AI Fingerprint Research: લાંબા સમયથી એવી માન્યતા છે કે ફિંગરપ્રિન્ટ (આંગળીઓના નિશાન) યુનિક અને અલગ-અલગ હોય છે. ફોરેન્સિક સાયન્સનું માનીએ તો, એક જ વ્યક્તિની અલગ-અલગ આંગળીઓના નિશાન પણ અંદરોઅંદર મેળ ખાતા નથી. જોકે, AI એ આ વાતને એક ભ્રમણા સાબિત કરી દીધી છે. હકીકતમાં, કોલંબિયા યુનિવર્સિટી અને યુનિવર્સિટી ઓફ બફેલોના વૈજ્ઞાનિકોએ ડીપ લર્નિંગ ટેકનોલોજીનો ઉપયોગ કરીને સાબિત કરી દીધું છે કે એક વ્યક્તિની અલગ-અલગ આંગળીઓના નિશાનમાં કેટલીક સમાનતાઓ હોઈ શકે છે. એક અહેવાલ અનુસાર, ‘સાયન્સ એડવાન્સીસ’ નામના જર્નલમાં પ્રકાશિત એક અભ્યાસમાં ૬૦,૦૦૦ થી વધુ ફિંગરપ્રિન્ટ્સની તપાસ કરીને આ વાત સાબિત કરવામાં આવી છે.
ચાલો વિગતે સમજીએ કે આખરે AI એ કઈ રીતે એક ૧૦૦ વર્ષ જૂના તથ્યને ભ્રમણા સાબિત કરી દીધું છે?
ફિંગરપ્રિન્ટને લઈને AI એ શું જણાવ્યું?
એક અભ્યાસમાં સંશોધકોએ ન્યુરલ નેટવર્ક પર આધારિત ખાસ પ્રકારની AI સિસ્ટમ બનાવી, જે કોન્ટ્રાસ્ટિવ લર્નિંગ ટેકનોલોજી પર કામ કરે છે. હકીકતમાં, ફિંગરપ્રિન્ટ તપાસવાની પરંપરાગત પદ્ધતિમાં આંગળીઓના નિશાનની બારીક રેખાઓ અને બિંદુઓ એટલે કે ‘મિન્યુશિયા’ (minutiae) ને જોવામાં આવે છે. જોકે, AI આની જગ્યાએ મોટા પેટર્ન જેમ કે ‘રિજ ઓરિએન્ટેશન’ અને ‘કર્વેચર’ (વળાંક) પર ધ્યાન આપે છે.
આ નવી સિસ્ટમની મદદથી AI એ ૭૭% ચોકસાઈ સાથે જણાવી દીધું કે બે અલગ આંગળીઓના નિશાન એક જ વ્યક્તિના છે કે નહીં. નોંધવા જેવી વાત એ છે કે જ્યારે ઘણા અલગ-અલગ ફિંગરપ્રિન્ટ સેમ્પલનો ઉપયોગ કરવામાં આવ્યો, ત્યારે આ ચોકસાઈ ૯૯.૯૯% થી પણ વધુ વધી ગઈ.
ફોરેન્સિકની દુનિયા બદલી શકે છે આ રિસર્ચ
અહેવાલ મુજબ, આ ટેકનોલોજી ગુનેગારોની તપાસ માટે બનેલી શંકાસ્પદોની યાદીને ૯૦% સુધી ઘટાડી શકે છે. દાખલા તરીકે, જો બે અલગ-અલગ ક્રાઈમ સીન (ગુના વાળી જગ્યા) પરથી અધૂરા ફિંગરપ્રિન્ટ મળ્યા હોય અને ૧,૦૦૦ શંકાસ્પદો હોય, તો પરંપરાગત પદ્ધતિથી તમામની દસેય આંગળીઓ મેચ કરવી પડતી હતી. જ્યારે AI સિસ્ટમ આ યાદીને ઘટાડીને માત્ર ૪૦ સંભવિત ગુનેગારો સુધી લાવી શકે છે. સરળ ભાષામાં કહીએ તો, પોલીસને હવે એ જાણવાની જરૂર નહીં રહે કે નિશાન કઈ આંગળીનું છે, કારણ કે સિસ્ટમ અલગ-અલગ આંગળીઓ વચ્ચેની સમાનતા ઓળખી લે છે.
રિસર્ચમાં રાખવામાં આવ્યું આ બાબતોનું ધ્યાન
વૈજ્ઞાનિકોએ આ વાત પર ખાસ ધ્યાન આપ્યું છે કે આ સિસ્ટમ તમામ જાતિ અને વંશીય જૂથો પર એકસમાન રીતે કામ કરે. તેને અલગ-અલગ ડેમોગ્રાફિક ગ્રુપ્સ પર ટેસ્ટ કર્યા પછી પણ પરિણામો સચોટ મળ્યા. આની સાથે જ સિસ્ટમની ટ્રેનિંગ અને ટેસ્ટિંગમાં અલગ-અલગ સેન્સરથી લેવામાં આવેલા ફિંગરપ્રિન્ટ્સનો ઉપયોગ કરવામાં આવ્યો જેથી કોઈ ભૂલ ન થાય. જોકે, આ સિસ્ટમને વાસ્તવિક દુનિયામાં ઉપયોગમાં લેતા પહેલા હજુ પણ મોટા ડેટાબેઝના ટેસ્ટમાંથી પસાર થવું પડશે.
