی قانونی موجود را فراهم کرد.

محققان قانون را تکان میدهند
اگرچه این یافتهها فرصتهای تازهای را برای اتصال صحنههای جنایت نوید میداد، اما محققان در طول بررسی همتاها با یک نبرد سخت مواجه شدند. این پروژه توسط یک مجله معتبر پزشکی قانونی که این پیشنهاد را که انگشتان مختلف ممکن است اثری با ویژگیهای مشترک تولید کنند، نپذیرفت، رد شد.
این گروه بدون نگرانی، به دنبال خوانندگان گستردهتری بود. کاغذ یک بار دیگر برگردانده شد و لیپسون را بر آن داشت تا تصمیم خود را به چالش بکشد. لیپسون که یکی از مدیران مرکز سازندگان فضایی در کلمبیا است، خاطرنشان کرد: «اگر این اطلاعات تعادل را به هم بزند، تصور میکنم که پروندههای سرد میتوانند احیا شوند و حتی افراد بیگناه نیز تبرئه شوند».
این تیم که مصمم بودند از یک چالش عقب نشینی نکنند، حتی اگر به معنای ایجاد اختلال در بیش از 100 سال تمرین پذیرفته شده باشد، تیم به کار خود ادامه داد. سرانجام، پشتکار آنها نتیجه داد زیرا مطالعه آنها در نهایت به رسمیت شناخته شد و در مجله معتبر Science Advances منتشر شد.
هوش مصنوعی سرنخهای جدیدی در تجزیه و تحلیل اثر انگشت میدهد
روشهای سنتی بر روی جزئیات تکیه میکنند که به الگوهای انشعاب و نقاط انتهایی در پشتهها اشاره دارد. گوئو توضیح داد: هوش مصنوعی از «minutiae» که انشعابها و نقاط انتهایی برجستگیهای اثر انگشت هستند استفاده نمیکرد – الگوهایی که در مقایسه سنتی اثر انگشت استفاده میشوند.
در عوض، از چیز دیگری استفاده میکرد که مربوط به زوایای و انحنای چرخشها و حلقهها در مرکز اثر انگشت بود. یافتههای او نشان میدهد که کارشناسان ممکن است نشانههای بصری مهم را نادیده گرفته باشند.
این همکاری شامل Aniv Ray فارغ التحصیل مهندسی کلمبیا و جودا گلدفدر دانشجوی دکترا بود که هر دو نشان دادند که موفقیت اولیه پروژه میتواند با مجموعه دادههای بزرگتر، قویتر شود.
ری با اشاره به اینکه این رویکرد در نهایت میتواند نحوه جستجوی سرنخهایی را که در صحنههای جنایت چندگانه پیدا میکند، اصلاح کند، گفت: «فقط تصور کنید که وقتی این کار روی میلیونها اثر انگشت آموزش داده شود، چقدر خوب عمل میکند».
هوش مصنوعی، اثر انگشت، و اجرای قانون
این مطالعه نشان میدهد که هوش مصنوعی میتواند الگوهایی را که روشهای تحلیل سنتی ممکن است از دست بدهند، شناسایی کند. همچنین ارزش مجموعه دادههای باز را که در بسیاری از زمینههای تحقیقاتی مورد استفاده قرار نگرفتهاند، برجسته میکند.
این یافتهها ممکن است متخصصان پزشکی قانونی را وادار کند تا در مورد رویههای خاص تجدید نظر کنند، بهویژه زمانی که چندین چاپ از یک مظنون در مکانهای مختلف پیدا میشود. لیپسون آیندهای را میبیند که در آن پیشرفتهای غیرمنتظره میتواند از دیدگاههای تازه حاصل شود.
لیپسون نتیجه گرفت: «هیجانانگیزتر این واقعیت است که یک دانشجوی کارشناسی، بدون هیچ پیشزمینهای در پزشکی قانونی، میتواند از هوش مصنوعی برای به چالش کشیدن باورهای رایج در کل حوزه 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.”
منبع : earth