Nem todas as impressões digitais são únicas?
Escrito por Flavia Maia em Janeiro 10, 2024
AI deita por terra a antiga crença da ciência forense!
Com a ajuda da Inteligência Artificial (AI), os Engenheiros da Universidade Columbia, em Nova Iorque, descobriram que aquelas “impressões digitais intrapessoais (…) são semelhantes”, mas que a sua comparação tem estado a ser feita “de maneira errada”.
Em comunicado da Faculdade de Engenharia e Ciências Aplicadas da Universidade Columbia, referem que “não são só os detetives da série norte-americana “Lei & Ordem” ou os cientistas forenses da “CSI”, sobre a investigação de cenas de crime que usam as impressões digitais como padrão para ligar criminosos a um crime. Na vida real os investigadores também o fazem”.
Contudo se deixarem impressões digitais de dedos diferentes em duas cenas de crime é muito difícil relacioná-las, afirma.
Gabe Guo, um aluno do último ano de Engenharia na Columbia, sem conhecimento prévio de ciência forense, foi quem liderou a equipa do trabalho.
Com o tempo, o sistema de IA, que a equipa projetou modificando uma “estrutura de última geração”, melhorou a capacidade de deteção das impressões digitais que pertenciam à mesma pessoa e das que não.
Por outro lado, Guo percebeu que a IA “não utilizou os padrões usados na comparação tradicional de impressões digitais”, as ‘minúcias’ (“ramificações e extremidades das cristas”), mas sim algo “relacionado com os ângulos e curvaturas das espirais no centro da impressão digital”.
Embora a precisão do sistema não seja suficiente para decidir oficialmente um caso, ele pode ajudar a priorizar pistas em situações ambíguas.
“Se esta informação fizer pender a balança, penso que casos arquivados poderão ser reabertos e mesmo que pessoas inocentes poderão ser absolvidas”, referiu Lipson, citado no comunicado.
Apesar de os autores do estudo terem apresentado provas de que o sistema de IA “tem um desempenho semelhante em relação aos diferentes géneros e raças cujas amostras estavam disponíveis”, estão cientes da possível parcialidade dos dados.
Conclui-se que é necessária “uma validação mais cuidadosa, utilizando conjuntos de dados com cobertura mais ampla”, antes de a técnica ser usada na prática.
