NIST ಈಗ ಟ್ಯಾಟೂ-ಗುರುತಿಸುವಿಕೆ ಸಾಫ್ಟ್‌ವೇರ್‌ನ ಬೃಹತ್ ಪ್ರಮಾಣದ ಪರೀಕ್ಷೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದೆ, ಇದರಲ್ಲಿ 1,00,000 ಟ್ಯಾಟೂ ಚಿತ್ರಗಳ ಡೇಟಾಬೇಸ್ ವಿರುದ್ಧ 12 ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ನಡೆಸಲಾಯಿತು. ಈ ತಂತ್ರಜ್ಞಾನವು ಹವ್ಯಾಸಿ ಮಟ್ಟದ ಟ್ಯಾಗ್ ಹುಡುಕಾಟದಿಂದ ಫೋರೆನ್ಸಿಕ್-ಶ್ರೇಣಿಯ ದೃಶ್ಯ ಹೊಂದಾಣಿಕೆಯತ್ತ (visual matching) ಸಾಗುತ್ತಿದೆ ಎಂದು ಏಜೆನ್ಸಿ ಹೇಳಿದೆ, ಇದು ಕಂಪ್ಯೂಟರ್-ವಿಷನ್ ಇಂಜಿನಿಯರ್‌ಗಳು ತಮ್ಮ ಪೈಪ್‌ಲೈನ್‌ಗಳು ಮತ್ತು ಯೂಸರ್ ಇಂಟರ್ಫೇಸ್‌ಗಳನ್ನು ಮರು ವಿನ್ಯಾಸಗೊಳಿಸುವಂತೆ迫迫 ಮಾಡುತ್ತಿದೆ.

ಕೀವರ್ಡ್‌ಗಳಿಂದ ವಕ್ರರೇಖೆಗಳವರೆಗೆ

ವರ್ಷಗಳಿಂದ, ಸಾರ್ವಜನಿಕ ಬಳಕೆಗಾಗಿ ಇರುವ ಟ್ಯಾಟೂ ಹುಡುಕಾಟದ ಸಾಧನಗಳು "ನೀಲಿ ಶಾಯಿ," "ಡ್ರ್ಯಾಗನ್," "ಕಂಪಾಸ್" ಎಂಬ ಸರಳ ಪಠ್ಯ ಟ್ಯಾಗ್‌ಗಳನ್ನು ಅವಲಂಬಿಸಿದ್ದವು. ಅಪ್‌ಲೋಡ್ ಮಾಡುವವರು ಮತ್ತು ಹುಡುಕುವವರು ಒಂದೇ ರೀತಿಯ ಪದಗಳನ್ನು ಬಳಸಿದಾಗ ಮಾತ್ರ ಆ ಟ್ಯಾಗ್‌ಗಳು ಕೆಲಸ ಮಾಡುತ್ತವೆ. ಈ ಅಸಂಗತತೆಯು ಕೀವರ್ಡ್ ಹುಡುಕಾಟವನ್ನು ಕಾನೂನು ಜಾರಿ ಅಥವಾ ನ್ಯಾಯಾಲಯದ ಕೆಲಸಗಳಿಗೆ ಅನಿಶ್ಚಿತವಾಗಿಸುತ್ತದೆ, ಏಕೆಂದರೆ ಅಲ್ಲಿ ಸಾಕ್ಷ್ಯಗಳು ಪುನರಾವರ್ತಿತವಾಗಿ (reproducible) ಇರಬೇಕಾಗುತ್ತದೆ.

NIST ಮೌಲ್ಯಮಾಪನವು ಪ್ರತಿ ಟ್ಯಾಟೂ ಅನ್ನು ಬೆರಳಚ್ಚಿನಂತೆ ಒಂದು ಬಯೋಮೆಟ್ರಿಕ್ ಮಾದರಿಯಾಗಿ ಪರಿಗಣಿಸುತ್ತದೆ. ಕೇವಲ ಪದದ ಹೊಂದಾಣಿಕೆಯನ್ನು ಹುಡುಕುವ ಬದಲು, ಅಲ್ಗಾರಿದಮ್‌ಗಳು ರೇಖೆಯ ವಕ್ರತೆ (line curvature), ಬಣ್ಣದ ಗ್ರೇಡಿಯಂಟ್‌ಗಳು ಮತ್ತು ಒಟ್ಟಾರೆ ಆಕಾರವನ್ನು ವಿಶ್ಲೇಷಿಸಿ, ಪ್ರತಿ ಟ್ಯಾಟೂ ಅನ್ನು ಹೈ-ಡೈಮೆನ್ಷನಲ್ ವೆಕ್ಟರ್ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತವೆ. ಎರಡು ವೆಕ್ಟರ್‌ಗಳನ್ನು ಹೋಲಿಸುವುದರಿಂದ ಸಿಗುವ ಸಾಮ್ಯತಾ ಸ್ಕೋರ್ (similarity score) ಬೆಳಕಿನ ಬದಲಾವಣೆ, ಕೋನ ಅಥವಾ ಚರ್ಮದ ಸ್ಥಿತಿಯ ಬದಲಾವಣೆಗಳ ನಡುವೆಯೂ ನಿಖರವಾಗಿ ಇರುತ್ತದೆ.

ಮುಖಗಳಿಗಿಂತ ಟ್ಯಾಟೂಗಳು ಏಕೆ ಕಷ್ಟ

ಮುಖದ ಗುರುತಿಸುವಿಕೆಯು ಕಣ್ಣುಗಳು, ಮೂಗು, ಬಾಯಿ ಎಂಬ ಸ್ಥಿರವಾದ ಗುರುತುಗಳಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತದೆ—ಇವು ಫೋಟೋಗಳಲ್ಲಿ ಬಹುತೇಕ ಒಂದೇ ರೀತಿ ಇರುತ್ತವೆ. ಆದರೆ ಟ್ಯಾಟೂಗಳಿಗೆ ಸ್ಥಿರವಾದ ಬಿಂದುಗಳಿಲ್ಲ. ವ್ಯಕ್ತಿಯು ಚಲಿಸಿದಾಗ ಸ್ನಾಯುಗಳು ಶಾಯಿಯನ್ನು ಎಳೆದುಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ವಯಸ್ಸು ಅಥವಾ ತೂಕದ ಬದಲಾವಣೆಯೊಂದಿಗೆ ಚರ್ಮದ ವಿನ್ಯಾಸವು ಬದಲಾಗುತ್ತದೆ. ಸ್ವಚ್ಛವಾದ, ನೇರವಾದ ಫೋಟೋದಲ್ಲಿ ಉತ್ತಮ ಸ್ಕೋರ್ ನೀಡುವ ಅಲ್ಗಾರಿದಮ್, ಅದೇ ಟ್ಯಾಟೂ ಮಂದ ಬೆಳಕಿನಲ್ಲಿ ಪಾರ್ಶ್ವ ನೋಟದಲ್ಲಿ (side profile) ಕಾಣಿಸಿಕೊಂಡಾಗ ವಿಫಲವಾಗಬಹುದು.

NIST ನ 1,00,000-ಚಿತ್ರಗಳ ಪರೀಕ್ಷೆಯು ಈ ದೌರ್ಬಲ್ಯವನ್ನು ಎತ್ತಿ ತೋರಿಸಿದೆ. 12 ಅಲ್ಗಾರಿದಮ್‌ಗಳಲ್ಲಿ ಹೆಚ್ಚಿನವು ಕೆಲವು ಸಾವಿರים ಆಯ್ದ ಚಿತ್ರಗಳ ಮೇಲೆ ಸಮರ್ಪಕವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದವು, ಆದರೆ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ಸಾವಿರಾರು ವೈವಿಧ್ಯತೆಗಳಲ್ಲಿ ಕಂಡುಬರುವ ಸಿಂಹಗಳು, ತಲೆಬುರುಡೆಗಳು ಅಥವಾ ಕಂಪಾಸ್ ರೋಸ್‌ನಂತಹ ಸಾಮಾನ್ಯ ವಿನ್ಯಾಸಗಳನ್ನು ಎದುರಿಸಿದಾಗ ಅವುಗಳ ನಿಖರತೆ ಗಮನಾರ್ಹವಾಗಿ ಕುಸಿಯಿತು.

ಡೆವಲಪರ್‌ಗಳು ಏನನ್ನು ಬದಲಾಯಿಸಬೇಕಾಗಿದೆ

  • ಬೈನರಿ ನಿರ್ಧಾರಗಳನ್ನು ಕೈಬಿಡಿ. "ಹೌದು/ಅಲ್ಲ" ಎಂಬ ಹೊಂದಾಣಿಕೆಯು ಇನ್ನು ಮುಂದೆ ವಾಸ್ತವಿಕವಲ್ಲ. ಸಿಸ್ಟಮ್‌ಗಳು ಪ್ರತಿಯೊಂದರ ಸ್ಪಷ್ಟ ಸಾಮ್ಯತಾ ಸ್ಕೋರ್‌ನೊಂದಿಗೆ ಅಭ್ಯರ್ಥಿಗಳ ಶ್ರೇಣೀಕೃತ ಪಟ್ಟಿಯನ್ನು ನೀಡಬೇಕು.
  • ಅಂತಿಮ ನಿರ್ಧಾರಕನನ್ನಾಗಿ ಮನುಷ್ಯನನ್ನು ಮಾಡಿ. ಸಾಫ್ಟ್‌ವೇರ್ ಸಾಧ್ಯತೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು, ಆದರೆ ಯಾವುದೇ ಕಾನೂನು ತೀರ್ಮಾನವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಮೊದಲು ತರಬೇತಿ ಪಡೆದ ವಿಶ್ಲೇಷಕರು ಹೊಂದಾಣಿಕೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬೇಕು.
  • ವಿವರಿಸುವ ಸಾಮರ್ಥ್ಯಕ್ಕೆ (explainability) ಆದ್ಯತೆ ನೀಡಿ. ನ್ಯಾಯಾಲಯದಲ್ಲಿ, ಅಲ್ಗಾರಿದಮ್ ಹೇಗೆ ತನ್ನ ಅಗ್ರ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ತಲುಪಿತು ಎಂಬುದನ್ನು ಪ್ರಾಸಿಕ್ಯೂಷನ್ ತೋರಿಸಬೇಕಾಗುತ್ತದೆ. ಹೊಂದಾಣಿಕೆಯಾಗುವ ವಕ್ರರೇಖೆಗಳು ಅಥವಾ ಬಣ್ಣದ ಭಾಗಗಳನ್ನು ಎತ್ತಿ ತೋರಿಸುವ ಸರಳ ದೃಶ್ಯ ಓವರ್‌ಲೇಗಳು (visual overlays) ಈ ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಪೂರೈಸಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ.
  • ಕ್ಯಾಲಿಬ್ರೇಟೆಡ್ ನಂಬಿಕೆಗಾಗಿ UI ವಿನ್ಯಾಸಗೊಳಿಸಿ. ಕೇವಲ ಒಂದೇ ಒಂದು "ಮ್ಯಾಚ್" ಬಟನ್ ಅನ್ನು ಪ್ರದರ್ಶಿಸುವ ಇಂಟರ್ಫೇಸ್‌ಗಳು ಅತಿಯಾದ ಅವಲಂಬನೆಯನ್ನು ಪ್ರೇರೇಪಿಸುತ್ತವೆ. ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳು ಸಂಪೂರ್ಣ ಸ್ಕೋರ್ ವಿತರಣೆಯನ್ನು ತೋರಿಸಬೇಕು, ಬಳಕೆದಾರರಿಗೆ ಮಿತಿಗಳನ್ನು (thresholds) ಹೊಂದಾಣಿಕೆ ಮಾಡಲು ಅವಕಾಶ ನೀಡಬೇಕು ಮತ್ತು ವಿಶ್ವಾಸದ ಮಟ್ಟವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಲೇಬಲ್ ಮಾಡಬೇಕು.

ಫೋರೆನ್ಸಿಕ್ ಸಮುದಾಯಕ್ಕೆ ಇರುವ ಪಣ

ಒಂದು ಟ್ಯಾಟೂ ಹೊಂದಾಣಿಕೆಯನ್ನು ಬೆರಳಚ್ಚು ಅಥವಾ DNA ಪ್ರೊಫೈಲ್‌ನಷ್ಟೇ ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಬಹುದಾದರೆ, ಶಂಕಿತನ ದೇಹದ ಕಲೆ (body art) ಒಂದೇ ವಿಭಿನ್ನ ಗುರುತಾಗಿರುವ ಪ್ರಕರಣಗಳಲ್ಲಿ ತನಿಖಾಧಿಕಾರಿಗಳಿಗೆ ಶಕ್ತಿಯುತವಾದ ಹೊಸ ಸುಳಿವು ಸಿಗುತ್ತದೆ. ಇದರ ಲಾಭವೆಂದರೆ ಕೋಲ್ಡ್-ಕೇಸ್ ಪರಿಶೀಲನೆಗಳು ಮತ್ತು ಕಾಣೆಯಾದ ವ್ಯಕ್ತಿಗಳ ತನಿಖೆಗಳಿಗೆ ವ್ಯಾಪಕವಾದ ಸಾಕ್ಷ್ಯ ಪರಿಕರಗಳು ಲಭ್ಯವಾಗುತ್ತವೆ.

ಇದರ ನಕಾರಾತ್ಮಕ ಅಂಶವೆಂದರೆ ತಪ್ಪು ವಿಶ್ವಾಸದ ಅಪಾಯ. NIST ತೀರ್ಪಿನಲ್ಲಿ ಅತ್ಯುತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದ ಅಲ್ಗಾರಿದಮ್ ಕೂಡ ಸಣ್ಣ ಪ್ರಮಾಣದಲ್ಲಿ, ಹೊಂದಾಣಿಕೆಯಾಗದ ಟ್ಯಾಟೂವನ್ನು ಅಗ್ರ ಅಭ್ಯರ್ಥಿಯಾಗಿ ತಪ್ಪಾಗಿ ಗುರುತಿಸಿದೆ. ತಂತ್ರಜ್ಞಾನದ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಅತಿಯಾಗಿ ಹೇಳಿಕೊಳ್ಳುವುದು ತಪ್ಪು ಆರೋಪಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು, ವಿಶೇಷವಾಗಿ ಜ್ಯೂರಿಗಳಿಗೆ ದೃಶ್ಯ ಸಾಮ್ಯತಾ ಸ್ಕೋರ್‌ಗಳ ಬಗ್ಗೆ ಪರಿಚಯವಿಲ್ಲದಿದ್ದಾಗ.

ವಿರೋಧಾತ್ಮಕ ಅಂಶ: ಪ್ರಸ್ತುತ ತಂತ್ರಜ್ಞಾನದ ಮಿತಿಗಳು

ಟ್ಯಾಟೂಗಳು ಸಹಜವಾಗಿಯೇ ಬದಲಾಗುವ ಗುಣವುಳ್ಳವು ಮತ್ತು ಯಾವುದೇ ಅಲ್ಗಾರಿದಮ್ ಎಂದಿಗೂ DNA ವಿಶ್ಲೇಷಣೆಯಷ್ಟು ಖಚಿತತೆಯನ್ನು ಸಾಧಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಎಂದು ವಿಮರ್ಶಕರು ವಾದಿಸುತ್ತಾರೆ. ಅನೇಕ ಟ್ಯಾಟೂಗಳು ಶೈಲೀಕೃತವಾಗಿರುತ್ತವೆ (stylized), ವಿದೇಶಿ ಲಿಪಿಗಳಲ್ಲಿ ಪಠ್ಯವನ್ನು ಹೊಂದಿರುತ್ತವೆ ಅಥವಾ ಬಟ್ಟೆಯಿಂದ ಭಾಗಶಃ ಮರೆಯಾಗಿರುತ್ತವೆ, ಇವೆಲ್ಲವೂ ಹೊಂದಾಣಿಕೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕುಗ್ಗಿಸುತ್ತವೆ ಎಂದು ಅವರು ಬೆಟ್ಟು ಮಾಡುತ್ತಾರೆ. ಫಾಲ್ಸ್-ಪಾಸಿಟಿವ್ ದರವು ಸ್ಥಾಪಿತ ಬಯೋಮೆಟ್ರಿಕ್‌ಗಳಿಗೆ ಸಮಾನವಾದ ಮಟ್ಟಕ್ಕೆ ಇಳಿಯುವವರೆಗೆ, ನ್ಯಾಯಾಲಯಗಳು ಟ್ಯಾಟೂ ಸಾಕ್ಷ್ಯಗಳನ್ನು ನೇರವಾಗಿ ಒಪ್ಪಿಕೊಳ್ಳಲು ಸಂಶಯ ಪಡಬಹುದು.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

NIST ಪರೀಕ್ಷೆ ಮಾಡಿದ 12 ಸಿಸ್ಟಮ್‌ಗಳ ಪ್ರತಿಯೊಂದಕ್ಕೂ ವಿವರವಾದ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಲು ಯೋಜಿಸಿದೆ, ಇದು ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮದೇ ಆದ ಪೈಪ್‌ಲೈನ್‌ಗಳನ್ನು ಸಾರ್ವಜನಿಕ ಮಾನದಂಡದೊಂದಿಗೆ ಹೋಲಿಸಲು way ಮಾಡಿಕೊಡುತ್ತದೆ. ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಚಲನೆಯ ಮಬ್ಬು (motion blur) ಮತ್ತು ನೈಜ-ಸಮಯದ ವಿರೂಪತೆಯನ್ನು (real-time distortion) ಹೇಗೆ ಎದುರಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಪರೀಕ್ಷಿಸಲು, ಸ್ಥಿರ ಫೋಟೋಗಳ ಬದಲಿಗೆ ಲೈವ್-ಕ್ಯಾಪ್ಚರ್ ಸನ್ನಿವೇಶಗಳನ್ನು—ಅಂದರೆ ವಿಡಿಯೋಗಳನ್ನು—ಪರಿಚಯಿಸುವ ಮುಂದಿನ ಹಂತದ ಬಗ್ಗೆಯೂ ಏಜೆನ್ಸಿ ಸುಳಿವು ನೀಡಿದೆ.

ಕಂಪ್ಯೂಟರ್-ವಿಷನ್ ಸಾಧನಗಳನ್ನು ನಿರ್ಮಿಸುವ ಯಾರಿಗಾದರೂ ಸಂದೇಶ ಸ್ಪಷ್ಟವಾಗಿದೆ: ಟ್ಯಾಟೂ ಗುರುತಿಸುವಿಕೆಯು ಕೇವಲ ಒಂದು ಹೊಸ ಹುಡುಕಾಟದ ವೈಶಿಷ್ಟ್ಯದಿಂದ ಫೋರೆನ್ಸಿಕ್ ಉಪಕರಣವಾಗಿ ಹೊರಹೊಮ್ಮುತ್ತಿದೆ, ಮತ್ತು ಆ ಪರಿವರ್ತನೆಯು ಗಣಿತ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಮಾನವ ಬಳಕೆದಾರರಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸುವ ವಿಧಾನ ಎರಡರಲ್ಲೂ ಕಟ್ಟುನಿಟ್ಟಿನತೆಯನ್ನು ಬಯಸುತ್ತದೆ.