人工智能发现并非每个指纹都是独一无二的

本文主要是介绍人工智能发现并非每个指纹都是独一无二的，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

 每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/ 。 

从电视剧《法律与秩序》到《犯罪现场调查》，乃至现实生活中，调查人员长期以来一直将指纹视为将犯罪分子与犯罪行为联系起来的黄金标准。然而，如果犯罪者在两个不同的犯罪现场留下了来自不同手指的指纹，这两个现场就非常难以关联起来，线索可能因此中断。

法医界广泛接受的一个事实是，同一人不同手指的指纹——即“个人内部指纹”——是独一无二且无法匹配的。

由哥伦比亚工程学院本科生高级班的Gabe Guo领导的研究小组挑战了这一普遍假设。Guo此前并无法医学知识，他发现了一个包含约60,000个指纹的公开美国政府数据库，并将这些指纹成对输入到一个基于人工智能的系统，称为深度对比网络。有时这些成对的指纹属于同一人（但不同手指），有时则属于不同人。

AI有潜力大幅提高法医精度

随着时间的推移，该团队设计的AI系统通过修改先进的框架，越来越擅长判断看似独特的指纹是否属于同一人。单对指纹的准确率达到77%。当呈现多对指纹时，准确率显著提高，有可能将当前的法医效率提高十倍以上。该项目是哥伦比亚工程学院霍德·利普森创意机器实验室与纽约州立大学布法罗分校温耀·许嵌入式传感器与计算实验室的合作，今天发表在《科学进展》杂志上。

研究结果挑战并惊讶法医界 一旦团队验证了他们的结果，他们迅速将发现提交给了一个知名的法医杂志，但几个月后遭到了拒绝。匿名的专家评审员和编辑得出结论：“众所周知，每个指纹都是独一无二的”，因此即使指纹来自同一人，也不可能检测出相似之处。

团队并未放弃。他们加倍努力，

向AI系统输入更多数据，系统的性能持续提升。意识到法医界的怀疑态度，团队选择将他们的研究报告提交给更广泛的读者群。虽然论文再次遭到拒绝，但利普森教授，即机械工程系的詹姆斯和萨莉·斯卡帕创新教授兼Makerspace设施联合主任，提出了上诉。“我通常不会质疑编辑的决定，但这一发现实在太重要，不容忽视，”他说。“如果这一信息能够改变现状，那么我想象冷案可能会被重新调查，甚至无辜的人可能被宣判无罪。”

虽然该系统的准确性不足以正式决定案件，但它可以帮助在模糊情况下优先考虑线索。经过进一步的讨论，论文最终被《科学进展》接受发表。

揭示：一种新型法医标记，用于精确捕捉指纹 其中一个关键问题是：AI实际上使用了哪些替代信息，这些信息在几十年的法医分析中一直未被发现？在对AI系统的决策过程进行仔细的可视化分析后，团队得出结论，AI正在使用一种新型的法医标记。

“AI没有使用‘细节特征’，即指纹脊线中的分支和端点——传统指纹比对中使用的模式，”Guo说，他于2021年作为一年级学生开始在哥伦比亚工程学院进行这项研究。“相反，它正在使用其他东西，与指纹中心的漩涡和环的角度和曲率有关。”

哥伦比亚工程学院的高年级学生Aniv Ray和博士生Judah Goldfeder帮助分析数据，他们指出，他们的结果只是一个开始。“想象一下，一旦它接受了数百万而非数千个指纹的训练，它将表现得有多好，”Ray说。

对更广泛数据集的需求 该团队意识到数据中可能存在的偏见。作者们提出的证据表明，AI在性别和种族方面的表现相似，前提

是样本可用。然而，他们指出，如果这项技术要在实践中使用，需要使用具有更广覆盖范围的数据集进行更仔细的验证。

人工智能在一个历史悠久的领域中的变革潜力 利普森教授指出，这一发现是人工智能未来可能带来更多惊喜的一个例子。“许多人认为人工智能无法真正做出新发现——它只是重复已有知识，”他说。“但这项研究是一个例子，展示了即使是相对简单的AI，给定一个研究界多年来一直闲置的普通数据集，也能提供数十年来专家未曾发现的洞见。”

他补充说：“更激动人心的是，一个没有任何法医背景的本科生，可以利用AI成功挑战整个领域广泛持有的信念。我们即将经历一个由非专家主导的AI科学发现的爆炸性增长，专家社区，包括学术界，需要做好准备。”

这篇关于人工智能发现并非每个指纹都是独一无二的的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---