NIST એ તાજેતરમાં ટેટૂ-ઓળખ સોફ્ટવેરનું મોટા પાયે પરીક્ષણ પૂર્ણ કર્યું છે, જેમાં 1,00,000 ટેટૂ ઈમેજ ધરાવતા ડેટાબેઝ સામે 12 અલ્ગોરિધમ્સ ચલાવવામાં આવ્યા હતા. એજન્સીનું કહેવું છે કે આ પરિણામો ટેકનોલોજીને શોખના સ્તરના ટેગ સર્ચથી આગળ વધારીને ફોરેન્સિક-ગ્રેડ વિઝ્યુઅલ મેચિંગ તરફ લઈ જાય છે, જે કોમ્પ્યુટર-વિઝન એન્જિનિયરોને તેમના પાઈપલાઈન્સ અને યુઝર ઇન્ટરફેસને ફરીથી ડિઝાઇન કરવા માટે મજબૂર કરે છે.
કીવર્ડ્સથી વળાંકો સુધી
વર્ષોથી, જાહેર ઉપયોગ માટેના ટેટૂ સર્ચ ટૂલ્સ સાદા ટેક્સ્ટ ટેગ્સ—“blue ink,” “dragon,” “compass” પર આધારિત હતા. તે ટેગ્સ ત્યારે જ કામ કરે છે જ્યારે અપલોડ કરનાર વ્યક્તિ સર્ચ કરનાર દ્વારા ઉપયોગમાં લેવાતા શબ્દોનો જ ઉપયોગ કરે. આ અસંગતતા કીવર્ડ સર્ચને કાયદા અમલીકરણ અથવા કોર્ટના કામ માટે અવિશ્વસનીય બનાવે છે, જ્યાં પુરાવા પુનઃઉત્પાદિત કરી શકાય તેવા હોવા જોઈએ.
NIST નું મૂલ્યાંકન દરેક ટેટૂને ફિંગરપ્રિન્ટની જેમ એક બાયોમેટ્રિક પેટર્ન તરીકે ગણે છે. શબ્દના મેચને શોધવાને બદલે, અલ્ગોરિધમ્સ લાઇનના વળાંક (curvature), કલર ગ્રેડિયન્ટ્સ અને એકંદર આકારનું વિશ્લેષણ કરે છે, જે દરેક ટેટૂને હાઈ-ડાયમેન્શનલ વેક્ટરમાં ફેરવી નાખે છે. બે વેક્ટર્સની સરખામણી કરવાથી એક સમાનતા સ્કોર (similarity score) મળે છે જે પ્રકાશ, એંગલ અથવા ત્વચાની સ્થિતિમાં ફેરફાર હોવા છતાં સચોટ રહે છે.
ટેટૂ ચહેરા કરતા વધુ મુશ્કેલ કેમ છે
ફેસિયલ રેકગ્નિશન (ચહેરાની ઓળખ) સ્થિર લેન્ડમાર્ક્સ—આંખો, નાક, મોં—નો લાભ લે છે જે ફોટાઓમાં લગભગ સમાન રહે છે. ટેટૂમાં કોઈ નિશ્ચિત બિંદુઓ હોતા નથી. જ્યારે વ્યક્તિ હલનચલન કરે છે ત્યારે સ્નાયુઓ શાહીને ખેંચે છે, અને ઉંમર અથવા વજનમાં ફેરફાર સાથે ત્વચાનું ટેક્સચર બદલાય છે. એક અલ્ગોરિધમ જે સ્વચ્છ, સીધા ફોટા પર સારું સ્કોર આપે છે, તે ધૂંધળા પ્રકાશમાં સાઈડ પ્રોફાઇલ પર દેખાતા સમાન ટેટૂ વખતે નિષ્ફળ જઈ શકે છે.
NIST ના 1,00,000-ઈમેજ ટેસ્ટમાં આ નબળાઈ ખુલ્લી પડી છે. 12 માંથી ઘણા અલ્ગોરિધમ્સ થોડા હજાર પસંદ કરેલા ઈમેજ પર પૂરતું પ્રદર્શન કરતા હતા, પરંતુ જ્યારે સિંહ, ખોપરી અથવા કંપાસ રોઝ જેવા સામાન્ય ડિઝાઇન્સનો સામનો કરવામાં આવ્યો જે ડેટાસેટમાં હજારો વિવિધતામાં જોવા મળે છે, ત્યારે તેમની ચોકસાઈ નોંધપાત્ર રીતે ઘટી ગઈ હતી.
ડેવલપર્સને શું બદલવાની જરૂર છે
- બાઈનરી નિર્ણયોનો ત્યાગ કરો. “હા/ના” પ્રકારનું મેચિંગ હવે વાસ્તવિક નથી. સિસ્ટમ્સએ ઉમેદવારોના ક્રમબદ્ધ લિસ્ટ આપવા જોઈએ, જેમાં દરેક સાથે સ્પષ્ટ સમાનતા સ્કોર હોય.
- માણસને અંતિમ નિર્ણાયક બનાવો. સોફ્ટવેર શક્યતાઓ ઘટાડી શકે છે, પરંતુ કોઈપણ કાયદેસરના નિષ્કર્ષ પર પહોંચતા પહેલા તાલીમબદ્ધ વિશ્લેષકે મેચની પુષ્ટિ કરવી આવશ્યક છે.
- સમજાવી શકાય તેવી ક્ષમતાને (explainability) પ્રાધાન્ય આપો. કોર્ટરૂમમાં, પ્રોસિક્યુશનએ બતાવવું પડશે કે અલ્ગોરિધમ તેના ટોચના ઉમેદવારો સુધી કેવી રીતે પહોંચ્યું. મેચિંગ વળાંકો અથવા કલર પેચને હાઇલાઇટ કરતા સાદા વિઝ્યુઅલ ઓવરલે તે જવાબદારી પૂરી કરવામાં મદદ કરે છે.
- કેલિબ્રેટેડ ટ્રસ્ટ માટે UI ડિઝાઇન કરો. જે ઇન્ટરફેસ ફક્ત એક સિંગલ “match” બટન બતાવે છે તે વધુ પડતા નિર્ભરતાને પ્રોત્સાહન આપે છે. ડેશબોર્ડ્સમાં આખો સ્કોર ડિસ્ટ્રિબ્યુશન બતાવવો જોઈએ, વપરાશકર્તાઓને થ્રેશોલ્ડ એડજસ્ટ કરવા દેવા જોઈએ અને વિશ્વાસના સ્તરને સ્પષ્ટ રીતે લેબલ કરવું જોઈએ.
ફોરેન્સિક સમુદાય માટેના જોખમો અને તકો
જો ટેટૂ મેચને ફિંગરપ્રિન્ટ અથવા DNA પ્રોફાઇલની જેમ જ સખત રીતે રજૂ કરી શકાય, તો તપાસકર્તાઓને એવા કેસોમાં શક્તિશાળી નવો સુચન (lead) મળે છે જ્યાં શંકાસ્પદની બોડી આર્ટ એ એકમાત્ર વિશિષ્ટ લક્ષણ હોય છે. તેનો ફાયદો એ છે કે કોલ્ડ-કેસ રિવ્યુ અને ગુમ થયેલ વ્યક્તિઓની તપાસ માટે વ્યાપક પુરાવા સાધનો મળે છે.
તેનો ગેરફાયદો ખોટા આત્મવિશ્વાસનું જોખમ છે. NIST ટ્રાયલમાં શ્રેષ્ઠ પ્રદર્શન કરનાર અલ્ગોરિધમ પણ અમુક કિસ્સાઓમાં બિન-મેચિંગ ટેટૂને ટોચના ઉમેદવાર તરીકે ખોટી રીતે ઓળખતું હતું. ટેકનોલોજીની વિશ્વસનીયતા વિશે વધુ પડતું કહેવું ખોટા આરોપો તરફ દોરી શકે છે, ખાસ કરીને જ્યારે જ્યુરી વિઝ્યુઅલ સિમિલારિટી સ્કોર્સથી અજાણ હોય.
વિરોધ પક્ષ: વર્તમાન ટેકનોલોજીની મર્યાદાઓ
ટીકાકારો દલીલ કરે છે કે ટેટૂ સ્વાભાવિક રીતે બદલાતા રહે છે અને કોઈ પણ અલ્ગોરિધમ ક્યારેય DNA વિશ્લેષણ જેવી ચોકસાઈ પ્રાપ્ત કરી શકશે નહીં. તેઓ નિર્દેશ કરે છે કે ઘણા ટેટૂ સ્ટાઇલાઇઝ્ડ હોય છે, વિદેશી લિપિમાં લખાણ ધરાવે છે, અથવા કપડાં દ્વારા આંશિક રીતે છુપાયેલા હોય છે, જે તમામ મેચિંગના પ્રદર્શનને ઘટાડે છે. જ્યાં સુધી ફોલ્સ-પોઝિટિવ રેટ સ્થાપિત બાયોમેટ્રિક્સની સમકક્ષ સ્તર સુધી ન પહોંચે ત્યાં સુધી, અદાલતો ટેટૂ પુરાવાઓને સીધા સ્વીકારવામાં શંકાસ્પદ રહી શકે છે.
આગળ શું જોવું
NIST દરેકના 12 પરીક્ષિત સિસ્ટમ્સ માટે વિગતવાર પરફોર્મન્સ મેટ્રિક્સ જાહેર કરવાની યોજના ધરાવે છે, જેથી ડેવલપર્સ તેમના પોતાના પાઈપલાઈન્સને જાહેર ધોરણો સાથે સરખાવી શકે. એજન્સીએ એવા ફોલો-અપ રાઉન્ડનો પણ સંકેત આપ્યો છે જે લાઈવ-કેપ્ચરર સિનારિયો—સ્થિર ફોટાને બદલે વિડિયો—પ્રાસ્તાવિત કરશે, જેથી અલ્ગોરિધમ્સ મોશન બ્લર અને રિયલ-ટાઇમ ડિસ્ટોર્શન સાથે કેવી રીતે કામ કરે છે તેનું પરીક્ષણ કરી શકાય.
કોઈપણ વ્યક્તિ જે કોમ્પ્યુટર-વિઝન ટૂલ્સ બનાવી રહી છે તેના માટે સંદેશ સ્પષ્ટ છે: ટેટૂ ઓળખ એ માત્ર એક નવલતા ધરાવતું સર્ચ ફીચર નથી, પરંતુ તે હવે એક ફોરેન્સિક સાધન બની રહ્યું છે, અને તે સંક્રમણ માટે ગણિત અને પરિણામો માનવ વપરાશકર્તાઓ સામે રજૂ કરવાની રીત બંનેમાં સખત ચોકસાઈની જરૂર છે.