Beyond DNA: An Explainable AI-Driven Multimodal Framework for Long-Term Missing Person Identification: A Systematic Review and Conceptual Model

في كل عام، يختفي آلاف الأشخاص، تاركين وراءهم أثراً من الصمت يكافح ذووهم والمحققون لملئه. وفي عالم العلوم الجنائية، يتمثل الهدف في إعطاء اسم للمجهول، وهي مهمة اعتمدت تقليدياً على عدد قليل من الأدوات القوية. وأكثر هذه الأدوات موثوقية هي التنميط الجيني (DNA)، الذي يقارن المادة الوراثية لإيجاد تطابق، لكن هذه الطريقة تفشل إذا لم تتوفر عينة بيولوجية أو إذا فُقدت العينة المرجعية من أحد الأقارب. أما الطرق الأخرى، مثل تحليل البقايا الهيكلية لتقدير العمر والطول أو مقارنة الصور الوجهية، فهي تقدم أدلة ولكنها غالباً ما تكون محدودة بجودة الأدلة أو بمرور الزمن. فعندما يغيب شخص لسنوات، يتغير وجهه، وقد تتضرر عظامه، وقد تصبح السجلات غير مكتملة، مما يترك المحققين مع شظايا من المعلومات التي لا تتناسب مع بعضها بسهءولة.

لعقود من الزمن، حاول العلماء حل هذه الألغاز من خلال النظر إلى نوع واحد من الأدلة في كل مرة، لكن واقع حالات الأشخاص المفقودين نادراً ما يكون بهذه البساطة. فقد تكون صورة واحدة ضبابية للغاية، أو عينة DNA متحللة، أو سجلاً طبياً للأسنان مفقوداً. ويكمن التحدي في نسج هذه الخيوط المتباينة — البصرية والبيولوجية والسياقية — في صورة واحدة متماسكة. وهنا يأتي دور عمل الباحثين في الجامعة الوطنية للعلوم الجنائية؛ فقد طوروا طريقة جديدة للتعامل مع هذه التحقيقات باستخدام الذكاء الاصطناعي، ليس كصندوق سحري يخرج إجابة، بل كشريك شفاف يساعد الخبراء البشريين على فهم الفوضى.

لقد بنى الباحثون نظاماً مصمماً للتعامل مع الطبيعة الفوضوية وغير المكتملة لحالات الأشخاص المفقودين في العالم الحقيقي. وبدلاً من الاعتماد على طريقة واحدة، أنشأوا إطار عمل يجمع بين أنواع مختلفة من الأدلة: الصور الوجهية، والقياسات الهيكلية، والبيانات البيولوجية، والتفاصيل الديموغرافية، والظروف المحيطة بالاختفاء. في الماضي، كانت برامج الكمبيوتر المستخدمة في تحديد الهوية تعمل غالباً كـ "صناديق سوداء"، حيث تقدم نتيجة دون شرح كيفية الوصول إليها. وهذا النقص في الشفافية يمثل مشكلة كبيرة في الطب الشرعي، حيث يمكن أن يكون لتحديد الهوية الخاطئ عواقب قانونية تغير مجرى الحياة. ولإصلاح ذلك، دمج الفريق ميزة تسمى "الذكاء الاصطناعي القابل للتفسير". هذه التكنولوجيا لا تخمن الهوية فحسب، بل توضح خطوات عملها؛ فهي تسلط الضوء بدقة على أي قطع من الأدلة كانت الأكثر أهمية في اتخاذ القرار، مما يسمح للخبير البشري برؤية المنطق الكامن وراء اقتراح الكمبيوتر والتحقق مما إذا كان منطبقاً من الناحية العلمية.

ولاختبار فكرتهم، أنشأ الفريق مجموعة بيانات رقمية ضخمة تمثل 1200 حالة مفقود. لم تكن هذه السجلات مثالية؛ بل حاكت الواقع حيث تمتلك بعض الحالات صوراً واضحة، وبعضها يمتلك DNA، والعديد منها يمتلك مزيجاً من المعلومات الجزئية. قام الباحثون بتغذية هذه البيانات في نظامهم الجديد وقارنوا أداءه مقابل الطرق القديمة التي تنظر في نوع واحد فقط من الأدلة في كل مرة. وكانت النتائج واضحة: النظام الذي دمج جميع المعلومات معاً كان أفضل بكثير في تحديد الأفراد من أي طريقة منفردة بمفردها. فعندما استخدم النظام السمات الوجهية فقط، حقق مساحة تحت المنحنى (AUC) بلغت 0.82. وعندما استخدم الأدلة البيولوجية فقط، حقق مساحة تحت المنحنى بلغت 0.88. ومع ذلك، عندما دمج النظام جميع القرائن المتاحة معاً، ارتفعت المساحة تحت المنحنى إلى 0.96. يشير هذا التحسن إلى أنه من خلال السماح لأنواع مختلفة من الأدلة بدعم وملء الفجوات لبعضها البعض، يمكن للمحققين التغلب على قيود البيانات المتدهورة أو المفقودة.

والأهم من ذلك، أن الدراسة لم تتوقف عند مجرد الحصول على الإجابة الصحيحة، بل ركزت على كيفية الوصول إلى تلك الإجابة. استخدم الباحثون أدوات محددة لتفكيك عملية اتخاذ القرار في الكمبيوتر، ووجدوا أن النظام لم يعتمد على عامل واحد فقط، مثل مطابقة الوجه، بل وزن عوامل متعددة معاً. فعلى سبيل المثال، قد يحدد النظام أن المطابقة مرجحة لأن الملامح الوجهية متشابهة، والتقدير العمري من العظام يتوافق مع الجدول الزمني للمفقود، والموقع الجغرافي للعثور عليه يتسق مع تاريخ الشخص. وقد منح النظام وزناً محدداً لكل من هذه القرائن، موضحاً أن الصورة الوجهية كانت المؤشر الأقوى، حيث ساهمت بنسبة تقارب 29 بالمائة في القرار النهائي، بينما لعبت عوامل أخرى مثل الاتساق الجغرافي وتقديرات الملف البيولوجي أدواراً داعمة. هذا المستوى من التفصيل يسم يتيح للخبير الجنائي النظر إلى مخرجات الكمبيوتر والقول: "أرى لماذا صنع هذا الاتصال"، أو "هذا الجزء من الاستنتاج يبدو غير دقيق"، مما يضمن أن تظل التكنولوجيا أداة للحكم البشري وليس بديلاً عنه.

كما فحصت الدراسة المواضع التي فشل فيها النظام في تحديد هوية الشخص بشكل صحيح. ومن خلال تحليل هذه الأخطاء، اكتشف الباحثون أن الأسباب الأكثر شيوعاً للأخطاء كانت الصور ضعيفة الجودة، أو الغياب التام للأدلة البيولوجية، أو وجود معلومات متضاربة بين المصادر المختلفة. وتعد هذه النتيجة حيوية لأنها تخبر المحققين بالضبط أين يجب أن يركزوا جهودهم. فإذا كانت الحالة تفتقر إلى صورة واضحة، يعرف النظام أن عليه الاعتماد بشكل أكبر على البيانات الأخرى، ولكن إذا كانت الأدلة متضاربة للغاية أو ذات جودة منخفضة جداً، فإن النظام يعطي إشارة بأنه لا يمكن إجراء مطابقة بثقة. إن هذه الصراحة بشأن عدم اليقين هي جزء أساسي من إطار العمل، مما يمنع الأمل الزائف الذي قد يأتي من تخمين كمبيوتري مفرط في الثقة.

ويؤكد الباحثون أن هذا النظام ليس حكماً نهائياً، بل هو أداة لدعم القرار. ففي العالمين القانوني والجنائي، يجب أن تظل المسؤولية عن تحديد الهوية دائماً بيد خبير بشري يمكنه موازنة الأدلة العلمية مع سياق القضية. يوفر إطار العمل الجديد ببساطة وسيلة لتنظيم المعلومات المعقدة وتسليط الضوء على الخيوط الأكثر واعدة. إن جعل الذكاء الاصطناعي شفافاً سمح للباحثين بخلق جسر بين قدرات الحوسبة المتقدمة والمعايير الصارمة للعلوم الجنائية. ويشير هذا العمل إلى أنه في المستقبل، لن يعتمد حل حالات الأشخاص المفقودين لفترات طويلة على إيجاد قطعة واحدة مثالية من الأدلة، بل على القدرة على الجمع بذكاء بين العديد من القرائن غير المثالية التي تتوفر غالباً. يقدم هذا النهج مساراً للمضي قدماً في الحالات التي ظلت باردة لسنوات، محولاً مجموعة مبعثرة من البيانات إلى مسار واضح ومفهوم وسليم علمياً نحو تحديد الهوية.