هوش مصنوعی در صحنه جرم

درواقع، اثرانگشت آن‌قدرمنحصر به‌فرد است که اثرانگشت‌های مختلف‌تان حتی با یکدیگر همخوانی ندارد اما اکنون، تحقیقات جدید با استفاده از هوش مصنوعی ادعاهایی را مطرح می‌کند که می‌تواند مسیر شناسایی اثر انگشت در پزشکی قانونی را تغییر دهد و می‌گوید که اساسا روش مقایسه‌ای که به‌‌کار گرفته می‌شد، دقت خیلی بالایی نداشته است. با وجود این‌که منحصر به فرد بودن اثر انگشت‌ها می‌تواند در تحقیقات صحنه جرم بسیار کمک‌کننده باشد، ناتوانی در تطبیق اثرانگشت‌های مختلف از یک شخص -که به‌عنوان تفاوت اثر‌انگشت‌های خود فرد شناخته می‌شود-می‌تواند باعث ایجاد مشکلات اساسی در به هم ربط دادن شواهد پزشکی قانونی شود. با این حال، محققان دانشگاه کلمبیا ادعا می‌کنند که یک مدل هوش مصنوعی ایجاد کرده‌اند که می‌تواند با ۹۹/۹۹ درصد اطمینان، اثرانگشت‌های مختلف یک فرد را مطابقت دهد؛ با این استدلال که اثر انگشت‌های مختلف یک فرد متفاوت نیست، مافقط آنها را به روشی اشتباه مقایسه کرده‌ایم. الگوهای اثرانگشت از برجستگی‌ها و شیارهای فرورفته روی نوک انگشتان تشکیل شده است. درحال‌حاضر، اثر انگشت با مقایسه الگوهای برآمدگی اصطکاکی که شامل سه دسته حلقه‌ها، چرخش‌ها وقوس‌ها هستند، تجزیه وتحلیل می‌شو‌د. فردتحلیلگر برای شناسایی ومقایسه اثرانگشت ازویژگی‌های ریز برجستگی‌ها، معروف به minutiae استفاده می‌کند.
این در‌حالی است که فرآیند این هوش ‌مصنوعی جدید مبتنی بر تجزیه و تحلیل الگوهای باینری، جهتگیری برآمدگی، تراکم برآمدگی و جزئیات مینوشی است. نتایج این مطالعه با تجزیه و تحلیل چرخش‌ها و حلقه‌های نزدیک به مرکز اثر‌انگشت، که به‌عنوان تکینگی(singularity) شناخته می‌شود، نشان داد که بیشتر شباهت‌های اثر انگشت درون فردی با جهتگیری برجستگی توضیح داده می‌شود و نقشه ویژگی‌های ریزبرجستگی‌ها کمترین اعتبار را بین دسته‌های تحلیل برای مطابقت دادن اثر انگشت‌های مختلف یک فرد دارد.آنها استدلال می‌کنند در حالی‌که تجزیه و تحلیل جزئیات ممکن است دقیق‌ترین روش برای تطبیق انگشتان یکسان باشد اما بر ویژگی‌هایی از اثر یک انگشت تمرکز می‌کند که بعید است در اثر‌انگشت‌‌های دیگر فرد وجود داشته باشد و این باعث می‌شود که برای تطبیق انگشت‌های دیگر دقت کمتری داشته باشد.
این مدل هوش مصنوعی با استفاده از پایگاه داده عمومی دولت آمریکا ازحدود ۶۰هزار اثر انگشت و ۵۲۵هزار تصویر آموزش داده شد. آنها دریافتند که عملکرد هوش مصنوعی درمیان جنسیت‌ها و گروه‌های نژادی مختلف قابل قبول است و زمانی که با نمونه‌هایی از همه گروه‌ها آموزش داده می‌شود، بهترین عملکرد را دارد. آنیو ری، مهندس ارشد دانشگاه کلمبیا که به تجزیه و تحلیل این داده‌ها کمک کرده است، دراین‌خصوص می‌گوید: «فقط تصور کنید وقتی این روش روی میلیون‌ها اثر انگشت آموزش داده شود، چقدرخوب ودقیق عمل خواهد کرد.» این تیم امیدوار است که روزی بتوان از این مدل هوش مصنوعی برای اولویت‌بندی سرنخ‌ها، تبرئه مظنونان بی‌گناه و به‌طور بالقوه کمک به ایجاد سرنخ‌های جدید برای مواردی که شواهد اندکی برای‌شان موجود است استفاده کرد. هاد لیپسون، پژوهشگر این مطالعه و استاد دانشگاه مهندسی کلمبیا می‌گوید: «این تحقیق نمونه‌ای از این است که چگونه حتی یک هوش مصنوعی نسبتا ساده، براساس مجموعه داده‌های نسبتا ساده‌ای که جامعه پژوهشی سال‌ها در اختیار داشته است، می‌تواند بینش‌های جدیدی ارائه دهد که برای دهه‌ها متخصصان آن حوزه به آن دست نیافته‌اند.»  
​​​​​​​او می‌افزاید: «هیجان‌انگیزتر این واقعیت است که یک دانشجوی کارشناسی بدون هیچ پیشینه‌ای در پزشکی قانونی، می‌تواند از هوش مصنوعی برای به چالش کشیدن باورهای رایج در کل این رشته استفاده کند. ما در آستانه تجربه انفجاری از اکتشافات علمی مبتنی برهوش مصنوعی توسط افراد غیرمتخصص هستیم و جامعه متخصص، از جمله دانشگاهیان، باید برای این واقعیت آماده شوند.»
با این حال، این تحقیق بدون انتقاد نبوده است. این مقاله در ابتدا در یک مجله علمی معتبر حوزه پزشکی قانونی از سوی داور و ویراستار متخصص ناشناس رد شده است، با این دلیل که «این موضوع به خوبی مشخص است که اثر هر انگشت فرد منحصر به فرد است و نمی‌توان مشابهت‌هایی میان آنها پیدا کرد.» پژوهشگران این مطالعه معتقدند که این مدل باید روی مجموعه داده‌های بزرگ‌تر و متنوع‌تر آموزش داده شود تا نتایج آن مورد تأیید قرار بگیرد و باید دید آیا هوش مصنوعی قادر به تولید نتایج به اندازه کافی قابل اعتماد برای ارائه شواهد قطعی در محکومیت‌های جنایی است یا خیر.

منبع: Science Advances