← أحدث الأبحاث
⚡ electrical engineering

Identity Verification from Human Scent using Learned Representations of Two-Dimensional Gas Chromatography–Mass Spectrometry Data

تُثبت هذه الدراسة جدوى التحقق من هوية الرائحة البشرية عن طريق تحويل بيانات الكروماتوغرافيا الغازية - مطياف الكتلة ثنائية الأبعاد الخام إلى صور متعددة القنوات، محققةً مساحة تحت منحنى خصائص تشغيل المستقبِل (AUROC) بنسبة 92.8% باستخدام تمثيل متعدد الرؤى، مع تسليط الضوء على إمكانات الطريقة في السيناريوهات غير التعاونية رغم التحديات في التعميم عبر الجلسات.

المؤلفون الأصليون: Jan Hlavsa, Radim Spetlik, Jana Čechová, Petra Pojmanová, Jiří Matas, Štěpán Urban

نُشر 2026-10-07
📖 5 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: Jan Hlavsa, Radim Spetlik, Jana Čechová, Petra Pojmanová, Jiří Matas, Štěpán Urban

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

يحمل كل شخص بصمة كيميائية فريدة، وهي ملف عطري متميز كبصمة الإصبع، ينبعث من خلال العرق وإفرازات الجلد. ولعقود من الزمن، اعتمدت العلوم الجنائية على فكرة أن هذه المركبات العضوية المتطايرة، وهي الجزيئات غير المرئية التي تنجرف في الهواء، يمكنها تحديد هوية الفرد. وبينما أظهرت الكلاب المدربة منذ فترة طويلة هذه القدرة، كافح العلماء لترجمة هذا الأنف البيولوجي إلى آلة موثوقة. يكمن التحدي في التعقيد الهائل للبيانات؛ فرائحة الإنسان ليست رائحة واحدة بل هي خليط فوضوي من آلاف المركبات الكيميائية، التي تتغير وتتحول مع الوقت والنظام الغذائي والبيئة. ولضبط ذلك، يستخدم الباحثون أداة مختبرية قوية تسمى "كروماتوغرافيا الغاز - مطياف الكتلة"، والتي تقوم بفصل هذه المواد الكيميائية ووزنها لإنشاء خريطة كيميائية مفصلة. ومع ذلك، كان تحويل هذه البيانات الضخمة والمبعثرة إلى فحص هوية قابل للاستخدام أمراً صعباً، إذ كان يتطلب غالباً من الخبراء اختيار مواد كيميائية محددة يدوياً، وهي عملية بطيئة وعرضة للخطأ مما يحد من عدد الأشخاص الذين يمكن اختبارهم.

لقد اتبع فريق من الباحثين من جمهورية التشيك الآن نهجاً مختلفاً، حيث تعاملوا مع المخرجات الخام لهذا التحليل الكيميائي ليس كقائمة مكونات يجب فك رموزها يدوياً، بل كصورة معقدة يمكن للحاسوب تعلم التعرف عليها. فقد جمعوا مجموعة ضخمة جديدة من بيانات الرائحة من 252 شخصاً مختلفاً، حيث جمعوا أكثر من 2500 عينة تبلغ سعتها حوالي 7.5 تيرابايت من المعلومات. وبدلاً من محاولة تحديد كل مركب كيميائي، قاموا بتغذية البيانات الخام مباشرة في أنظمة ذكاء اصطناعي مصممة لإيجاد الأنماط، تماماً كما تتعلم الحواسيب التعرف على الوجوه في الصور الفوتوغرافية. وكان الهدف هو معرفة ما إذا كان بإمكان الآلة تعلم التمييز بين رائحة شخص وآخر دون الحاجة إلى كيميائي بشري ليشرح لها ما الذي تبحث عنه.

تظهر النتائج أن هذه الطريقة ناجحة، رغم أنها ليست مثالية بعد. فمن خلال تدريب أنظمتهم على هذه الخرائط الكيميائية الخام، بنى الباحثون نموذجاً أولياً لنظام تحقق يمكنه تحديد رائحة الشخص بشكل صحيح بنسبة 53% من الوقت عندما تم ضبطه وفق معيار صارم يسمح بمعدل خطأ لا يتجاوز 5%. وهذا يعني أنه إذا طُلب من النظام أن يكون حذراً جداً وألا يتهم شخصاً بريئاً إلا نادراً، فإنه لا يزال ينجح في رصد حوالي نصف المطابقات الحقيقية. وبينما تعد هذه النسبة أقل من الدقة شبه الكاملة للطرق الراسخة مثل مسح قزحية العين، إلا أنها تثبت أن بيانات الرائحة الخام يمكن أن تعمل بالفعل كمعرف بيومتري. ووجدت الدراسة أن أفضل النتائج جاءت من شبكة حاسوبية مصممة خصيصاً عالجت البيانات دون محاولة فرض محاذاة صلبة ومحددة مسبقاً على الإشارات الكيميائية، مما يشير إلى أن الذكاء الاصطناعي يمكنه التعامل مع الاختلافات الطبيعية في كيفية ظهور المواد الكيميائية في الجهاز.

وقد تضمن جزء حاسم من البحث اختبار ما إذا كانت هذه البصمات العطرية تصمد بمرور الوقت وعبر أيام مختلفة. ففي الاستخدام الواقعي، قد يتم تسجيل شخص ما في يوم ما، ويتم فحصه في يوم آخر، وقد يتصرف الجهاز المستخدم لقياس الرائحة بشكل مختلف قليلاً في كل مرة. ووجد الباحثون أن النظام لا يزال بإمكانه التحقق من الهويات حتى لو تم الاختبار في يوم لم يره الجهاز من قبل، رغم أن الدقة تنخفض بشكل كبير عندما يتم التسجيل والاختبار في أيام مختلفة. ويشير هذا إلى أنه بينما تظل إشارة الهوية الأساسية قائمة، فإن الظروف المحددة لليوم — مثل درجة حرارة المختبر أو حالة الجهاز — تضفي مستوى من الضجيج يجب على النظام تعلم تجاهله. وقد استبعدت الدراسة صراحةً الحاجة إلى تحديد كيميائي يدوي، مظهرةً أن الحاسوب يمكنه تعلم الأنماط اللازمة مباشرة من البيانات الخام، متجاوزاً بذلك الخطوات البطيئة التي يقودها الخبراء والتي حدت سابقاً من هذا المجال.

ولدفع الأداء إلى الأمام، قدم الفريق طريقة جديدة للنظر في البيانات، من خلال تقسيم الخريطة الكيميائية إلى ثلاثة مشاهد مختلفة تسلط الضوء على جوانب متنوعة من بنية الرائحة. ثم قاموا بتدريب النظام باستخدام هدف رياضي محدد مصمم لإبقاء عينات كل شخص متجمعة بإحكام مع دفع عينات الأشخاص الآخرين بعيداً. أدى هذا الجمع بين الرؤية الأكثر تفصيلاً للبيانات وطريقة التدريب الأكثر ذكاءً إلى رفع معدل النجاح إلى حوالي 62% عند نفس حد الخطأ الصارم، مع قدرة إجمالية على التمييز بين الأشخاص تصل إلى ما يقرب من 93%. وأشار الباحثون إلى أن هذا التحسن لم يكن مجرد تعديل بسيط، بل كان نتيجة لكيفية تعليم النظام لتنظيم المعلومات، مما يثبت أن طريقة التدريب الصحيحة لا تقل أهمية عن البيانات نفسها.

وعلى الرغم من هذه التطورات، فإن المؤلفين واضحون بشأن القيود الحالية. فالنظام ليس جاهزاً بعد ليحل محل ماسحات الوجه أو بصمات الأصاو، وهو يتطلب بيئة مختبرية محكومة لجمع العينات، وهو ما يستغرق حالياً حوالي ساعتين ونصف من وقت تشغيل الجهاز لكل شخص. كما سلطت الدراسة الضوء على أن أداء النظام قد يتأثر بالجنس البيولوجي، حيث يمتلك الرجال والنساء ملفات عطرية مختلفة، وسيتعين على العمل المستقبلي ضمان تحديد هوية الأفراد بغض النظر عن الجنس. علاوة على ذلك، لا يزال الاستقرار طويل الأمد لهذه البصمات العطرية عبر الأشهر أو السنوات غير معروف. وقد جعل الباحثون مجموعة البيانات بالكامل والشيفرة البرمجية لنظامهم متاحة للجمهور، داعين علماء آخرين للبناء على هذا الأساس. إن عملهم يثبت أن الرائحة البشرية هي سمة بيومترية قابلة للتحقق، ويمكن للآلات التعرف عليها، مما يفتح الباب أمام تطبيقات مستقبلية حيث لا يكون الاتصال الجسدي المباشر أو خط البصر المباشر ممكناً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →