Особенности рисунка отпечатков позволили увеличить эффективность экспертизы более чем в 10 раз.
Исследователи из Колумбийского университета и Университета в Буффало совершили прорыв в сфере криминалистики, разработав систему искусственного интеллекта, способную связывать отпечатки пальцев одного человека, оставленные на разных местах преступления. Данное открытие оспаривает существующее предположение о том, что отпечатки разных пальцев одного человека уникальны и несопоставимы.
Ученые обнаружили публичную базу данных правительства США, содержащую около 60 000 отпечатков пальцев. Эти данные были введены в систему ИИ, основанную на глубоких контрастных сетях (Deep Contrastive Networks). Система обучалась определять, принадлежат ли отпечатки одному человеку или разным.
Иногда пары отпечатков принадлежали одному и тому же человеку (но разным пальцам), а иногда – разным людям. Точность распознавания одной пары отпечатков достигла 77%. Когда было представлено несколько пар отпечатков, точность значительно возросла, что потенциально увеличило текущую эффективность криминалистической экспертизы более чем в 10 раз.
Результаты исследования вызвали удивление в криминалистическом сообществе. Несмотря на первоначальный отказ ведущего журнала Science Advances публиковать исследование, команда удвоила усилия и улучшила работу системы. После дополнительных обсуждений статья была принята к публикации.
Исследователи выявили, что ИИ использовал новый тип криминалистического маркера, основываясь не на «минуциях» (ветвлениях и конечных точках линий отпечатков), а на углах и кривизне вихрей и петель в центре отпечатка. Хотя точность системы пока недостаточна для официального решения по делу, считается, что она может помочь в приоритетной обработке информации в неоднозначных ситуациях.
Открытие демонстрирует потенциал ИИ в устоявшейся области и подчеркивает возможность проведения научных открытий с помощью ИИ, даже без специализированных знаний в области. Команда подчеркивает важность дальнейшей проверки и валидации данной технологии, учитывая потенциальные предвзятости в данных.
