NIST সম্প্রতি একটি বৃহৎ আকারের ট্যাটু-শনাক্তকরণ সফটওয়্যার পরীক্ষা সম্পন্ন করেছে, যেখানে ১০০,০০০ ট্যাটু ইমেজের একটি ডেটাবেসের বিপরীতে ১২টি অ্যালগরিদম চালানো হয়েছে। সংস্থাটি জানিয়েছে যে, এই ফলাফলগুলো প্রযুক্তিটিকে শখের পর্যায়ের ট্যাগ সার্চ থেকে ফরেনসিক-মানের ভিজ্যুয়াল ম্যাচিংয়ের দিকে নিয়ে যাচ্ছে, যা কম্পিউটার-ভিশন ইঞ্জিনিয়ারদের পাইপলাইন এবং ইউজার ইন্টারফেস নতুন করে ডিজাইন করতে বাধ্য করছে।

কিওয়ার্ড থেকে কার্ভ

বছরের পর বছর ধরে, জনসাধারণের ব্যবহারের জন্য তৈরি ট্যাটু সার্চ টুলগুলো সাধারণ টেক্সট ট্যাগের ওপর নির্ভর করত—যেমন "নীল কালি," "ড্রাগন," "কম্পাস।" এই ট্যাগগুলো তখনই কাজ করে যখন আপলোডার এবং সার্চার একই শব্দ ব্যবহার করেন। এই অসামঞ্জস্যতার কারণে কিওয়ার্ড সার্চ আইন প্রয়োগকারী সংস্থা বা আদালতের কাজের জন্য নির্ভরযোগ্য নয়, যেখানে প্রমাণ অবশ্যই পুনরুৎপাদনযোগ্য হতে হয়।

NIST মূল্যায়ন প্রতিটি ট্যাটুকে একটি বায়োমেট্রিক প্যাটার্ন হিসেবে বিবেচনা করে, ঠিক যেমন একটি ফিঙ্গারপ্রিন্ট। শব্দের মিল খোঁজার পরিবর্তে, অ্যালগরিদমগুলো লাইনের বক্রতা (curvature), রঙের গ্রেডিয়েন্ট এবং সামগ্রিক আকৃতি বিশ্লেষণ করে প্রতিটি ট্যাটুকে একটি হাই-ডাইমেনশনাল ভেক্টরে রূপান্তরিত করে। দুটি ভেক্টরের তুলনা করলে একটি সিমিলারিটি স্কোর পাওয়া যায়, যা আলোর পরিবর্তন, কোণ বা ত্বকের অবস্থার পরিবর্তন সত্ত্বেও কার্যকর থাকে।

কেন ট্যাটু মুখমণ্ডলের চেয়ে কঠিন

ফেসিয়াল রিকগনিশন বা মুখমণ্ডল শনাক্তকরণ স্থিতিশীল ল্যান্ডমার্কের—যেমন চোখ, নাক, মুখ—সুবিধা পায়, যা বিভিন্ন ছবিতে মোটামুটি একই থাকে। ট্যাটুর ক্ষেত্রে কোনো নির্দিষ্ট বিন্দু থাকে না। মানুষ নড়াচড়া করলে পেশি কালির আকৃতি পরিবর্তন করে এবং বয়স বা ওজনের পরিবর্তনের সাথে ত্বকের টেক্সচার বদলে যায়। একটি অ্যালগরিদম যা একটি পরিষ্কার, সম্মুখভাগের ছবিতে ভালো স্কোর দেয়, সেটি একই ট্যাটু যদি আবছা আলোতে পাশ থেকে দেখা যায়, তবে ব্যর্থ হতে পারে।

NIST-এর ১০০,০০০-ইমেজের পরীক্ষা এই দুর্বলতাটি প্রকাশ করেছে। ১২টি অ্যালরিদমের মধ্যে অনেকগুলোই কয়েক হাজার কিউরেটেড ইমেজের ওপর পর্যাপ্ত পারফরম্যান্স দেখিয়েছে, কিন্তু ডেটাসেটে হাজার হাজার বৈচিত্র্যে থাকা সিংহ, খুলি বা কম্পাস রোজের মতো সাধারণ ডিজাইনের ক্ষেত্রে তাদের নির্ভুলতা উল্লেখযোগ্যভাবে কমে গেছে।

ডেভেলপারদের কী পরিবর্তন করা প্রয়োজন

  • বাইনারি সিদ্ধান্ত বর্জন করুন। "হ্যাঁ/না" ম্যাচ এখন আর বাস্তবসম্মত নয়। সিস্টেমগুলোর উচিত প্রার্থীদের একটি র‍্যাঙ্কড তালিকা প্রদান করা, যেখানে প্রতিটি প্রার্থীর একটি সুনির্দিষ্ট সিমিলারিটি স্কোর থাকবে।
  • মানুষকে চূড়ান্ত সিদ্ধান্ত গ্রহণকারী হিসেবে রাখুন। সফটওয়্যার সম্ভাবনাগুলো কমিয়ে আনতে পারে, কিন্তু কোনো আইনি সিদ্ধান্তে পৌঁছানোর আগে একজন প্রশিক্ষিত বিশ্লেষককে অবশ্যই ম্যাচটি নিশ্চিত করতে হবে।
  • ব্যাখ্যাযোগ্যতাকে অগ্রাধিকার দিন। আদালতের ক্ষেত্রে প্রসিকিউশনকে দেখাতে হবে যে অ্যালগরিদমটি কীভাবে তার শীর্ষ প্রার্থীদের নির্বাচন করল। সিম্পল ভিজ্যুয়াল ওভারলে যা মিল থাকা কার্ভ বা রঙের প্যাচগুলোকে হাইলাইট করে, তা এই দায়বদ্ধতা পূরণে সাহায্য করে।
  • পরিমিত আস্থার জন্য UI ডিজাইন করুন। যে ইন্টারফেসগুলো শুধুমাত্র একটি একক "ম্যাচ" বাটন দেখায়, সেগুলো অতিরিক্ত নির্ভরতাকে উৎসাহিত করে। ড্যাশবোর্ডগুলোর উচিত পুরো স্কোর ডিস্ট্রিবিউশন দেখানো, ব্যবহারকারীদের থ্রেশহোল্ড (threshold) অ্যাডজাস্ট করার সুযোগ দেওয়া এবং আত্মবিশ্বাসের মাত্রা (confidence level) স্পষ্টভাবে লেবেল করা।

ফরেনসিক কমিউনিটির জন্য গুরুত্ব

যদি একটি ট্যাটু ম্যাচকে ফিঙ্গারপ্রিন্ট বা ডিএনএ প্রোফাইলের মতো একই কঠোরতার সাথে উপস্থাপন করা যায়, তবে তদন্তকারীরা এমন সব ক্ষেত্রে একটি শক্তিশালী নতুন সূত্র পাবেন যেখানে সন্দেহভাজন ব্যক্তির বডি আর্টই একমাত্র স্বতন্ত্র বৈশিষ্ট্য। এর ইতিবাচক দিক হলো কোল্ড-কেস পর্যালোচনা এবং নিখোঁজ ব্যক্তি অনুসন্ধানের জন্য একটি বিস্তৃত এভিডেন্সিয়াল টুলকিট পাওয়া যাবে।

এর নেতিবাচক দিক হলো ভুল আত্মবিশ্বাসের ঝুঁকি। NIST ট্রায়ালে সেরা পারফরম্যান্স করা অ্যালগরিদমটিও একটি ছোট কিন্তু উল্লেখযোগ্য শতাংশ ক্ষেত্রে অমিল ট্যাটুকে শীর্ষ প্রার্থী হিসেবে ভুলভাবে শনাক্ত করেছে। প্রযুক্তির নির্ভরযোগ্যতা সম্পর্কে অতিরিক্ত দাবি করা ভুল অভিযোগের দিকে পরিচালিত করতে পারে, বিশেষ করে যখন জুরিরা ভিজ্যুয়াল সিমিলারিটি স্কোরের সাথে পরিচিত নন।

পাল্টা যুক্তি: বর্তমান প্রযুক্তির সীমাবদ্ধতা

সমালোচকরা যুক্তি দেন যে ট্যাটু সহজাতভাবেই পরিবর্তনশীল এবং কোনো অ্যালগরিদমই ডিএনএ বিশ্লেষণের মতো নিশ্চিত ফলাফল দিতে পারে না। তারা উল্লেখ করেন যে অনেক ট্যাটু স্টাইলাইজড, বিদেশি লিপিতে লেখা, বা পোশাকের নিচে আংশিকভাবে ঢাকা থাকে, যার ফলে ম্যাচিং পারফরম্যান্স কমে যায়। ফলস-পজিটিভ রেট প্রতিষ্ঠিত বায়োমেট্রিক্সের সমপর্যায়ে না আসা পর্যন্ত আদালত ট্যাটু প্রমাণকে সরাসরি গ্রহণ করার ক্ষেত্রে সংশয়ী থাকতে পারে।

পরবর্তীতে কী নজর রাখা উচিত

NIST প্রতিটি পরীক্ষিত ১২টি সিস্টেমের জন্য বিস্তারিত পারফরম্যান্স মেট্রিক্স প্রকাশ করার পরিকল্পনা করছে, যা ডেভেলপারদের তাদের নিজস্ব পাইপলাইনকে পাবলিক স্ট্যান্ডার্ডের সাথে তুলনা করতে সাহায্য করবে। সংস্থাটি একটি ফলো-আপ রাউন্ডের ইঙ্গিতও দিয়েছে যেখানে লাইভ-ক্যাপচার সিনারিও—স্থির ছবির পরিবর্তে ভিডিও—ব্যবহার করা হবে, যাতে দেখা যায় অ্যালগরিদমগুলো মোশন ব্লার এবং রিয়েল-টাইম ডিস্টরশন কতটা ভালোভাবে সামলাতে পারে।

যারা কম্পিউটার-ভিশন টুল তৈরি করছেন তাদের জন্য শিক্ষাটি স্পষ্ট: ট্যাটু রিকগনিশন একটি নতুন বা অভিনব ফিচার থেকে ফরেনসিক ইন্সট্রুমেন্টে রূপান্তরিত হচ্ছে, এবং এই পরিবর্তনের জন্য গণিত এবং ফলাফল মানুষের কাছে উপস্থাপনের উভয় ক্ষেত্রেই কঠোরতা প্রয়োজন।