آیا اسکن مغزی می تواند دروغگویی را افشا کند؟

با گسترش تصاعدی دانش در قرن بیستم، پیوند بین پلیس و علم تنگاتنگ تر از همیشه شد و امروز به مرحله ای رسیده ایم که انتظار می رود با بهره مندی از هوش مصنوعی در آینده ای نزدیک، جرم و جنایت با اصل «بازدارندگی» به کلی حذف شود یا تا حد قابل توجهی کاهش یابد. در این گزارش، با نگاهی علمی، آینده پیش روی جرم شناسی و روش های پلیس های آینده را برای گرفتار کردن مجرمان با هم مرور می کنیم.

آیا می توانیم پیش از وقوع جرم از آن پیشگیری کنیم؟

ساعت ۴:۳۰ صبح جمعه ای در اواخر تابستان است و نیروهای پلیس در حومه شهر جمع شده اند. این ناحیه پُردار و درخت به عنوان جایی دنج و آبرومند مشهور است و در حال حاضر هیچ رویداد مجرمانه ای هم اتفاق نیفتاده است. در حقیقت، آن جا نه تنها اکنون ساکت و آرام است، بلکه طی چند روز اخیر هم وضعیت به همین منوال بوده است. اما ماموران هوشیار و آماده به نظر می رسند. درواقع آن ها براساس محاسبات کامپیوتری به این جا اعزام شده اند؛ کامپیوتر براساس داده های دریافتی پیش بینی کرده است طی ۲۴ ساعت آتی موجی از سرقت منازل رخ می دهد.

به عبارت دیگر، آن ها در تلاش برای کنترل جرمی هستند که فکر می کنند اتفاق می افتد (و هنوز رخ نداده است). به این کار «کنترل پیشگیرانه» گفته می شود و برای رسیدن به چنین جایگاهی، کامپیوترهای باید از پس محاسبات بسیار پیچیده ای برآیند. ایده پیشگیری از جرائم چیز جدیدی نیست. دهه هاست که نیروهای پلیس در گوشه و کنار جهان در نقشه های خود، نقاطی با بیشترین میزان وقوع جرم و جنایت را مشخص کرده اند و نیروهای بیشتری را به آن نقاط اعزام می کنند. اما با کمک فناوری کامپیوتری، پلیس پیشگیری پا را از چنین اقدامی فراتر می گذارد. آن ها داده های عظیم را جمع می کنند و با استفاده از الگوریتم های پیچیده، از آن برای پیش بینی استفاده می کنند.

این الگوریتم ها، اطلاعاتی تولید می کنند که نیروهای پلیس برمبنای آن می توانند تصمیم بگیرند و وارد عمل شوند. در طول آزمایش ها مشخص شد پیش بینی های کامپیوتری در قیاس با تکنیک های سنتی ارزیابی های پلیس، بهتر عمل می کند. به همین دلیل امروزه استفاده از «کنترل و پیشگیری مبتنی بر اطلاعات کامپیوتری» در برخی از پایگاه های پلیس آمریکا مثل کالیفرنیا و آریزونا، و پلیس انگلستان مانند کنت استفاده می شود. با وجود این، همه به این فناوری نوین، یا دست کم نحوه پیاده سازی آن اعتقادی ندارند.

پروفسور جان اک

یکی از این افراد پروفسور «جان اک» (John Eck)، استاد جرم شناسی در دانشگاه سینسیناتی است. او چندان مشکلی با نرم افزار پیشگیری پلیس ندارد، بلکه به ایده ارسال تعداد زیادی از نیروهای پلیس به نقاط تعیین شده توسط این نرم افزار معترض است. او می گوید: «چرا باید دائما تعداد زیادی از نیروهای ارزشمند پلیس را به این نقاط بفرستیم؟ در عوض باید از خودمان بپرسیم چرا در این نقطه یا آن نقطه این قدر جرم و جنایت اتفاق می افتد و چطور باید از ریشه جلوی آن ها را بگیریم. پروفسور اک ترجیح می دهد پلیس صاحبان کسب و کار و مشاغل را تشویق کند تا خودشان قدمی بردارند؛

مثلا فروشگاه هایی که کالاهایی از آن دزدیده می شود، خود گام های ایمنی بیشتری بردارند. منتقدان نگرانی های دیگری را هم مطرح می کنند؛ مثلا اعزام نیروهای پیشگیری باعث شود جرائم به نقاط دیگر انتقال پیدا کند. با همه این حرف ها، پلیس پیشگیری روز به روز بیشتر مورد توجه قرار می گیرد و می تواند تغییرات زیادی را در سیستم پلیس در پی داشته باشد. ابتدای سال جاری میلادی (زمستان گذشته)، گروهی از ریاضیدانان تحت مدیریت پروفسور «مارک جیرولامی» (Mark Girolami) در کالج سلطنتی لندن به دلیل اقدامات مفیدشان در کنترل و پیشگیری و پیشبرد آن، سه میلیون یورو جایزه دریافت کردند.

در حالی که ابزارهای امروزی تنها متکی بر داده های مرتبط با جرم و جنایت است (مانند مکان، تاریخ، زمان رویداد و…) گیرولامی و تیمش روی تجمیع لایک های توییتر، گزارش روزنامه ها و داده های اقتصاد اجتماعی برای بالا بردن دقت پیش بینی ها کار می کنند. در این روش، داده های متنی به صورت کد ریاضی در می آید و شمار عباراتی که در ارتباط با جرم و جنایت است، محاسبه می شود تا نموداری جغرافیایی از موارد حساس فراهم شود. هدف از ابزار پیشگیری، رسیدن به سطحی از قانون مداری است که با حضور پلیس ها و به دلیل بازدارندگی، جرم و جنایت کمتر شود. جیرولامی می گوید: «مدل های ما می تواند جلوی جنایت آینده را بگیرد.»

واقعیت افزوده در صحنه های جنایت

تصور این که اولین مامور پلیسی باشید که در صحنه جنایت حاضر می شود، کار پراسترسی است. آیا مجرمان هنوز آن جا هستند؟ آیا موقعیت به حد کافی امن است که همین طوری به آن جا برویم؟ کسی آن جا به فوریت پزشکی نیاز دارد؟ همچنین در چنین شرایطی، ممکن است چیزی که در آینده می تواند به مدرکی حیاتی بدل شود، به سادگی هر چه تمام تخریب شود (لگدمال شدن، به هم خوردن وضعیت صحنه جرم، از بین رفتن اثر انگشت و…). اما در آینده ای نزدیک، مامورانی که سر این صحنه ها حاضر می شوند، مجهز به یک راهنمای کامل و دقیق در مورد انجام هر حرکت و تصمیمی خواهندبود.

ایده اصلی در این روش استفاده از واقعیت افزوده (Augmented Reality) است. در این روش نمایی از جهان حقیقی با داده های دیجیتال تلفیق می شود. پژوهشگران دانشگاه صنعتی دلفت (Delft) هلند، با پلیس و انستیتو علوم جنایی هلند همکاری می کنند تا سیستمی را توسعه دهند که صحنه جنایت با اطلاعات کارشناس بازجویی صحنه جرم CSI تحت پوش قرار گیرد تا تازه واردها بدانند چه چیز مدرک است و باید خارج شود، یا بعدا در موردش تحقیق شود.

در یکی از آزمایش های اخیر استفاده از این فناوری، ماموران در یک محیط ساختگی لابراتوار مواد مخدر قرار گرفتند. تلفن هوشمندی روی شانه ماموری سوار بود، و همزمان ویدئوی زنده مکان را به «اپلیکیشن کارآگاه» ارسال می کرد. اپلیکشن، تصویر را حاشیه نویسی و مواد شیمیایی و ابزارهایی را که لازم بود برای ارزیابی بیشتر خارج شوند، پررنگ می کرد. ماموران سر صحنه، این اطلاعات حاشیه نویسی شده را از طریق تلفن هوشمند دومی که حمل می کردند، می دیدند. در آزمون بعدی، تلفن های همراه را با هدست های واقعیت افزوده جایگزین کردند.

اسلحه شناسی با صدا

صدای تیراندازی از خیابانی در مرکز شهر شنیده می شود. جسدی در خیابان افتاده و قاتل به پلیس می گوید برای دفاع از خود (و پس از این که به سمتش شلیک کردند) دست به اسلحه برده است. هیچ کس شاهد نبوده دقیقا چه اتفاقی افتاده است. تنها چیزی که پلیس در دست دارد، ویدئوی کوتاه یک تلفن همراه است؛ تازه آن هم درواقع صحنه تیراندازی را نشان نمی دهد، بلکه فقط صدای تیراندازی را ضبط کرده است. دکتر «رابرت ماهر» (Robert Maher) از دانشگاه مونتانای آمریکا را فرا می خوانند. او صدای گلوله های مختلف را از طریق دوازده میکروفن ضبط کرده و پایگاه داده ای از امواج صوتی تفنگ های گوناگون را گردآوری کرده است. هدف این است تا تشخیص تفنگ های مختلف از طریق صدای تیراندازی شان صورت بگیرد و به پلیس کمک شود تا در پرونده هایی مثل مورد فوق، دقیقا مشخص شود چه اتفاقی افتاده است.

تصویربرداری ژنتیکی از مجرمان

یه زودی جُرم شناسان می توانند با یک قطره خون مجرم، اطلاعاتی را به دست آورند که به صورت سنتی از عکس بازداشت شدگان حاصل می شد. پژوهشگران در حال تحقیق روی این مسئله اند که چگونه ژن ها به «سر و صورت» ما شکل می دهند و بر اجزایش تاثیر می گذارند. اگر به کارگیری این تکنیک محقق شود، به معنی این است که آن ها می توانند از تنها یک نمونه ریز DNA، چهره فرد را بازسازی کنند. دکتر «مارک شریور» (Mark Shirver)، انسان شناس در دانشگاه پنسیلوانیا در این حوزه کار می کند. او با متخصص تصویربرداری بلژیکی به نام دکتر «پیتر کلاوس» (Peter Claes) همکاری دارد. دکتر کلاوس از چهره بیش از ۶۰۰ داوطلب عکسبرداری سه بعدی انجام داده است. او گروهی از ژن ها را ارزیابی کرد و توانست با دقت زیاد، ۲۴ ژن متفاوت را پیدا کند که به پیش بینی اجزای چهره افراد کمک می کنند.

چگونه حس بویایی در آینده به کمک کارآگاهان خواهدآمد؟

آیا ممکن است در آینده رایحه ناچیزی از عطر مجرم، او را پای میز محاکمه بکشاند؟ تشخیص عطر شدیدا کار دشواری است، زیرا از مولکول های فراری تشکیل شده است که سریعا تبخیر می شوند. اما تیمی به رهبری دانشجوی دکترای کالج لندن، «سایمونا گرگل» (Simona Ghergel) متوجه شده اند عطرهای افراد که در مهمانی ها با هم مخلوط می شود، در زمانی دیگر هم قابل تشخیص است. تکنیک تشخیص فوق حساسی که برای این کار استفاده می شود، «کروماتوگرافی گازی طیف سنجی جرمی» (Gas chromatography- mass spevtrometry) یا به اختصار GC/MS می نامند. در یک آزمایش، وقتی دو پارچه را فقط برای یک دقیقه در تماس یکدیگر قرار دادند، بین ۱۵ تا ۴۴ طیف رایحه منتقل شدند.

شکای پینوکیوهای امروزی

از سال ۲۰۰۰ (۱۳۷۹)، عصب پژوهان در حال تحقیق و بررسی اند که آیا تصویربرداری مغزی fMRI می تواند به طور قطع دروغ را تشخیص دهد یا خیر. روش fMRI جریان خون را در مغز اندازه گیری می کند؛ هر قدر نقاط مشخصی از مغز سخت تر کار کنند، جریان خون به آن جا شدیدتر است. تحقیق تشخیص دروغ گویی در روش fMRI به این صورت است که گروهی از داوطلبان مورد اسکن قرار می گیرند و از آن ها دعوت می شود تا دروغ های شاخدار بگویند.

در برخی از تحقیق ها، محققان دریافتند آزمون ها تا صد در صد دقیق بوده و نتایج اسکن این دروغ ها را افشا کرده است. همچنین در تحقیق دیگری که مجله روانپزشکی بالینی در سال ۲۰۱۶ (۱۳۹۵) آن را منتشر کرد، fMRI در قیاس با آزمون دروغ سنجی با احتمال ۲۴ درصد بیشتر دروغ را افشا می کند. اما بسیاری از عصب پژوهان به یک دلیل نسبت به توانایی fMRI در تشخیص دروغ ها بدبین هستند:

ظاهرا به سادگی می توان از پس این آزمون برآمد. در بخشی از تحقیقات روی دانشجویان هاروارد از آن ها خواسته شد تا وقتی در دستگاه fMRI هستند، دروغ بگویند. هنگامی که دانشجویان دروغگو انگشتان دست و پایشان را تکان می دادند، دقت آزمون ها به یک باره به یک سوم کاهش می یافت. طراحی آزمونی که واقع گرایانه باشد هم چالش دیگری است. این مسئله دکتر «آنتونی واگنر» (Anthony wagner)، روان شناس دانشگاه استنفورد را نگران می کند. او می گوید: «آیا گفتن دروغی شاخدار در مورد چیزی بی معنی، آن هم در وضعیتی که فرد آرامش خاطر دارد؛ با حالتی که او عامدانه تصمیم می گیرد دروغ بگوید تا به زندان نرود، قابل قیاس است؟»

این دغدغه منطقی به نظر می رسد. با وجود این، وکلای آمریکایی هر از چندی سعی می کنند برای اثبات بی گناهی موکلانشان به نتایج fMRI در دادگاه استناد کنند. تا حالا که قضات به این تقاضاها ترتیب اثر نداده اند. دکتر «دانیل لانگلبن» (Daniel Langleben) در دانشگاه پنسیلوانیا در این باره می گوید: «دیر یا زود، یک قاضی پیدا می شود که تصمیم می گیرد برخلاف موج شنا کند و مجوز را صادر کند. آن قوت این مسئله مسبوق به سابقه خواهدشد و بعد فرد دیگری این کار را می کند و بعد یکی دیگر و…؛ آن وقت این کار برای همه آزاد می شود.» لانگلبن استدلال می کند بهتر است آزمایش بزرگ و دقیقی از آزمون fMRI انجام بدهیم تا دقیقا مشخص شود این تکنیک چقدر دقیق است و چقدر مثلا به حرکات انگشتان دست حساس است و نتایج تحت شعاع قرار می گیرد.

آنالیز یک تار مو، مو را از ماست کشیدن

کافی است یک تار موی خود را به دکتر «گلن جکسون» (Dr. Glen Jackson) در دانشگاه ویرجینیای غربی بدهید؛ تا او به شما سن، جنسیت، مواد غذایی مورد استفاده و سطح فعالیت های بدنیتان را بگوید. برای پلیسی که پا به صحنه وقوع جرم می گذارد، این اطلاعات می تواند حیاتی باشد و یک تار مو به تنهایی می تواند تمام اطلاعات مجرم را در دسترس وی بگذارد. جکسون و تیمش نسبت ایزوتوپ های (اتم های یک عنصر با تعداد نوترون های مختلف) ۲۱ اسید آمینه موجود در کراتین (جزء اصلی سازنده مو) را اندازه گیری کردند. آن ها تاکنون نسبت ۱۵ ایزوتوپ را یافته اند که پنجره ای رو به شناسایی افراد باز می کند.

استفاده از هوش مصنوعی

سیلی از سرقت های مسلحانه در شهر به وقوع پیوسته است! کارآگاه VALCRI مشغول اسکن بایگانی جرم و جنایت قدیمی است. او می خواهد الگوهایی را پیدا کند تا به ردیابی سارقین کمک شود. اما مسئله این جاست که VALCRI یک انسان نیست. VALCRI یا «ارزیابی تحلیلی بصری برای هوشمندسازی تجزیه و تحلیل آگاهانه جرائم» (Visual Analytics fir sense- making in Criminal Intelligence Analysis) سامانه ای مبتنی بر هوش مصنوعی است که می تواند گزارش های پلیس، مصاحبه ها، ویدئوها و تصاویر را اسکن و واژگان را تفسیر کند و چهره ها را تشخیص دهد.

هدف این است که حلقه پیوند بین جرائم مختلف بررسی شود و به صورت قابل فهم برای پلیس درآید. این حلقه می تواند الگوی کاری تبهکار در سرقت های قبلی، استفاده از اسلحه ای خاص یا توصیفاتی مشابه به وسیله شاهدین باشد. اتحادیه اروپا سرمایه گذار سیستم VALCRI است و پروفسور «ویلیام وونگ» (William Wong) در دانشگاه میدلسکس (Middlesex) لندن رهبری این پروژه را برعهده دارد. VALCRI می تواند یاد هم بگیرد. وقتی یک ارزیاب جنایی تصمیم می گیرد چه بخشی از مدارک کشف شده سیستم اهمیت دارد، VALCRI از این اطلاعات استفاده می کند تا جست و جوهای آتی نتایجش را ارتقا دهد. این برنامه در حال حاضر میلدلندز غربی و انت ورپ بلژیک در مرحله آزمون قرار دارد.

اثر انگشت میکروبی

شاید فکر کردن به این مسئله که هر ساعت حدود ۳۰ میلیون سلول باکتری از پوست ما دفع می شود، حس خوبی نداشته باشد. آن ها در هوا پخش می شوند و به اشیایی مثل صندلی و تلفن همراه که به آن ها دست می زنیم، می چسبند. جامعه میکروب هایی که درون بدن هر یک از ما زندگی می کنند، همانند خود ما منحصر به فرد است. به زودی جنایتکاران شاید به خاطر باکتری هایی که ناخواسته در محل وقوع جرم جا گذاشته اند، قابل شناسایی باشند. در یک تحقیق، دکتر «جیمز میدو» (James Medow) از دانشگاه اورگان متوجه شد می توان به سادگی، افراد را از طریق ابر نامرئی باکتریایی که در هوا پخش می کنند (براساس آزمایش ها، حتی چهار ساعت پس از ترک اتاق) شناسایی کرد.