一个多世纪以来，指纹分析一直是破案的可靠工具。调查人员依靠指纹证据来识别嫌疑人或将他们与特定的犯罪现场联系起来，他们认为每个指纹都有一个独特的代码。

然而，一组研究人员发现，同一个人不同手指的指纹有时看起来更相似。

这一见解来自一个人工智能模型，该模型揭示了指纹之间令人惊讶的联系。

来自哥伦比亚工程学院的 Hod Lipson 与布法罗大学的 Wenyao Xu 合作，在质疑广泛接受的法医规范的努力中脱颖而出。

几十年来，人们理所当然地认为一个人不同手指的指纹不匹配。这种信念在很大程度上源于这样一个假设，即每个手指都显示出完全独立的脊、环和漩涡。

一位匿名评论者甚至在面对研究人员的工作时表示，“众所周知，每个指纹都是独一无二的”。

尽管存在这种阻力，哥伦比亚工程学院一位名叫 Gabe Guo 的本科生还是带头进行了一项与这一长期假设相矛盾的研究。

通过使用包含大约 60,000 个指纹的美国政府公共数据库，Guo 将成对的指纹输入到一个深度对比网络中。有些配对属于同一个人，而另一些则来自不同的人。

人工智能系统变得擅长判断看起来不同的指纹何时实际上来自一个人，单对的准确率达到 77%。

在将多个样本组合在一起的情况下，准确性飙升，从而有可能将现有法医方法提高十倍以上。

尽管这些发现为连接犯罪现场提供了新的可能性，但研究人员在同行评审期间面临着一场艰苦的战斗。

该项目被一家知名的法医杂志拒绝，该杂志不接受不同手指可能产生具有共同特征的指纹的建议。

该组织没有气馁，而是寻找更广泛的读者群。该报再次被拒绝，促使利普森对这一决定提出质疑。

“如果这些信息打破了平衡，那么我想悬而未决的案件可能会重新出现，甚至无辜的人也可以被无罪释放，”哥伦比亚大学创客空间设施的联合负责人利普森指出。

该团队决心不逃避挑战，即使这意味着要破坏 100 多年来公认的做法，他们不断完善他们的工作。

最后，他们的坚持得到了回报，他们的研究最终得到认可并发表在同行评审期刊 Science Advances 上。

传统方法依赖于细节，即山脊中的分支模式和端点。

“AI 没有使用'细节'，即指纹脊中的分支和端点——传统指纹比较中使用的模式，”Guo 解释说。

“相反，它使用了其他东西，与指纹中心的漩涡和环的角度和曲率有关。”

他的发现表明，专家们可能忽略了重要的视觉线索。

合作者包括哥伦比亚工程学院毕业生 Aniv Ray 和博士生 Judah Goldfeder，他们都表示，该项目的早期成功可能会随着数据集的增加而变得更强大。

“试想一下，一旦它用数百万个指纹而不是数千个指纹进行训练，它会有多好，”Ray 评论道，并暗示这种方法最终可能会改进调查人员在多个犯罪现场寻找线索的方式。

研究人员对可能的数据差距保持警惕。他们指出，他们的系统在各种人群中都表现出相似的表现，但强调需要更大、更多样化的指纹采集。

他们希望在任何人在实际调查中采用这种技术之前，彻底的验证能够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，以便在案件看似纠结时提高效率。

虽然 AI 无法正式结束法律事务，但它可以帮助缩小嫌疑人的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——它只是反刍知识，”利普森详细阐述道，并指出人工智能如何支持调查工作发生了更广泛的转变。

“但这项研究是一个例子，说明即使是一个相当简单的 AI，考虑到研究界多年来一直拥有的相当简单的数据集，也可以提供专家几十年来一直没有的见解。”

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。它还强调了在许多研究领域未得到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考虑某些程序，尤其是当同一嫌疑人的多个指纹出现在不同的地点时。

Lipson 看到了这样一个未来，意想不到的突破可以来自新的视角。

“更令人兴奋的是，一个没有任何法医学背景的本科生可以使用人工智能成功地挑战整个领域普遍持有的信念，”利普森总结道。

“我们即将经历非专家以 AI 为主导的科学发现的爆炸式增长，包括学术界在内的专家界需要做好准备。”