De « Law & Order » à « CSI », en passant par la vie réelle, les enquêteurs ont toujours utilisé les empreintes digitales comme référence pour relier les criminels aux crimes. Cependant, si un criminel laisse des empreintes digitales différentes sur deux scènes de crime différentes, il sera difficile de relier les scènes et les traces disparaîtront. C'est un fait reconnu dans la communauté médico-légale que les empreintes digitales des différents doigts d'une même personne - « empreintes digitales internes » - sont uniques et ne peuvent donc pas être comparées.
Une équipe de recherche dirigée par Gabe Guo, senior en ingénierie à l'Université de Columbia, a remis en question cette hypothèse largement répandue. Guo, qui n'avait aucune connaissance en médecine légale, a trouvé une base de données publique du gouvernement américain contenant environ 60 000 empreintes digitales, qu'il a introduites par paires dans un système basé sur l'intelligence artificielle appelé réseau de comparaison approfondie. Parfois, ces empreintes digitales appartiennent à la même personne (mais sur des doigts différents), et parfois elles appartiennent à des personnes différentes.
Au fil du temps, le système d’intelligence artificielle conçu par l’équipe de recherche en modifiant un cadre de pointe est devenu de mieux en mieux capable de discerner entre les empreintes digitales apparemment uniques qui appartenaient à la même personne et celles qui n’appartenaient pas à la même personne. Le taux de précision d'une seule paire d'empreintes digitales atteint 77 %. Lorsque plusieurs paires d’empreintes digitales apparaissent, le taux de précision est considérablement amélioré, augmentant potentiellement l’efficacité médico-légale actuelle de plus de dix fois. Le projet, une collaboration entre le laboratoire de machines créatives de Hod Lipson à Columbia Engineering et le laboratoire de capteurs et d'informatique intégrés de Wenyao Xu à l'université d'État de New York à Buffalo, a été publié aujourd'hui dans Science Advances.
Les résultats défient et surprennent la communauté médico-légale
Après que l’équipe ait vérifié ses conclusions, elle les a rapidement envoyées à une revue médico-légale bien connue, pour ensuite recevoir un rejet quelques mois plus tard. Des examinateurs et éditeurs experts anonymes ont conclu qu'« il est connu que chaque empreinte digitale est unique » et qu'il est donc impossible de détecter des similitudes même si les empreintes digitales proviennent de la même personne.
L'équipe de recherche n'a pas abandonné. Ils ont redoublé d'efforts et alimenté davantage de données aux systèmes d'IA, et les systèmes ont continué à s'améliorer. Consciente du scepticisme de la communauté médico-légale, l’équipe de recherche a choisi de soumettre son manuscrit à un public plus large. L'article a de nouveau été rejeté, mais Lipson, professeur d'innovation James et Sally Scarpa au Département de génie mécanique et codirecteur de l'installation makerspace, a fait appel. "Habituellement, je ne conteste pas les décisions éditoriales, mais cette découverte est trop importante pour être ignorée", a-t-il déclaré. "Si ces informations pouvaient faire pencher la balance, alors j'imagine que les affaires non résolues pourraient ressusciter et que des innocents pourraient même être disculpés."
Bien que le système ne soit pas suffisamment précis pour rendre un verdict formel sur une affaire, il peut aider à prioriser les pistes dans des situations ambiguës. Après de nombreuses délibérations, cet article a finalement été accepté pour publication par Science Advances.
Nouveaux marqueurs médico-légaux qui capturent avec précision les empreintes digitales
Un point de friction est la question suivante : quelles informations alternatives l’IA utilise-t-elle qui ont échappé à des décennies d’analyse médico-légale ? Après une analyse visuelle minutieuse du processus décisionnel du système d’IA, l’équipe de recherche a conclu que l’IA utilisait un nouveau type de marqueur médico-légal.
"L'IA n'utilise pas les "caractéristiques minutieuses", les branches et les extrémités des crêtes d'empreintes digitales, les modèles utilisés dans les comparaisons d'empreintes digitales traditionnelles", a déclaré Guo, qui a commencé la recherche en 2021 en tant qu'étudiant de première année à Columbia Engineering. "Au lieu de cela, il utilise d'autres facteurs liés à l'angle et à la courbure des tourbillons et des anneaux au centre de l'empreinte digitale."
Aniv Ray, senior chez Columbia Engineering, et Judah Goldfeder, doctorant, qui ont aidé à analyser les données, notent que leurs résultats ne sont qu'un début. "Imaginez à quel point il fonctionnerait mieux une fois qu'il serait formé sur des millions d'empreintes digitales au lieu de milliers", a déclaré Ray.
L'équipe de recherche était consciente des biais possibles dans les données. Les auteurs fournissent la preuve que l’IA fonctionne de la même manière quel que soit le sexe et la race lorsque des échantillons sont disponibles. Cependant, ils notent que si cette technique doit être utilisée dans la pratique, une validation plus minutieuse utilisant un ensemble de données plus large est nécessaire.
Le potentiel transformateur de l’IA dans les domaines matures
Lipson a noté que cette découverte est un exemple de la façon dont l’intelligence artificielle peut apporter encore plus de surprises. "Beaucoup de gens pensent que l'IA ne peut pas vraiment faire de nouvelles découvertes - elle ne fait que reproduire les connaissances, mais cette étude est un exemple de la façon dont même une IA assez simple, compte tenu d'un ensemble de données assez courantes qui sont restées inutilisées dans la communauté des chercheurs pendant des années, peut fournir des informations qui ont été insaisissables pour les experts pendant des décennies."
Il a ajouté : « Ce qui est encore plus excitant, c'est qu'un étudiant de premier cycle sans aucune formation en sciences médico-légales peut utiliser l'intelligence artificielle pour remettre en question avec succès une croyance commune dans l'ensemble du domaine. Nous sommes sur le point de vivre une explosion de découvertes scientifiques en intelligence artificielle dirigées par des non-experts, et la communauté des experts, y compris le monde universitaire, doit être préparée.