NIST, 100,000 பச்சைத் தழும்பு (tattoo) படங்களைக் கொண்ட ஒரு தரவுத்தளத்துடன் 12 அல்காரிதம்களைப் பயன்படுத்தி, பச்சைத் தழும்பு அங்கீகார மென்பொருளின் ஒரு பெரிய அளவிலான சோதனையைத் தற்போது முடித்துள்ளது. இந்தத் தொழில்நுட்பம், பொழுதுபோக்கு ரீதியான தேடல்களிலிருந்து தடயவியல் தரத்திலான காட்சிப் பொருத்தம் (forensic-grade visual matching) நோக்கி நகர்வதாகவும், இது கணினிப் பார்வை (computer-vision) பொறியாளர்களைத் தங்களின் பணிப்பாய்வுகள் (pipelines) மற்றும் பயனர் இடைமுகங்களை (user interfaces) மறுவடிவமைப்பு செய்யத் தூண்டுவதாகவும் அந்த நிறுவனம் கூறுகிறது.

முக்கியச் சொற்களிலிருந்து வளைவுகள் வரை

பல ஆண்டுகளாக, பொதுமக்களுக்கான பச்சைத் தழும்பு தேடல் கருவிகள் "நீல மை," "டிராகன்," "திசைகாட்டி" போன்ற எளிய உரைத் குறிகளையே (text tags) நம்பியிருந்தன. பதிவேற்றுபவர் தேடுபவர் பயன்படுத்தும் அதே வார்த்தைகளைப் பயன்படுத்தும் போது மட்டுமே அந்தத் தேடல்கள் வேலை செய்யும். இந்தத் தொடர்ச்சியற்ற தன்மை, சாட்சியங்கள் மீண்டும் உருவாக்கப்பட வேண்டிய சட்டம் மற்றும் ஒழுங்கு அல்லது நீதிமன்றப் பணிகளில், முக்கியச் சொற்கள் மூலம் தேடுவதை நம்பகத்தன்மையற்றதாக மாற்றுகிறது.

NIST மதிப்பீடு ஒவ்வொரு பச்சைத் தழும்பையும் கைரேகையைப் போல ஒரு உயிரியல் அடையாள முறையாக (biometric pattern) treats செய்கிறது. ஒரு வார்த்தை பொருத்தம் தேடுவதற்குப் பதிலாக, அல்காரிதம்கள் கோட்டு வளைவு, நிற மாறுபாடுகள் மற்றும் ஒட்டுமொத்த வடிவம் ஆகியவற்றை ஆய்வு செய்து, ஒவ்வொரு பச்சைத் தழும்பையும் ஒரு உயர்-பரிமாண வெக்டராக (high-dimensional vector) மாற்றுகின்றன. இரண்டு வெக்டர்களை ஒப்பிடும்போது கிடைக்கும் ஒற்றுமை மதிப்பெண் (similarity score), ஒளி அமைப்பு, கோணம் அல்லது தோல் நிலை ஆகியவற்றில் ஏற்படும் மாற்றங்களையும் தாங்கி நிற்கும் வகையில் அமைகிறது.

முகங்களை விட பச்சைத் தழும்புகள் ஏன் கடினமானவை

முக அங்கீகாரம் (Facial recognition) என்பது கண்கள், மூக்கு, வாய் போன்ற புகைப்படங்களில் ஏறத்தாழ ஒரே மாதிரியாக இருக்கும் நிலையான அடையாளங்களைப் பயன்படுத்துகிறது. ஆனால் பச்சைத் தழும்புகளுக்கு நிலையான புள்ளிகள் இல்லை. ஒரு நபர் அசையும் போது தசைகள் மையை இழுக்கின்றன, மேலும் வயது அல்லது உடல் எடை மாற்றத்திற்கு ஏற்ப தோல் அமைப்பு மாறுகிறது. ஒரு தெளிவான, நேர்முகப் படத்தில் சிறப்பாகச் செயல்படும் அல்காரிதம், அதே பச்சைத் தழும்பு மங்கலான வெளிச்சத்தில் பக்கவாட்டுத் தோற்றத்தில் தோன்றும் போது தோல்வியடையக்கூடும்.

NIST-இன் 100,000-படம் சோதனை இந்த பலவீனத்தை வெளிப்படுத்தியது. 12 அல்காரிதம்களில் பல, தேர்ந்தெடுக்கப்பட்ட சில ஆயிரம் படங்களில் போதுமான அளவு செயல்பட்டன, ஆனால் தரவுத்தொகுப்பில் ஆயிரக்கணக்கான மாறுபாடுகளில் காணப்படும் சிங்கங்கள், மண்டை ஓடுகள் அல்லது திசைகாட்டிகள் போன்ற பொதுவான வடிவமைப்புகளைச் சந்திக்கும் போது அவற்றின் துல்லியம் குறிப்பிடத்தக்க அளவில் குறைந்தது.

மென்பொருள் உருவாக்குநர்கள் எதை மாற்ற வேண்டும்

  • இரும முடிவுகளைத் தவிர்க்கவும் (Abandon binary decisions). "ஆம்/இல்லை" என்ற பொருத்தம் இனி யதார்த்தமானது அல்ல. அமைப்புகள் ஒவ்வொரு முடிவிற்கும் ஒரு தெளிவான ஒற்றுமை மதிப்பெண்ணுடன் கூடிய, வரிசைப்படுத்தப்பட்ட வேட்பாளர்களின் பட்டியலைத் தர வேண்டும்.
  • மனிதனை இறுதித் தீர்மானிப்பவராக ஆக்கவும். மென்பொருள் சாத்தியக்கூறுகளைக் குறைக்கலாம், ஆனால் எந்தவொரு சட்டப்பூர்வ முடிவையும் எடுப்பதற்கு முன், பயிற்சி பெற்ற ஒரு ஆய்வாளர் அந்தப் பொருத்தத்தை உறுதிப்படுத்த வேண்டும்.
  • விளக்கமளிக்கும் திறனுக்கு (explainability) முன்னுரிமை அளிக்கவும். ஒரு நீதிமன்றத்தில், அல்காரிதம் எவ்வாறு அதன் முதன்மையான வேட்பாளர்களைத் தேர்ந்தெடுத்தது என்பதைத் தரப்பு வழக்கறிஞர்கள் காட்ட வேண்டும். பொருந்தும் வளைவுகள் அல்லது நிறப் பகுதிகளை முன்னிலைப்படுத்தும் எளிய காட்சி ஓவர்லேக்கள் (visual overlays) அந்தப் பொறுப்பை நிறைவேற்ற உதவும்.
  • துல்லியமான நம்பிக்கைக்கு ஏற்றவாறு UI-ஐ வடிவமைக்கவும். ஒரே ஒரு "பொருத்தம்" (match) பொத்தானை மட்டும் காட்டும் இடைமுகங்கள், மென்பொருளின் மீது அளவுக்கு அதிகமான நம்பிக்கையைத் தூண்டும். டேஷ்போர்டுகள் முழுமையான மதிப்பெண் பரவலைக் காட்ட வேண்டும், பயனர்கள் வரம்புகளை (thresholds) மாற்றியமைக்க அனுமதிக்க வேண்டும் மற்றும் நம்பிக்கையின் அளவைத் தெளிவாகக் குறிப்பிட வேண்டும்.

தடயவியல் சமூகத்திற்கான சவால்கள்

ஒரு பச்சைத் தழும்புப் பொருத்தம், கைரேகை அல்லது DNA விவரக்குறிப்பைப் போலவே அதே துல்லியத்துடன் முன்வைக்கப்பட முடிந்தால், சந்தேக நபரின் உடல் கலை மட்டுமே வேறுபடுத்தும் அடையாளமாக இருக்கும் வழக்குகளில் புலனாய்வாளர்களுக்கு ஒரு சக்திவாய்ந்த புதிய வழி கிடைக்கும். இதன் சாதகமான அம்சம் என்னவென்றால், தீர்க்கப்படாத பழைய வழக்கு ஆய்வுகள் மற்றும் காணாமல் போன நபர்கள் குறித்த விசாரணைகளுக்கு ஒரு விரிவான சாட்சியக் கருவி கிடைக்கும் என்பதாகும்.

இதன் பாதகமான அம்சம் தவறான நம்பிக்கையின் அபாயம் ஆகும். NIST சோதனையில் சிறப்பாகச் செயல்பட்ட அல்காரிதம் கூட, ஒரு சிறிய ஆனால் குறிப்பிடத்தக்க சதவீத வழக்குகளில், பொருந்தாத ஒரு பச்சைத் தழும்பை முதன்மையான வேட்பாளராகத் தவறாக அடையாளம் காட்டியது. தொழில்நுட்பத்தின் நம்பகத்தன்மையை மிகைப்படுத்திக் கூறுவது, குறிப்பாக ஜூரி உறுப்பினர்கள் காட்சி ஒற்றுமை மதிப்பெண்களைப் பற்றி அறியாத போது, தவறான குற்றச்சாட்டுகளுக்கு வழிவகுக்கலாம்.

எதிர் கருத்து: தற்போதைய தொழில்நுட்பத்தின் வரம்புகள்

பச்சைத் தழும்புகள் இயல்பாகவே மாறுபடும் தன்மை கொண்டவை என்றும், எந்தவொரு அல்காரிதமாலும் DNA பகுப்பாய்வின் நிச்சயத்தன்மையை அடைய முடியாது என்றும் விமர்சகர்கள் வாதிடுகின்றனர். பல பச்சைத் தழும்புகள் கலைநயமிக்கவை, வெளிநாட்டு எழுத்துக்களைக் கொண்டவை அல்லது ஆடைப்பகுதிகளால் ஓரளவு மறைக்கப்பட்டவை என்று அவர்கள் சுட்டிக்காட்டுகின்றனர், இவை அனைத்தும் பொருத்தம் காணும் திறனைக் குறைக்கின்றன. தவறான நேர்மறை விகிதம் (false-positive rate) நிறுவப்பட்ட உயிரியல் அடையாளங்களுடன் ஒப்பிடக்கூடிய நிலைக்குக் குறையும் வரை, நீதிமன்றங்கள் பச்சைத் தழும்பு சாட்சியங்களை அப்படியே ஏற்றுக்கொள்வதில் தயக்கம் காட்டலாம்.

அடுத்து என்ன எதிர்பார்க்கலாம்

சோதிக்கப்பட்ட 12 அமைப்புகள் ஒவ்வொன்றிற்கும் விரிவான செயல்திறன் அளவீடுகளை (performance metrics) வெளியிட NIST திட்டமிட்டுள்ளது, இது உருவாக்குநர்கள் தங்களின் பணிப்பாய்வுகளை பொதுவான தரத்துடன் ஒப்பிட்டுப் பார்க்க உதவும். அல்காரிதம்கள் இயக்க மங்கல்தன்மை (motion blur) மற்றும் நிகழ்நேர உருமாற்றங்களை எவ்வாறு கையாளுகின்றன என்பதைச் சோதிக்க, நிலையான புகைப்படங்களுக்குப் பதிலாக நேரடிப் படமாக்கல் (live-capture) சூழல்களைக் கொண்டு வரும் அடுத்தகட்ட சோதனையைப் பற்றியும் அந்த நிறுவனம் குறிப்பால் உணர்த்தியுள்ளது.

கணினிப் பார்வை கருவிகளை உருவாக்கும் எவருக்கும், இதிலிருந்து கிடைக்கும் பாடம் தெளிவானது: பச்சைத் தழும்பு அங்கீகாரம் என்பது ஒரு புதிய தேடல் அம்சத்திலிருந்து ஒரு தடயவியல் கருவியாக உயர்ந்து வருகிறது, மேலும் அந்த மாற்றம் கணிதத்திலும், முடிவுகள் மனித பயனர்களுக்குத் தெரிவிக்கப்படும் முறையிலும் மிகுந்த துல்லியத்தைக் கோருகிறது.