El análisis de huellas dactilares se considera una herramienta valiosa en entornos forenses y de seguridad debido a la singularidad y permanencia de los patrones. No se ha encontrado que dos personas compartan un patrón de huellas dactilares, ni siquiera gemelos idénticos. De hecho, las huellas dactilares son tan únicas que las suyas no pueden coincidir entre sí. Pero ahora, una nueva investigación que utiliza inteligencia artificial (IA) pretende cambiar el curso de la identificación forense de huellas dactilares.
La singularidad de las huellas dactilares las hace tan críticas en las investigaciones de la escena del crimen que la imposibilidad de cotejar huellas dactilares de diferentes dedos de la misma persona (lo que se conoce como huellas dactilares individuales) puede causar problemas importantes a la hora de vincular las pruebas forenses.
Sin embargo, los investigadores de la Universidad de Columbia que afirman haber creado un modelo de IA capaz de comparar internamente las huellas dactilares de los individuos con un 99,99 por ciento de confianza argumentan que las huellas dactilares de la misma persona no son únicas: las estamos comparando de manera incorrecta.
Los patrones de huellas dactilares se componen de crestas elevadas y protuberancias empotradas en las yemas de los dedos. Actualmente, las huellas dactilares se analizan comparando patrones de crestas de fricción, que se dividen en tres categorías: bucles, verticilos y arcos. El analista utiliza características de cresta, llamadas minucias, para identificar y comparar las características de la impresión.
Sin embargo, el proceso de toma de decisiones de la nueva IA se basa en el análisis de patrones binarios, orientación de las crestas, densidad de las crestas y sensibilidades. Al analizar las circunvoluciones y bucles en el centro de la huella dactilar, conocidos como singularidades, descubrieron que la mayoría de las similitudes de las huellas dactilares individuales se explicaban por la orientación de las crestas, y concluyeron que los mapas de minucias eran la menos confiable de las categorías de análisis.
Argumentan que, si bien el microanálisis es muy preciso para la comparación con un solo dedo, se centra en peculiaridades de una sola huella dactilar que es poco probable que ocurran en huellas dactilares individuales, lo que lo hace menos preciso para la comparación con dedos cruzados.
El modelo se entrenó utilizando una base de datos pública del gobierno de EE. UU. de aproximadamente 60.000 huellas dactilares y 525.000 imágenes. Descubrieron que el rendimiento de la IA era consistente en diferentes géneros y grupos étnicos, y que funcionaba bien cuando se entrenaba con muestras de todos los grupos. «Imagínese cuánto mejor funcionará una vez que esté entrenado en millones en lugar de millones de huellas dactilares», dijo en un comunicado Aniv Ray, ingeniero senior de Columbia, quien ayudó a analizar los datos.
El equipo destacó la esperanza de que este modelo de IA algún día pueda usarse para priorizar pistas, ayudar potencialmente a exonerar a sospechosos inocentes y generar nuevas pistas para casos sin resolver.
«Esta investigación es un ejemplo de cómo incluso la IA simple, dado un conjunto de datos bastante simple que la comunidad de investigación ha estado analizando durante años, puede generar conocimientos que han eludido a los expertos durante décadas», dijo el coautor y profesor Hod Lipson. Ingeniería de Colombia.
«Aún más emocionante es el hecho de que un estudiante universitario sin experiencia en ciencia forense pueda utilizar la IA para desafiar con éxito la creencia generalizada de todo un campo. Estamos a punto de experimentar una explosión de descubrimientos científicos liderados por la IA por parte de no expertos, y la La comunidad de expertos, incluida la academia, debe prepararse.
Sin embargo, la investigación no ha estado exenta de críticas. El artículo fue inicialmente rechazado por una revista forense bien establecida, y un revisor y editor experto anónimo concluyó que «es bien sabido que cada huella digital es única» y no puede detectar comparaciones intraindividuales.
Aunque el documento reconoce la necesidad de entrenar el modelo con un conjunto de datos más grande y diverso, queda por ver si la IA es capaz de producir resultados lo suficientemente confiables como para proporcionar pruebas concluyentes en casos penales.
El estudio fue publicado en Avances científicos.
