NIST เพิ่งเสร็จสิ้นการทดสอบซอฟต์แวร์จดจำรอยสักขนาดใหญ่ โดยใช้อัลกอริทึม 12 รูปแบบทดสอบกับฐานข้อมูลรูปภาพรอยสัก 100,000 ภาพ หน่วยงานระบุว่าผลลัพธ์ที่ได้ได้ยกระดับเทคโนโลยีจากการค้นหาแท็กในระดับงานอดิเรก ไปสู่การจับคู่ภาพในระดับนิติวิทยาศาสตร์ ซึ่งบีบให้วิศวกรด้าน Computer Vision ต้องออกแบบกระบวนการทำงาน (pipelines) และส่วนต่อประสานผู้ใช้ (user interfaces) ใหม่

จากคำสำคัญสู่เส้นโค้ง

เป็นเวลาหลายปีที่เครื่องมือค้นหารอยสักสำหรับสาธารณะอาศัยเพียงแท็กข้อความง่ายๆ เช่น "หมึกสีน้ำเงิน" "มังกร" "เข็มทิศ" แท็กเหล่านี้จะใช้งานได้ก็ต่อเมื่อผู้ที่อัปโหลดใช้คำเดียวกับผู้ค้นหาเท่านั้น ความไม่สอดคล้องกันนี้ทำให้การค้นหาด้วยคำสำคัญไม่น่าเชื่อถือสำหรับการทำงานของเจ้าหน้าที่บังคับใช้กฎหมายหรือในชั้นศาล ซึ่งหลักฐานจะต้องสามารถทำซ้ำได้

การประเมินของ NIST ปฏิบัติต่อรอยสักแต่ละรอยในฐานะรูปแบบอัตลักษณ์บุคคล (biometric pattern) เช่นเดียวกับลายนิ้วมือ แทนที่จะมองหาการจับคู่คำ อัลกอริทึมจะวิเคราะห์ความโค้งของเส้น ไล่ระดับสี และรูปร่างโดยรวม โดยเปลี่ยนรอยสักทุกรอยให้กลายเป็นเวกเตอร์มิติสูง (high-dimensional vector) การเปรียบเทียบเวกเตอร์สองตัวจะให้คะแนนความคล้ายคลึงที่ยังคงความแม่นยำแม้จะมีการเปลี่ยนแปลงของแสง มุม หรือสภาพผิว

ทำไมรอยสักถึงยากกว่าใบหน้า

การจดจำใบหน้าได้รับประโยชน์จากจุดอ้างอิง (landmarks) ที่คงที่ เช่น ดวงตา จมูก และปาก ซึ่งจะยังคงเดิมในภาพถ่ายส่วนใหญ่ แต่รอยสักไม่มีจุดคงที่ กล้ามเนื้อจะดึงรั้งหมึกเมื่อบุคคลเคลื่อนไหว และพื้นผิวผิวหนังจะเปลี่ยนไปตามอายุหรือน้ำหนักตัว อัลกอริทึมที่ให้คะแนนดีในภาพถ่ายด้านหน้าที่มีความชัดเจนอาจล้มเหลวเมื่อรอยสักเดียวกันนั้นปรากฏในมุมด้านข้างภายใต้แสงสลัว

การทดสอบด้วยรูปภาพ 100,000 ภาพของ NIST เผยให้เห็นจุดอ่อนนี้ อัลกอริทึมหลายตัวจากทั้ง 12 ตัวทำงานได้อย่างเหมาะสมกับรูปภาพที่คัดสรรมาเพียงไม่กี่พันภาพ แต่ความแม่นยำกลับลดลงอย่างเห็นได้ชัดเมื่อต้องเผชิญกับลวดลายทั่วไป เช่น สิงโต หัวกะโหลก หรือดอกเข็มทิศ ซึ่งปรากฏในรูปแบบที่หลากหลายนับพันแบบในชุดข้อมูล

สิ่งที่นักพัฒนาต้องเปลี่ยนแปลง

  • เลิกตัดสินใจแบบสองทาง (Binary decisions): การจับคู่แบบ "ใช่/ไม่ใช่" ไม่ใช่เรื่องที่เป็นไปได้จริงอีกต่อไป ระบบควรแสดงรายการผู้สมัครที่จัดลำดับไว้ โดยแต่ละรายการต้องมีคะแนนความคล้ายคลึงที่ชัดเจน
  • ให้มนุษย์เป็นผู้ตัดสินใจขั้นสุดท้าย: ซอฟต์แวร์สามารถช่วยจำกัดขอบเขตความเป็นไปได้ แต่ต้องมีนักวิเคราะห์ที่ผ่านการฝึกฝนมาเป็นผู้ยืนยันการจับคู่ก่อนที่จะมีการสรุปผลทางกฎหมายใดๆ
  • ให้ความสำคัญกับความสามารถในการอธิบาย (Explainability): ในชั้นศาล อัยการต้องแสดงให้เห็นว่าอัลกอริทึมได้ผู้สมัครอันดับต้นๆ มาได้อย่างไร การใช้ภาพซ้อนทับ (visual overlays) ง่ายๆ ที่เน้นเส้นโค้งหรือแถบสีที่ตรงกันจะช่วยตอบโจทย์ความรับผิดชอบนี้ได้
  • ออกแบบ UI เพื่อความเชื่อมั่นที่ผ่านการปรับเทียบ (Calibrated trust): อินเทอร์เฟซที่แสดงเพียงปุ่ม "จับคู่" ปุ่มเดียวจะกระตุ้นให้เกิดการพึ่งพาเทคโนโลยีมากเกินไป แดชบอร์ดควรแสดงการกระจายตัวของคะแนนทั้งหมด ให้ผู้ใช้สามารถปรับเกณฑ์ (thresholds) ได้ และระบุระดับความเชื่อมั่นอย่างชัดเจน

เดิมพันสำหรับชุมชนนิติวิทยาศาสตร์

หากการจับคู่รอยสักสามารถนำเสนอด้วยความเข้มงวดในระดับเดียวกับลายนิ้วมือหรือข้อมูล DNA นักสืบจะได้เบาะแสใหม่ที่ทรงพลังในคดีที่ศิลปะบนร่างกายของผู้ต้องสงสัยเป็นลักษณะเด่นเพียงอย่างเดียว ข้อดีคือจะมีเครื่องมือในการหาหลักฐานที่กว้างขวางขึ้นสำหรับการทบทวนคดีที่ค้างคา (cold-case) และการสืบสวนคนหาย

ข้อเสียคือความเสี่ยงจากการมีความเชื่อมั่นที่ผิดพลาด แม้อัลกอริทึมที่มีประสิทธิภาพดีที่สุดในการทดสอบของ NIST ยังคงระบุรอยสักที่ไม่ตรงกันว่าเป็นผู้สมัครอันดับต้นๆ ในสัดส่วนที่น้อยแต่มีนัยสำคัญ การกล่าวอ้างความน่าเชื่อถือของเทคโนโลยีเกินจริงอาจนำไปสู่การกล่าวหาที่ผิดพลาด โดยเฉพาะอย่างยิ่งเมื่อคณะลูกขุนไม่คุ้นเคยกับคะแนนความคล้ายคลึงทางภาพ

มุมมองแย้ง: ข้อจำกัดของเทคโนโลยีปัจจุบัน

นักวิจารณ์โต้แย้งว่ารอยสักมีความผันแปรโดยธรรมชาติ และไม่มีอัลกอริทึมใดที่จะสามารถบรรลุความแน่นอนได้เท่ากับการวิเคราะห์ DNA พวกเขาชี้ให้เห็นว่ารอยสักจำนวนมากมีลักษณะเฉพาะตัว (stylized) มีข้อความในภาษาต่างประเทศ หรือถูกบดบังบางส่วนด้วยเสื้อผ้า ซึ่งทั้งหมดนี้ทำให้ประสิทธิภาพการจับคู่ลดลง จนกว่าอัตราผลบวกปลอม (false-positive rate) จะลดลงสู่ระดับที่เทียบเท่ากับอัตลักษณ์บุคคลที่ได้รับการยอมรับ ศาลอาจยังคงสงสัยในการยอมรับหลักฐานรอยสักโดยตรง

สิ่งที่ต้องจับตามองต่อไป

NIST วางแผนที่จะเปิดเผยตัวชี้วัดประสิทธิภาพโดยละเอียดสำหรับแต่ละระบบจาก 12 ระบบที่ทดสอบ เพื่อให้นักพัฒนาสามารถนำกระบวนการทำงานของตนเองมาเปรียบเทียบกับมาตรฐานสาธารณะ นอกจากนี้ หน่วยงานยังบอกใบ้ถึงการทดสอบรอบถัดไปที่จะนำสถานการณ์การจับภาพสดมาใช้ (วิดีโอแทนที่จะเป็นภาพนิ่ง) เพื่อทดสอบว่าอัลกอริทึมจะรับมือกับความเบลอจากการเคลื่อนไหว (motion blur) และความบิดเบี้ยวแบบเรียลไทม์ได้ดีเพียงใด

สำหรับใครก็ตามที่กำลังสร้างเครื่องมือ Computer Vision บทเรียนที่ได้รับนั้นชัดเจน: การจดจำรอยสักกำลังเปลี่ยนผ่านจากการเป็นเพียงฟีเจอร์การค้นหาที่แปลกใหม่ ไปสู่การเป็นเครื่องมือทางนิติวิทยาศาสตร์ และการเปลี่ยนผ่านนั้นต้องการความเข้มงวดทั้งในด้านคณิตศาสตร์และวิธีการนำเสนอผลลัพธ์แก่ผู้ใช้งานที่เป็นมนุษย์