NIST بهتازگی آزمایش گستردهای را روی نرمافزار تشخیص خالکوبی (تاتو) به پایان رسانده است که در آن ۱۲ الگوریتم در برابر پایگاه دادهای شامل ۱۰۰,۰۰۰ تصویر تاتو مورد آزمایش قرار گرفتند. این سازمان میگوید نتایج بهدستآمده، این فناوری را از جستجوهای تگمحور در سطح سرگرمی، به سمت تطبیق بصری در سطح جرمشناسی سوق میدهد و مهندسان بینایی ماشین را مجبور میکند تا فرآیندها (pipelines) و رابطهای کاربری خود را بازطراحی کنند.
از کلمات کلیدی تا منحنیها
سالها بود که ابزارهای عمومی جستجوی تاتو بر برچسبهای متنی ساده متکی بودند؛ مانند «جوهر آبی»، «اژدها» یا «قطبنما». این برچسبها تنها زمانی کار میکنند که بارگذار (uploader) از همان کلماتی استفاده کند که جستجوگر به دنبال آنهاست. این عدم ثبات باعث میشود جستجوی کلمات کلیدی برای امور اجرای قانون یا دادگاه، که در آنها شواهد باید تکرارپذیر باشند، غیرقابل اعتماد باشد.
ارزیابی NIST با هر تاتو بهعنوان یک الگوی بیومتریک، مشابه اثر انگشت، برخورد میکند. الگوریتمها بهجای جستجوی تطابق کلمات، انحنای خطوط، گرادیانهای رنگ و شکل کلی را کالبدشکافی میکنند و هر تاتو را به یک بردار با ابعاد بالا (high-dimensional vector) تبدیل میکنند. مقایسه دو بردار، یک امتیاز شباهت ارائه میدهد که در برابر تغییرات نور، زاویه یا وضعیت پوست مقاوم است.
چرا تاتوها سختتر از چهرهها هستند
تشخیص چهره از نقاط شاخص پایداری مانند چشم، بینی و دهان بهره میبرد که در عکسهای مختلف تقریباً ثابت میمانند. تاتوها فاقد نقاط ثابت هستند. با حرکت فرد، عضلات جوهر را میکشند و با افزایش سن یا تغییر وزن، بافت پوست تغییر میکند. الگوریتمی که در یک عکس صاف و رویکردی امتیاز خوبی میگیرد، ممکن است وقتی همان تاتو در نور کم و از نمای نیمرخ ظاهر میشود، دچار خطا شود.
آزمایش ۱۰۰,۰۰۰ تصویری NIST این نقطه ضعف را آشکار کرد. بسیاری از آن ۱۲ الگوریتم روی چند هزار تصویر منتخب عملکرد مناسبی داشتند، اما دقت آنها هنگام مواجهه با طرحهای رایج مانند شیرها، جمجمهها یا گلبادنماها که هزاران تغییر در مجموعه داده دارند، بهطور محسوسی کاهش یافت.
آنچه توسعهدهندگان باید تغییر دهند
- دست کشیدن از تصمیمگیریهای دوگانه. تطبیق «بله/خیر» دیگر واقعبینانه نیست. سیستمها باید فهرستی رتبهبندی شده از کاندیداها را ارائه دهند که هر کدام دارای یک امتیاز شباهت صریح باشد.
- انسان را به داور نهایی تبدیل کنید. نرمافزار میتواند احتمالات را محدود کند، اما یک تحلیلگر آموزشدیده باید پیش از هرگونه نتیجهگیری قانونی، تطابق را تأیید کند.
- اولویت دادن به قابلیت توضیحپذیری. در دادگاه، دادستان باید نشان دهد که الگوریتم چگونه به کاندیداهای برتر خود رسیده است. لایههای بصری ساده که منحنیهای مشابه یا لکههای رنگی را برجسته میکنند، به برآورده کردن این وظیفه کمک میکنند.
- طراحی رابط کاربری برای اعتماد سنجیده. رابطهایی که تنها یک دکمه «تطبیق» را نمایش میدهند، باعث اعتماد بیش از حد میشوند. داشبوردها باید کل توزیع امتیازات را نشان دهند، به کاربران اجازه دهند آستانهها را تنظیم کنند و سطح اطمینان را بهوضوح برچسبگذاری کنند.
پیامدها برای جامعه جرمشناسی
اگر بتوان تطابق یک تاتو را با همان دقت اثر انگشت یا پروفایل DNA ارائه کرد، بازپرسان در پروندههایی که هنر بدنی مظنون تنها ویژگی متمایزکننده است، به سرنخ قدرتمند جدیدی دست مییابند. مزیت این امر، داشتن ابزار اثباتی گستردهتر برای بررسی پروندههای قدیمی (cold-case) و تحقیقات افراد مفقود شده است.
نقطه ضعف، خطر اعتماد کاذب است. حتی بهترین الگوریتم در آزمایش NIST، همچنان در درصد کمی اما غیرقابل چشمپوشی از موارد، یک تاتو غیرمشابه را بهعنوان کاندیدای اصلی اشتباه شناسایی کرد. بزرگنمایی قابلیت اطمینان این فناوری میتواند منجر به اتهامات نادرست شود، بهویژه زمانی که هیئتهای منصفه با امتیازات شباهت بصری آشنایی ندارند.
نقطه مقابل: محدودیتهای فناوری فعلی
منتقدان استدلال میکنند که تاتوها ذاتاً متغیر هستند و هیچ الگوریتمی نمیتواند هرگز به قطعیت تحلیل DNA دست یابد. آنها اشاره میکنند که بسیاری از تاتوها سبکسازی شده (stylized) هستند، حاوی متن با خطوط خارجی هستند یا بهطور جزئی توسط لباس پوشانده شدهاند که همگی باعث کاهش عملکرد تطبیق میشوند. تا زمانی که نرخ مثبت کاذب (false-positive) به سطحی قابل مقایسه با بیومتریکهای تثبیتشده کاهش نیابد، دادگاهها ممکن است در پذیرش شواهد تاتو با نگاهی شکاکانه باقی بمانند.
آنچه در آینده باید منتظر آن بود
NIST قصد دارد معیارهای عملکرد دقیق هر یک از ۱۲ سیستم آزمایششده را منتشر کند تا توسعهدهندگان بتوانند فرآیندهای خود را با این استاندارد عمومی محک بزنند. این سازمان همچنین به دور بعدی آزمایشها اشاره کرد که سناریوهای ضبط زنده (live-capture) را معرفی خواهد کرد؛ یعنی استفاده از ویدیو بهجای عکسهای ثابت برای آزمایش اینکه الگوریتمها چقدر خوب با تاری حرکتی و اعوجاج در لحظه مقابله میکنند.
برای هر کسی که ابزارهای بینایی ماشین میسازد، نتیجهگیری روشن است: تشخیص تاتو از یک ویژگی جستجوی نوظهور، در حال تبدیل شدن به یک ابزار جرمشناسی است و این گذار مستلزم دقت بالا هم در ریاضیات و هم در نحوه ارائه نتایج به کاربران انسانی است.