Search Icon
ΑΝΑΖΗΤΗΣΗ
Τεχνολογία

Τεχνητή νοημοσύνη: Τα δακτυλικά αποτυπώματα είναι μοναδικά

Τεχνητή νοημοσύνη: Τα δακτυλικά αποτυπώματα είναι μοναδικά

Αναδείχθηκε έτσι ότι οι γωνίες και οι καμπυλότητες των στροβίλων και των βρόχων στο κέντρο των δακτυλικών αποτυπωμάτων ευθύνονται για μεγάλο μέρος αυτής της ομοιότητας και το μοτίβο αυτό ισχύει για όλα τα ζεύγη δακτύλων του ίδιου ατόμου.


Η ανακάλυψη της τεχνητής νοημοσύνης καταρρίπτει τη μακροχρόνια πεποίθηση στην Εγκληματολογία, ότι τα δακτυλικά αποτυπώματα από διαφορετικά δάχτυλα του ίδιου ατόμου είναι μοναδικά. Το σύστημα ανέπτυξαν μηχανικοί του Πανεπιστημίου Κολούμπια σε συνεργασία με ερευνητές του Πολιτειακού Πανεπιστημίου της Νέας Υόρκης στο Μπάφαλο. Σύμφωνα με το ΑΠΕ – ΜΠΕ, οι συγγραφείς της μελέτης, που δημοσιεύεται στο περιοδικό «Science Advances», αποδεικνύουν με βεβαιότητα 99,99% ότι τα δακτυλικά αποτυπώματα από δύο οποιαδήποτε δάκτυλα του ίδιου ατόμου είναι πολύ πιο όμοια από ό,τι θεωρούνταν προηγουμένως, απλώς οι εγκληματολόγοι μέχρι τώρα τα σύγκριναν με λάθος τρόπο. Οι περισσότερες τεχνολογίες δακτυλικών αποτυπωμάτων βασίζονται στην παραδοχή ότι δεν υπάρχουν ποτέ δύο ίδια δακτυλικά αποτυπώματα και η συγκεκριμένη ανακάλυψη, επισημαίνουν οι ερευνητές, θα μπορούσε να ενισχύσει την αποτελεσματικότητα των εγκληματολογικών ερευνών.

 

Η ερευνητική ομάδα, με επικεφαλής τον προπτυχιακό φοιτητή του Πανεπιστημίου Κολούμπια, Γκέιμπ Γκούο, ανέλυσε χαρακτηριστικά περίπου 60.000 δακτυλικών αποτυπωμάτων μιας δημόσιας κυβερνητικής βάσης δεδομένων των ΗΠΑ και τα τροφοδότησε ανά ζεύγη σε ένα σύστημα βασισμένο στην τεχνητή νοημοσύνη, γνωστό ως βαθύ αντιθετικό δίκτυο. Όπως διαπίστωσε, η τεχνητή νοημοσύνη δεν χρησιμοποιούσε τα ίδια μοτίβα με την παραδοσιακή σύγκριση δακτυλικών αποτυπωμάτων, αλλά έναν διαφορετικό δείκτη. Αναδείχθηκε έτσι ότι οι γωνίες και οι καμπυλότητες των στροβίλων και των βρόχων στο κέντρο των δακτυλικών αποτυπωμάτων ευθύνονται για μεγάλο μέρος αυτής της ομοιότητας και το μοτίβο αυτό ισχύει για όλα τα ζεύγη δακτύλων του ίδιου ατόμου. Οι ερευνητές επανεκπαίδευσαν επίσης το μοντέλο τους με διαφορετικά φύλα και φυλετικές ομάδες και παρατήρησαν ότι είχε την καλύτερη απόδοση όταν εκπαιδεύτηκε με δακτυλικά αποτυπώματα που είχαν συγκεντρωθεί από όλες τις ομάδες.

Η φωτογραφία αναδεικνύει τις περιοχές που συμβάλλουν στην ομοιότητα μεταξύ των δύο δακτυλικών αποτυπωμάτων του ίδιου ατόμου. Όταν η ομάδα επαλήθευσε τα αποτελέσματά της, έστειλε τα ευρήματά της σε περιοδικό Εγκληματολογίας για να λάβει απόρριψη λίγους μήνες αργότερα με την αιτιολογία ότι «είναι γνωστό ότι κάθε δακτυλικό αποτύπωμα είναι μοναδικό». Οι ερευνητές δεν σταμάτησαν εκεί. Τροφοδότησαν το σύστημα τεχνητής νοημοσύνης με ακόμη περισσότερα δεδομένα και αυτό συνέχισε να βελτιώνεται. Η εργασία απορρίφθηκε και πάλι, αλλά άσκησαν έφεση.

«Αυτή η ανακάλυψη είναι ένα παράδειγμα για τα πιο εκπληκτικά πράγματα που θα έρθουν από την τεχνητή νοημοσύνη. Πολλοί άνθρωποι πιστεύουν ότι η τεχνητή νοημοσύνη δεν μπορεί πραγματικά να κάνει νέες ανακαλύψεις, ότι απλώς αναμασά τη γνώση. Αλλά αυτή η έρευνα είναι ένα παράδειγμα για το πώς ακόμη και μια αρκετά απλή τεχνητή νοημοσύνη που τροφοδοτείται με ένα αρκετά απλό σύνολο δεδομένων που η ερευνητική κοινότητα δεν χρησιμοποιούσε για χρόνια, μπορεί να προσφέρει γνώσεις που διέφευγαν από τους ειδικούς για δεκαετίες», σημειώνει ο Χοντ Λίπσον, καθηγητής Καινοτομίας στο Τμήμα Μηχανολόγων Μηχανικών του Πανεπιστημίου Κολούμπια.

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube

Διαβάστε Eπίσης:

Η βοήθεια της τεχνητής νοημοσύνης σε ανθρώπους που χρειάζονται βοήθεια με την κατάθλιψη

Η τεχνητή νοημοσύνη επιταχύνει τη διάγνωση ουρολοιμώξεων

Βιορομποτική καρδιά στοχεύει στην καλύτερη προσομοίωση των βαλβίδων

Πώς η τεχνολογία επηρεάζει την μάθηση;

svg%3E svg%3E
svg%3E
svg%3E
Περισσότερα

Πώς η φορητή τεχνολογία βοηθά στην παρακολούθηση και ασφάλεια ατόμων με άνοια

Φορητή τεχνολογία: Η ταχεία πρόοδος της φορητής τεχνολογίας μεταμορφώνει την υγειονομική περίθαλψη, προσφέροντας νέες ευκαιρίες για τη βελτίωση της ποιότητας ζωής των ατόμων με άνοια και των φροντιστών τους.

Η τεχνητή νοημοσύνη μπορεί να μεταμορφώσει την υγεία των γυναικών;

Τεχνητή νοημοσύνη: Ο τομέας της υγείας των γυναικών παραδοσιακά υπήρξε υποεκπροσωπούμενος στην ιατρική έρευνα και καινοτομία, λόγω ελλιπούς εστίασης σε θέματα που αφορούν τις γυναίκες.

Κυτταρικά «μπαλώματα» αναγεννούν την καρδιά ασθενών

Τα κυτταρικά «μπαλώματα» είναι συνθετικά ή βιολογικά υλικά που περιέχουν κύτταρα ικανά να αναγεννήσουν τον ιστό της καρδιάς. Αυτά τα μπαλώματα, που συνήθως περιέχουν βλαστοκύτταρα ή καρδιομυοκύτταρα, τοποθετούνται απευθείας στην κατεστραμμένη περιοχή της καρδιάς μέσω ελάχιστα επεμβατικών διαδικασιών.

Επαναστατική μοριακή εξέταση για τον καρκίνο του παχέος εντέρου 

Η εξέταση Colon AiQ βασίζεται στην ανάλυση του DNA που ανευρίσκεται στα κόπρανα του ασθενούς. Αυτή η μέθοδος επιτρέπει την ανίχνευση μεταλλάξεων και άλλων βιολογικών δεικτών που υποδεικνύουν την παρουσία καρκινικών κυττάρων, ακόμη και σε πρώιμα στάδια της νόσου.

Οι εικονικοί προπονητές αναπνοής παρέχουν ικανή καθοδήγηση χωρίς ανθρώπινη παρουσία;

Αναπνοή: Μια πρόσφατη μελέτη έδειξε ότι οι εικονικοί προπονητές αναπνοής μπορούν να είναι εξίσου αποτελεσματικοί με τους ανθρώπινους προπονητές στη βοήθεια των ατόμων να βελτιώσουν τις τεχνικές αναπνοής τους, να διαχειριστούν το άγχος και να ενισχύσουν τη φυσική τους απόδοση.

Βοηθά η τεχνητή νοημοσύνη στην έγκαιρη πρόβλεψη επιπλοκών για μητέρες και νεογνά;

Τεχνητή νοημοσύνη: Ένα νέο σύστημα ανάλυσης εγκυμοσύνης βασισμένο στην τεχνητή νοημοσύνη έχει αποκαλύψει άγνωστα μέχρι σήμερα σημάδια προειδοποίησης που θα μπορούσαν να βοηθήσουν στην ανίχνευση κινδύνων για θάνατο του εμβρύου και επιπλοκές κατά τη γέννηση.

Οι βιοδείκτες μπορούν να αλλάξουν τον τρόπο θεραπείας του χρόνιου πόνου;

Βιοδείκτες: Μια επαναστατική μελέτη έχει αποκαλύψει δύο βιοδείκτες στον εγκέφαλο που θα μπορούσαν να φέρουν επανάσταση στον τρόπο κατανόησης και διαχείρισης του χρόνιου πόνου.

Close Icon