NIST ਨੇ ਹੁਣੇ ਟੈਟੂ-ਪਛਾਣ ਵਾਲੇ ਸਾਫਟਵੇਅਰ ਦਾ ਇੱਕ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਟੈਸਟ ਪੂਰਾ ਕੀਤਾ ਹੈ, ਜਿਸ ਵਿੱਚ 100,000 ਟੈਟੂ ਤਸਵੀਰਾਂ ਦੇ ਡੇਟਾਬੇਸ ਦੇ ਵਿਰੁੱਧ 12 ਐਲਗੋਰਿਦਮ ਚਲਾਏ ਗਏ। ਏਜੰਸੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਨਤੀਜੇ ਤਕਨਾਲੋਜੀ ਨੂੰ ਸ਼ੌਕੀਆ ਪੱਧਰ ਦੀ ਟੈਗ ਖੋਜ ਤੋਂ ਫੋਰੈਂਸਿਕ-ਗ੍ਰੇਡ ਵਿਜ਼ੂਅਲ ਮੈਚਿੰਗ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਕੰਪਿਊਟਰ-ਵਿਜ਼ਨ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਆਪਣੇ ਪਾਈਪਲਾਈਨਾਂ ਅਤੇ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਮਜਬੂਰ ਹੋਣਾ ਪੈ ਰਿਹਾ ਹੈ।

ਕੀਵਰਡਸ ਤੋਂ ਕਰਵਜ਼ ਤੱਕ

ਸਾਲਾਂ ਤੋਂ, ਜਨਤਕ ਟੈਟੂ ਸਰਚ ਟੂਲ ਸਧਾਰਨ ਟੈਕਸਟ ਟੈਗਾਂ—"ਨੀਲੀ ਸਿਆਹੀ," "ਡਰੈਗਨ," "ਕੰਪਾਸ"— 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਸਨ। ਉਹ ਟੈਗ ਉਦੋਂ ਹੀ ਕੰਮ ਕਰਦੇ ਹਨ ਜਦੋਂ ਅਪਲੋਡ ਕਰਨ ਵਾਲਾ ਉਹੀ ਸ਼ਬਦ ਵਰਤਦਾ ਹੈ ਜੋ ਸਰਚ ਕਰਨ ਵਾਲਾ ਵਰਤ ਰਿਹਾ ਹੋਵੇ। ਇਹ ਅਸੰਗਤਤਾ ਕੀਵਰਡ ਸਰਚ ਨੂੰ ਕਾਨੂੰਨ ਲਾਗੂ ਕਰਨ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਜਾਂ ਅਦਾਲਤੀ ਕੰਮਾਂ ਲਈ ਅਭਰੋਸੇਯੋਗ ਬਣਾਉਂਦੀ ਹੈ, ਜਿੱਥੇ ਸਬੂਤ ਨੂੰ ਦੁਬਾਰਾ ਸਾਬਤ ਕਰਨ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

NIST ਦਾ ਮੁਲਾਂਕਣ ਹਰੇਕ ਟੈਟੂ ਨੂੰ ਇੱਕ ਬਾਇਓਮੈਟ੍ਰਿਕ ਪੈਟਰਨ ਵਜੋਂ ਮੰਨਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਉਂਗਲ ਦੇ ਨਿਸ਼ਾਨ (fingerprint)। ਸ਼ਬਦ ਦੇ ਮੇਲ ਦੀ ਭਾਲ ਕਰਨ ਦੀ ਬਜਾਏ, ਐਲਗੋਰਿਦਮ ਲਾਈਨ ਦੀ ਕਰਵੇਚਰ (curvature), ਰੰਗ ਦੇ ਗ੍ਰੇਡੀਐਂਟ (color gradients), ਅਤੇ ਸਮੁੱਚੇ ਆਕਾਰ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਹਰ ਟੈਟੂ ਇੱਕ ਹਾਈ-ਡਾਇਮੈਂਸ਼ਨਲ ਵੈਕਟਰ (high-dimensional vector) ਵਿੱਚ ਬਦਲ ਜਾਂਦਾ ਹੈ। ਦੋ ਵੈਕਟਰਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਨਾਲ ਇੱਕ ਸਮਾਨਤਾ ਸਕੋਰ (similarity score) ਪ੍ਰਾਪਤ ਹੁੰਦਾ ਹੈ ਜੋ ਰੌਸ਼ਨੀ, ਐਂਗਲ, ਜਾਂ ਚਮੜੀ ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਬਦਲਾਅ ਦੇ ਬਾਵਜੂਦ ਸਹੀ ਰਹਿੰਦਾ ਹੈ।

ਟੈਟੂ ਚਿਹਰਿਆਂ ਨਾਲੋਂ ਔਖੇ ਕਿਉਂ ਹਨ

ਫੇਸ਼ੀਅਲ ਰਿਕੋਗਨੀਸ਼ਨ (Facial recognition) ਨੂੰ ਸਥਿਰ ਲੈਂਡਮਾਰਕਸ—ਅੱਖਾਂ, ਨੱਕ, ਮੂੰਹ—ਦਾ ਫਾਇਦਾ ਮਿਲਦਾ ਹੈ ਜੋ ਫੋਟੋਆਂ ਵਿੱਚ ਲਗਭਗ ਇੱਕੋ ਜਿਹੇ ਰਹਿੰਦੇ ਹਨ। ਟੈਟੂਆਂ ਵਿੱਚ ਕੋਈ ਨਿਸ਼ਚਿਤ ਬਿੰਦੂ ਨਹੀਂ ਹੁੰਦੇ। ਜਦੋਂ ਕੋਈ ਵਿਅਕਤੀ ਹਿੱਲਦਾ ਹੈ ਤਾਂ ਮਾਸਪੇਸ਼ੀਆਂ ਸਿਆਹੀ ਨੂੰ ਖਿੱਚਦੀਆਂ ਹਨ, ਅਤੇ ਉਮਰ ਜਾਂ ਭਾਰ ਵਿੱਚ ਬਦਲਾਅ ਨਾਲ ਚਮੜੀ ਦੀ ਬਣਤਰ ਬਦਲ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਐਲਗੋਰਿਦਮ ਜੋ ਸਾਫ਼, ਸਾਹਮਣੇ ਵਾਲੀ ਫੋਟੋ 'ਤੇ ਵਧੀਆ ਸਕੋਰ ਕਰਦਾ ਹੈ, ਉਹ ਉਦੋਂ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ ਜਦੋਂ ਉਹੀ ਟੈਟੂ ਮੱਧਮ ਰੌਸ਼ਨੀ ਵਿੱਚ ਸਾਈਡ ਪ੍ਰੋਫਾਈਲ ਵਿੱਚ ਦਿਖਾਈ ਦੇਵੇ।

NIST ਦੇ 100,000-ਤਸਵੀਰਾਂ ਵਾਲੇ ਟੈਸਟ ਨੇ ਇਸ ਕਮਜ਼ੋਰੀ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਹੈ। 12 ਐਲਗੋਰਿਦਮਾਂ ਵਿੱਚੋਂ ਕਈਆਂ ਨੇ ਕੁਝ ਹਜ਼ਾਰ ਚੁਣੀਆਂ ਹੋਈਆਂ ਤਸਵੀਰਾਂ 'ਤੇ ਢੁਕਵੇਂ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤੇ, ਪਰ ਜਦੋਂ ਉਹ ਸ਼ੇਰਾਂ, ਖੋਪੜੀਆਂ, ਜਾਂ ਕੰਪਾਸ ਰੋਜ਼ ਵਰਗੇ ਆਮ ਡਿਜ਼ਾਈਨਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ ਜੋ ਡੇਟਾਸੈੱਟ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਵੱਖ-ਵੱਖ ਰੂਪਾਂ ਵਿੱਚ ਮੌਜੂਦ ਹਨ, ਤਾਂ ਉਹਨਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ သိਖਣੀ ਗਿਰਾਵਟ ਆਈ।

ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਕੀ ਬਦਲਣ ਦੀ ਲੋੜ ਹੈ

  • ਬਾਈਨਰੀ ਫੈਸਲਿਆਂ ਨੂੰ ਛੱਡੋ। ਇੱਕ "ਹਾਂ/ਨਹੀਂ" ਵਾਲਾ ਮੈਚ ਹੁਣ ਯਥਾਰਥਵਾਦੀ ਨਹੀਂ ਹੈ। ਸਿਸਟਮ ਨੂੰ ਉਮੀਦਵਾਰਾਂ ਦੀ ਇੱਕ ਰੈਂਕਡ ਸੂਚੀ ਵਾਪਸ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਜਿਸ ਵਿੱਚੋਂ ਹਰੇਕ ਦੇ ਨਾਲ ਇੱਕ ਸਪਸ਼ਟ ਸਮਾਨਤਾ ਸਕੋਰ ਹੋਵੇ।
  • ਮਨੁੱਖ ਨੂੰ ਅੰਤਿਮ ਫੈਸਲਾਕਰਤਾ ਬਣਾਓ। ਸਾਫਟਵੇਅਰ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਘਟਾ ਸਕਦਾ ਹੈ, ਪਰ ਕੋਈ ਵੀ ਕਾਨੂੰਨੀ ਸਿੱਟਾ ਕੱਢਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ ਮੈਚ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
  • ਵਿਆਖਿਆਯੋਗਤਾ (Explainability) ਨੂੰ ਤਰਜੀਹ ਦਿਓ। ਅਦਾਲਤ ਵਿੱਚ, ਪ੍ਰੋਸੀਕਿਊਸ਼ਨ ਨੂੰ ਇਹ ਦਿਖਾਉਣਾ ਪਵੇਗਾ ਕਿ ਐਲਗੋਰਿਦਮ ਆਪਣੇ ਚੋਟੀ ਦੇ ਉਮੀਦਵਾਰਾਂ ਤੱਕ ਕਿਵੇਂ ਪਹੁੰਚਿਆ। ਸਧਾਰਨ ਵਿਜ਼ੂਅਲ ਓਵਰਲੇਅਜ਼ ਜੋ ਮੇਲ ਖਾਂਦੀਆਂ ਕਰਵਜ਼ ਜਾਂ ਰੰਗ ਦੇ ਪੈਚਾਂ ਨੂੰ ਹਾਈਲਾਈਟ ਕਰਦੇ ਹਨ, ਉਸ ਭਾਰ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ।
  • ਕੈਲੀਬਰੇਟਡ ਭਰੋਸੇ ਲਈ UI ਡਿਜ਼ਾਈਨ ਕਰੋ। ਅਜਿਹੇ ਇੰਟਰਫੇਸ ਜੋ ਸਿਰਫ਼ ਇੱਕ ਸਿੰਗਲ "ਮੈਚ" ਬਟਨ ਦਿਖਾਉਂਦੇ ਹਨ, ਉਹ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਨ। ਡੈਸ਼ਬੋਰਡ ਨੂੰ ਪੂਰੇ ਸਕੋਰ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਨੂੰ ਦਿਖਾਉਣਾ ਚਾਹੀਦਾ ਹੈ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਥ੍ਰੈਸ਼ਹੋਲਡ (thresholds) ਨੂੰ ਐਡਜਸਟ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣੀ ਚਾਹੀਦੀ ਹੈ, ਅਤੇ ਵਿਸ਼ਵਾਸ ਦੇ ਪੱਧਰ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਲੇਬਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਫੋਰੈਂਸਿਕ ਭਾਈਚਾਰੇ ਲਈ ਜੋਖਮ

ਜੇਕਰ ਇੱਕ ਟੈਟੂ ਮੈਚ ਨੂੰ ਉਂਗਲ ਦੇ ਨਿਸ਼ਾਨ ਜਾਂ DNA ਪ੍ਰੋਫਾਈਲ ਵਾਂਗ ਹੀ ਸਖ਼ਤੀ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਜਾਂਚਕਰਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਨਵਾਂ ਸੁਰਾਗ ਮਿਲਦਾ ਹੈ ਜਿੱਥੇ ਸ਼ੱਕੀ ਦੀ ਸਰੀਰਕ ਕਲਾ ਹੀ ਇੱਕੋ ਇੱਕ ਵੱਖਰੀ ਵਿਸ਼ੇਸ਼ਤਾ ਹੁੰਦੀ ਹੈ। ਇਸ ਦਾ ਫਾਇਦਾ ਕੋਲਡ-ਕੇਸ (cold-case) ਦੀਆਂ ਸਮੀਖਿਆਵਾਂ ਅਤੇ ਲਾਪਤਾ ਵਿਅਕਤੀਆਂ ਦੀਆਂ ਜਾਂਚਾਂ ਲਈ ਇੱਕ ਵਿਆਪਕ ਸਬੂਤੀ ਟੂਲਕਿੱਟ ਹੈ।

ਨੁਕਸਾਨ ਗਲਤ ਭਰੋਸੇ ਦਾ ਜੋਖਮ ਹੈ। NIST ਦੇ ਟਰਾਇਲ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਵਾਲਾ ਐਲਗੋਰਿਦਮ ਵੀ ਕੁਝ ਪ੍ਰਤੀਸ਼ਤ ਮਾਮਲਿਆਂ ਵਿੱਚ ਗਲਤ ਟੈਟੂ ਨੂੰ ਚੋਟੀ ਦੇ ਉਮੀਦਵਾਰ ਵਜੋਂ ਪਛਾਣਦਾ ਰਿਹਾ। ਤਕਨਾਲੋਜੀ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਦੱਸਣਾ ਗਲਤ ਦੋਸ਼ਾਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਜਿਊਰੀ ਵਿਜ਼ੂਅਲ ਸਮਾਨਤਾ ਸਕੋਰਾਂ ਤੋਂ ਅਣਜਾਣ ਹੋਵੇ।

ਵਿਰੋਧੀ ਨੁਕਤਾ: ਮੌਜੂਦਾ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਸੀਮਾਵਾਂ

ਆਲੋਚਕਾਂ ਦਾ ਤਰਕ ਹੈ ਕਿ ਟੈਟੂ ਸੁਭਾਵਿਕ ਤੌਰ 'ਤੇ ਬਦਲਦੇ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਕੋਈ ਵੀ ਐਲਗੋਰਿਦਮ ਕਦੇ ਵੀ DNA ਵਿਸ਼ਲੇਸ਼ਣ ਵਰਗੀ ਨਿਸ਼ਚਿਤਤਾ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕਦਾ। ਉਹ ਦੱਸਦੇ ਹਨ ਕਿ ਬਹੁਤ ਸਾਰੇ ਟੈਟੂ ਸ਼ੈਲੀਬੱਧ (stylized) ਹੁੰਦੇ ਹਨ, ਵਿਦੇਸ਼ੀ ਲਿਪੀਆਂ ਵਿੱਚ ਟੈਕਸਟ ਹੁੰਦਾ ਹੈ, ਜਾਂ ਕੱਪੜਿਆਂ ਦੁਆਰਾ ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਢਕੇ ਹੁੰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਮੈਚਿੰਗ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਘਟ ਜਾਂਦੀ ਹੈ। ਜਦੋਂ ਤੱਕ ਫਾਲਸ-ਪੌਜ਼ੀਟਿਵ ਰੇਟ (false-positive rate) ਸਥਾਪਿਤ ਬਾਇਓਮੈਟ੍ਰਿਕਸ ਦੇ ਬਰਾਬਰ ਨਹੀਂ ਹੋ ਜਾਂਦਾ, ਅਦਾਲਤਾਂ ਟੈਟੂ ਸਬੂਤਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਸਵੀਕਾਰ ਕਰਨ ਵਿੱਚ ਸ਼ੱਕੀ ਰਹਿ ਸਕਦੀਆਂ ਹਨ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

NIST ਟੈਸਟ ਕੀਤੇ ਗਏ 12 ਸਿਸਟਮਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਲਈ ਵਿਸਤ੍ਰਿਤ ਪ੍ਰਦਰਸ਼ਨ ਮੈਟ੍ਰਿਕਸ ਜਾਰੀ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਿਹਾ ਹੈ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਆਪਣੇ ਪਾਈਪਲਾਈਨਾਂ ਦੀ ਜਨਤਕ ਮਿਆਰ ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲੇਗੀ। ਏਜੰਸੀ ਨੇ ਇੱਕ ਅਗਲੇ ਦੌਰ ਦਾ ਵੀ ਇਸ਼ਾਰਾ ਕੀਤਾ ਹੈ ਜੋ ਲਾਈਵ-ਕੈਪਚਰ ਸਥਿਤੀਆਂ—ਸਥਿਰ ਫੋਟੋਆਂ ਦੀ ਬਜਾਏ ਵੀਡੀਓ—ਪੇਸ਼ ਕਰੇਗਾ ਤਾਂ ਜੋ ਇਹ ਟੈਸਟ ਕੀਤਾ ਜਾ ਸਕੇ ਕਿ ਐਲਗੋਰਿਦਮ ਮੋਸ਼ਨ ਬਲਰ (motion blur) ਅਤੇ ਰੀਅਲ-ਟਾਈਮ ਵਿਗਾੜ ਨਾਲ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਜਿੱਠਦੇ ਹਨ।

ਕੰਪਿਊਟਰ-ਵਿਜ਼ਨ ਟੂਲ ਬਣਾਉਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ, ਸਿੱਖਿਆ ਸਪਸ਼ਟ ਹੈ: ਟੈਟੂ ਪਛਾਣ ਇੱਕ ਨਵਤਾਅ (novelty) ਸਰਚ ਫੀਚਰ ਤੋਂ ਫੋਰੈਂਸਿਕ ਸਾਧਨ ਵਜੋਂ ਗ੍ਰੈਜੂਏਟ ਹੋ ਰਹੀ ਹੈ, ਅਤੇ ਉਸ ਤਬਦੀਲੀ ਲਈ ਗਣਿਤ ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਮਨੁੱਖੀ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਦੇ ਤਰੀਕ, ਦੋਵਾਂ ਵਿੱਚ ਸਖ਼ਤੀ ਦੀ ਲੋੜ ਹੈ।