人工智能证明人类指纹并非独一无二，颠覆百年执法实践
一个多世纪以来，指纹分析一直是破案中可靠的工具。调查人员依赖指纹证据来识别嫌疑人或将他们与特定犯罪现场联系起来，他们认为每个指纹都提供了一个独特的代码。
然而，一个研究团队发现，同一个人的不同手指的指纹有时可能看起来更相似。
这一见解来自于一个人工智能模型，该模型揭示了指纹之间令人惊讶的联系。
哥伦比亚大学工程学院的霍德·利普森与布法罗大学的文耀旭合作，在这项质疑广为接受的法医规范的努力中脱颖而出。
人工智能挑战指纹识别
几十年来，人们一直认为同一个人的不同手指的指纹不匹配。这种信念很大程度上源于每个手指都显示完全独立的纹脊、环和漩涡的假设。
一位匿名评审员在面对研究人员的工作时甚至表示：“众所周知，每个指纹都是独一无二的。”
尽管面临这样的阻力，哥伦比亚大学工程学院的一名本科高年级学生加布·郭主导了一项研究，该研究与这一长期存在的假设相悖。
通过使用美国政府约有 6 万个指纹的公共数据库，郭将成对的指纹输入到一个深度对比网络中。一些指纹对属于同一个人，而另一些则来自不同的人。
该人工智能系统能够识别出看起来不同的指纹实际上来自同一个人，单对指纹的准确率达到了 77%。
在将多个样本分组的情况下，准确率飙升，为现有法医方法提供了超过十倍的提升潜力。
研究人员挑战传统观念
尽管这些发现为连接犯罪现场带来了新的可能性，但研究人员在同行评审过程中面临着一场艰苦的战斗。
该项目被一家历史悠久的法医期刊拒绝，该期刊不接受不同手指可能会产生具有共同特征的指纹的观点。
毫不气馁，该团队寻求更广泛的读者群体。论文再次被拒，这促使利普森对该决定提出质疑。
“如果这些信息能够改变天平的倾斜，那么我认为悬案可能会被重启，甚至无辜的人也可能被宣告无罪，”哥伦比亚大学 Makerspace Facility 联合主任利普森指出。
该团队决心不退缩，即使这意味着要颠覆 100 多年来公认的做法，他们仍然不断完善自己的工作。
最终，他们的坚持得到了回报，他们的研究最终被同行评审期刊《科学进展》认可并发表。
人工智能为指纹分析提供新线索
传统方法依赖于细节点，即指纹纹脊中的分支和端点。
“人工智能并没有使用‘细节点’，即指纹纹脊中的分支和端点——这是传统指纹比对中使用的模式，”郭解释说。
“相反，它使用的是其他东西，与指纹中心漩涡和环的 angles 和曲率有关。”
他的发现表明，专家可能忽略了重要的视觉线索。
该合作研究包括哥伦比亚大学工程学院的研究生阿尼夫·雷和博士生犹大·戈德费尔德，他们都表示，随着更大的数据集的出现，该项目的早期成功可能会更加强大。
“想象一下，一旦它在数百万而不是数千个指纹上进行训练，性能会有多好，”雷评论道，暗示这种方法最终可能会改进调查人员在多个犯罪现场搜寻线索的方式。
潜在的偏见和后续步骤
研究人员对可能的数据缺口保持警惕。他们指出，他们的系统在不同人群中表现出相似的性能，但强调需要更大、更多样化的指纹数据集。
他们希望彻底的验证能够在任何人将这种技术应用于实际调查之前，解决任何关于偏见的担忧。
长期目标是为执法部门提供一种补充工具，以提高在看似复杂的案件中的效率。
虽然人工智能不能正式裁决法律事务，但它可以帮助缩小嫌疑人范围或根据部分匹配连接不同的犯罪现场。
“许多人认为人工智能无法真正做出新的发现——它只是重复知识，”利普森阐述道，并指出人工智能可能在调查工作中发挥更广泛的支持作用。
“但这项研究就是一个例子，说明即使是一个相当简单的人工智能，在研究界多年来一直拥有的相当普通的数据集上，也能提供专家们几十年都未能发现的见解。”
人工智能、指纹和执法
这项研究表明，人工智能可以发现传统分析方法可能遗漏的模式。它还突出了在许多研究领域中未被充分利用的开放数据集的价值。
这些发现可能会促使法医专家重新思考某些程序，尤其是在同一嫌疑人的多个指纹出现在不同地点时。
利普森认为，意想不到的突破可能来自新的视角。
“更令人兴奋的是，一个没有任何法医背景的本科生，竟然可以利用人工智能成功挑战整个领域广泛持有的信念，”利普森总结道。
“我们即将迎来非专家主导的人工智能科学发现的爆发式增长，包括学术界在内的专家群体需要做好准备。”
