NIST ने अभी-अभी टैटू-पहचान (tattoo-recognition) सॉफ्टवेयर का एक बड़े पैमाने पर परीक्षण पूरा किया है, जिसमें 100,000 टैटू छवियों के डेटाबेस के विरुद्ध 12 एल्गोरिदम चलाए गए। एजेंसी का कहना है कि ये परिणाम तकनीक को शौकिया स्तर की टैग खोजों से आगे बढ़ाकर फॉरेंसिक-ग्रेड विजुअल मैचिंग (forensic-grade visual matching) की ओर ले जाते हैं, जिससे कंप्यूटर-विज़न इंजीनियरों को अपने पाइपलाइन और यूजर इंटरफेस को फिर से डिजाइन करने के लिए मजबूर होना पड़ रहा है।

कीवर्ड से कर्व्स तक

वर्षों से, सार्वजनिक टैटू खोज उपकरण सरल टेक्स्ट टैग्स—"blue ink," "dragon," "compass"—पर निर्भर थे। वे टैग केवल तभी काम करते हैं जब अपलोड करने वाला व्यक्ति वही शब्द इस्तेमाल करे जो खोजने वाला कर रहा है। यह विसंगति कीवर्ड सर्च को कानून प्रवर्तन (law-enforcement) या अदालती काम के लिए अविश्वसनीय बना देती है, जहाँ साक्ष्य का पुनरुत्पादनीय (reproducible) होना आवश्यक है।

NIST का मूल्यांकन प्रत्येक टैटू को फिंगरप्रिंट की तरह एक बायोमेट्रिक पैटर्न के रूप में मानता है। शब्द मिलान खोजने के बजाय, एल्गोरिदम लाइन की वक्रता (curvature), रंग के ग्रेडिएंट (color gradients) और समग्र आकार का विश्लेषण करते हैं, जिससे हर टैटू एक हाई-डायमेंशनल वेक्टर (high-dimensional vector) में बदल जाता है। दो वेक्टर्स की तुलना करने से एक समानता स्कोर (similarity score) प्राप्त होता है जो रोशनी, कोण या त्वचा की स्थिति में बदलाव के बावजूद सटीक रहता है।

चेहरे की तुलना में टैटू अधिक कठिन क्यों हैं

फेशियल रिकग्निशन (Facial recognition) को स्थिर लैंडमार्क—आँखें, नाक, मुँह—का लाभ मिलता है जो तस्वीरों में लगभग एक जैसे रहते हैं। टैटू में कोई निश्चित बिंदु नहीं होते। जब कोई व्यक्ति हिलता है, तो मांसपेशियां स्याही को खींच देती हैं, और उम्र या वजन में बदलाव के साथ त्वचा की बनावट बदल जाती है। एक एल्गोरिदम जो एक साफ, सामने के शॉट पर अच्छा स्कोर करता है, वह तब विफल हो सकता है जब वही टैटू कम रोशनी में साइड प्रोफाइल में दिखाई दे।

NIST के 100,000-इमेज परीक्षण ने इस कमजोरी को उजागर किया। 12 में से कई एल्गोरिदम ने कुछ हज़ार क्यूरेटेड छवियों पर पर्याप्त प्रदर्शन किया, लेकिन जब उनका सामना शेर, खोपड़ी (skulls), या कम्पास रोज़ जैसे सामान्य डिजाइनों से हुआ, जो डेटासेट में हजारों विविधताओं में दिखाई देते हैं, तो उनकी सटीकता में उल्लेखनीय गिरावट आई।

डेवलपर्स को क्या बदलने की आवश्यकता है

  • बाइनरी निर्णयों को छोड़ें। "हाँ/नहीं" वाला मिलान अब वास्तविक नहीं है। सिस्टम को उम्मीदवारों की एक रैंक वाली सूची लौटानी चाहिए, जिसमें से प्रत्येक का एक स्पष्ट समानता स्कोर (similarity score) हो।
  • इंसान को अंतिम निर्णायक बनाएं। सॉफ्टवेयर संभावनाओं को कम कर सकता है, लेकिन किसी भी कानूनी निष्कर्ष पर पहुँचने से पहले एक प्रशिक्षित विश्लेषक को मिलान की पुष्टि करनी चाहिए।
  • व्याख्यात्मकता (explainability) को प्राथमिकता दें। अदालत में, अभियोजन पक्ष को यह दिखाना होगा कि एल्गोरिदम अपने शीर्ष उम्मीदवारों तक कैसे पहुँचा। सरल विजुअल ओवरले जो मिलान करने वाले कर्व्स या रंग के पैच को हाइलाइट करते हैं, उस जिम्मेदारी को पूरा करने में मदद करते हैं।
  • कैलिब्रेटेड ट्रस्ट के लिए UI डिजाइन करें। ऐसे इंटरफेस जो केवल एक एकल "मैच" बटन दिखाते हैं, अत्यधिक निर्भरता को बढ़ावा देते हैं। डैशबोर्ड को पूरा स्कोर वितरण दिखाना चाहिए, उपयोगकर्ताओं को थ्रेशोल्ड (thresholds) समायोजित करने देना चाहिए, और आत्मविश्वास के स्तर को स्पष्ट रूप से लेबल करना चाहिए।

फॉरेंसिक समुदाय के लिए दांव

यदि टैटू मिलान को फिंगरप्रिंट या डीएनए प्रोफाइल की तरह ही कठोरता के साथ प्रस्तुत किया जा सकता है, तो जांचकर्ताओं को उन मामलों में एक शक्तिशाली नया सुराग मिलता है जहाँ संदिग्ध की बॉडी आर्ट ही एकमात्र विशिष्ट विशेषता होती है। इसका लाभ कोल्ड-केस (cold-case) समीक्षाओं और लापता व्यक्तियों की जांच के लिए एक व्यापक साक्ष्य टूलकिट प्राप्त करना है।

इसका नुकसान गलत आत्मविश्वास का जोखिम है। NIST परीक्षण में सबसे अच्छा प्रदर्शन करने वाला एल्गोरिदम भी मामलों के एक छोटे लेकिन महत्वपूर्ण प्रतिशत में गैर-मिलान वाले टैटू को शीर्ष उम्मीदवार के रूप में गलत पहचानता रहा। तकनीक की विश्वसनीयता को बढ़ा-चढ़ाकर बताने से गलत आरोप लग सकते हैं, खासकर जब जूरी विजुअल समानता स्कोर से अपरिचित हो।

प्रति-तर्क: वर्तमान तकनीक की सीमाएं

आलोचकों का तर्क है कि टैटू स्वाभाविक रूप से परिवर्तनशील होते हैं और कोई भी एल्गोरिदम कभी भी डीएनए विश्लेषण जैसी निश्चितता प्राप्त नहीं कर सकता। वे बताते हैं कि कई टैटू शैलीबद्ध (stylized) होते हैं, विदेशी लिपियों में टेक्स्ट होते हैं, या कपड़ों से आंशिक रूप से ढके होते हैं, जिससे मिलान प्रदर्शन कम हो जाता है। जब तक फॉल्स-पॉजिटिव रेट स्थापित बायोमेट्रिक्स के तुलनीय स्तर तक नहीं गिर जाता, अदालतें टैटू साक्ष्य को सीधे स्वीकार करने के प्रति संशय में रह सकती हैं।

आगे क्या देखने को मिलेगा

NIST परीक्षण किए गए प्रत्येक 12 सिस्टम के लिए विस्तृत प्रदर्शन मेट्रिक्स जारी करने की योजना बना रहा है, जिससे डेवलपर्स सार्वजनिक मानक के विरुद्ध अपने स्वयं के पाइपलाइन का बेंचमार्क बना सकें। एजेंसी ने एक फॉलो-अप राउंड का भी संकेत दिया है जो लाइव-कैप्चर परिदृश्यों—स्थिर तस्वीरों के बजाय वीडियो—को पेश करेगा ताकि यह परीक्षण किया जा सके कि एल्गोरिदम मोशन ब्लर और रीयल-टाइम विरूपण (distortion) के साथ कितनी अच्छी तरह तालमेल बिठाते हैं।

कंप्यूटर-विज़न टूल बनाने वाले किसी भी व्यक्ति के लिए, निष्कर्ष स्पष्ट है: टैटू पहचान एक नवीन खोज विशेषता (novelty search feature) से बदलकर एक फॉरेंसिक उपकरण बन रही है, और इस बदलाव के लिए गणित और परिणामों को मानव उपयोगकर्ताओं के सामने प्रस्तुत करने के तरीके, दोनों में कठोरता की आवश्यकता है।