Και όμως, τα δακτυλικά αποτυπώματα δεν είναι μοναδικά

Τελικά, είναι τα δακτυλικά αποτυπώματα μοναδικά;

Μέχρι σήμερα αυτό που γνωρίζαμε είναι πως κάθε άτομο έχει μοναδικά δακτυλικά αποτυπώματα, τα οποία αν και μικρά σε έκταση κρύβουν μέσα τους έναν κόσμο μοναδικό για κάθε άνθρωπο, όπως επίσης και πως τα δακτυλικά αποτυπώματα από διαφορετικά δάχτυλα του ίδιου ατόμου είναι μοναδικά.

Κάτι τέτοιο τελικά δεν ισχύει ακριβώς και νέα μελέτη βασισμένη στην Τεχνητή Νοημοσύνη, η οποία δημοσιεύθηκε αυτή την εβδομάδα στο περιοδικό “Science Advances”, έρχεται να καταρρίψει όσα ξέραμε.

Όπως αναφέρει το CNN, οι συγγραφείς της μελέτης, με επικεφαλής τον προπτυχιακό φοιτητή του Πανεπιστημίου Κολούμπια, Γκέιμπ Γκούο και τον καθηγητή Wenyao Xu του Πανεπιστημίου του Μπάφαλο, ως έναν από τους συν-συγγραφείς του, αποδεικνύουν με βεβαιότητα 99,99% ότι τα δακτυλικά αποτυπώματα από δύο οποιαδήποτε δάκτυλα του ίδιου ατόμου είναι πολύ πιο όμοια από ό,τι θεωρούνταν προηγουμένως, απλώς οι εγκληματολόγοι μέχρι τώρα τα σύγκριναν με λάθος τρόπο.

Οι περισσότερες τεχνολογίες δακτυλικών αποτυπωμάτων βασίζονται στην παραδοχή ότι δεν υπάρχουν ποτέ δύο ίδια δακτυλικά αποτυπώματα και η συγκεκριμένη ανακάλυψη, επισημαίνουν οι ερευνητές, θα μπορούσε να ενισχύσει την αποτελεσματικότητα των εγκληματολογικών ερευνών.

Για να οδηγηθεί στο παραπάνω συμπέρασμα, η ομάδα χρησιμοποίησε ένα μοντέλο τεχνητής νοημοσύνης που ονομάζεται βαθύ αντιθετικό δίκτυο, το οποίο χρησιμοποιείται συνήθως για διαδικασίες όπως η αναγνώριση προσώπου και ανέλυσε χαρακτηριστικά περίπου 60.000 δακτυλικών αποτυπωμάτων μιας δημόσιας κυβερνητικής βάσης δεδομένων των ΗΠΑ, τροφοδοτώντας τα ανά ζεύγη. Όπως διαπίστωσε, η τεχνητή νοημοσύνη δεν χρησιμοποιούσε τα ίδια μοτίβα με την παραδοσιακή σύγκριση δακτυλικών αποτυπωμάτων, αλλά έναν διαφορετικό δείκτη. Αναδείχθηκε έτσι ότι οι γωνίες και οι καμπυλότητες των στροβίλων και των βρόχων στο κέντρο των δακτυλικών αποτυπωμάτων ευθύνονται για μεγάλο μέρος αυτής της ομοιότητας και το μοτίβο αυτό ισχύει για όλα τα ζεύγη δακτύλων του ίδιου ατόμου.

Οι ερευνητές επανεκπαίδευσαν επίσης το μοντέλο τους με διαφορετικά φύλα και φυλετικές ομάδες και παρατήρησαν ότι είχε την καλύτερη απόδοση όταν εκπαιδεύτηκε με δακτυλικά αποτυπώματα που είχαν συγκεντρωθεί από όλες τις ομάδες.

Για εκατοντάδες χρόνια εγκληματολογικών αναλύσεων, ανέφερε ο Γκούο, οι άνθρωποι εξετάζουν διάφορα χαρακτηριστικά που ονομάζονται “minutiae“, τις διακλαδώσεις και τα τελικά σημεία στις κορυφογραμμές των δακτυλικών αποτυπωμάτων που χρησιμοποιούνται ως παραδοσιακοί δείκτες για την αναγνώριση των δακτυλικών αποτυπωμάτων. “Είναι εξαιρετικές για την ταυτοποίηση δακτυλικών αποτυπωμάτων, αλλά όχι αξιόπιστες για την εύρεση συσχετίσεων μεταξύ δακτυλικών αποτυπωμάτων από το ίδιο άτομο”, δήλωσε ο Γκούο. “Και αυτή είναι η διαπίστωση που είχαμε”.

Οι συγγραφείς, αν και πιστεύουν ότι το σύστημα τεχνητής νοημοσύνης λειτουργεί με τον ίδιο τρόπο σε όλα τα φύλα και τις φυλές, για να είναι το σύστημα χρήσιμο στην πραγματική Εγκληματολογία, απαιτείται πιο προσεκτική επικύρωση μέσω της ανάλυσης μιας μεγαλύτερης και ευρύτερης βάσης δεδομένων δακτυλικών αποτυπωμάτων, σύμφωνα με τη μελέτη.

Ωστόσο, ο Γκούο εμφανίστηκε βέβαιος ότι η ανακάλυψη μπορεί να βελτιώσει τις ποινικές έρευνες.

“Η πιο άμεση εφαρμογή είναι ότι μπορεί να βοηθήσει στη δημιουργία νέων στοιχείων για ανεξιχνίαστες υποθέσεις, όπου τα δακτυλικά αποτυπώματα που έχουν απομείνει στον τόπο του εγκλήματος προέρχονται από διαφορετικά δάχτυλα από εκείνα που υπάρχουν στο αρχείο“, είπε. “Αλλά από την άλλη πλευρά, αυτό δεν θα βοηθήσει μόνο στη σύλληψη περισσότερων εγκληματιών. Αυτό θα βοηθήσει επίσης στην πραγματικότητα αθώους ανθρώπους, οι οποίοι μπορεί να μην χρειάζεται να ερευνώνται πλέον άσκοπα. Και νομίζω ότι αυτό είναι κέρδος για την κοινωνία”.

Αξίζει να σημειωθεί πως όταν ομάδα επαλήθευσε τα αποτελέσματά της έστειλε τα ευρήματά της σε περιοδικό Εγκληματολογίας για να λάβει απόρριψη λίγους μήνες αργότερα με την αιτιολογία ότι “είναι γνωστό ότι κάθε δακτυλικό αποτύπωμα είναι μοναδικό“. Οι ερευνητές δεν σταμάτησαν εκεί. Τροφοδότησαν το σύστημα τεχνητής νοημοσύνης με ακόμη περισσότερα δεδομένα και αυτό συνέχισε να βελτιώνεται. Η εργασία απορρίφθηκε και πάλι, αλλά άσκησαν έφεση.

“Αυτή η ανακάλυψη είναι ένα παράδειγμα για τα πιο εκπληκτικά πράγματα που θα έρθουν από την τεχνητή νοημοσύνη. Πολλοί άνθρωποι πιστεύουν ότι η τεχνητή νοημοσύνη δεν μπορεί πραγματικά να κάνει νέες ανακαλύψεις, ότι απλώς αναμασά τη γνώση. Αλλά αυτή η έρευνα είναι ένα παράδειγμα για το πώς ακόμη και μια αρκετά απλή τεχνητή νοημοσύνη που τροφοδοτείται με ένα αρκετά απλό σύνολο δεδομένων που η ερευνητική κοινότητα δεν χρησιμοποιούσε για χρόνια, μπορεί να προσφέρει γνώσεις που διέφευγαν από τους ειδικούς για δεκαετίες”, σημειώνει ο Χοντ Λίπσον, καθηγητής Καινοτομίας στο Τμήμα Μηχανολόγων Μηχανικών του Πανεπιστημίου Κολούμπια.