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

हर साल, हजारों लोग गायब हो जाते हैं, पीछे एक ऐसा सन्नाटा छोड़ जाते हैं जिसे भरने के लिए परिवार और जांचकर्ता संघर्ष करते हैं। फोरेंसिक विज्ञान की दुनिया में, लक्ष्य अज्ञात को एक नाम देना है, एक ऐसा कार्य जो पारंपरिक रूप से कुछ शक्तिशाली उपकरणों पर निर्भर रहा है। इनमें सबसे भरोसेमंद डीएनए प्रोफाइलिंग है, जो मिलान खोजने के लिए आनुवंशिक सामग्री की तुलना करती है, लेकिन यह विधि तब विफल हो जाती है जब कोई जैविक नमूना उपलब्ध नहीं होता या किसी रिश्तेदार से संदर्भ नमूना गायब होता है। अन्य विधियां, जैसे आयु और ऊंचाई का अनुमान लगाने के लिए कंकाल के अवशेषों का विश्लेषण करना या चेहरे की तस्वीरों की तुलना करना, सुराग तो देते हैं लेकिन अक्सर साक्ष्य की गुणवत्ता या समय बीतने के कारण सीमित होते हैं। जब कोई व्यक्ति वर्षों से लापता होता है, तो उसका चेहरा बदल जाता है, हड्डियां क्षतिग्रस्त हो सकती हैं, और रिकॉर्ड अधूरे हो सकते हैं, जिससे जांचकर्ताओं के पास ऐसी सूचनाओं के अंश रह जाते हैं जो आसानी से एक साथ नहीं जुड़ पाते।

द दशकों से, वैज्ञानिक इन पहेलियों को एक समय में एक प्रकार के साक्ष्य को देखकर सुलझाने की कोशिश कर रहे हैं, लेकिन लापता व्यक्ति के मामले की वास्तविकता शायद ही कभी इतनी सरल होती है। एक अकेली तस्वीर बहुत धुंधली हो सकती है, एक डीएनए नमूना खराब हो सकता है, और एक डेंटल रिकॉर्ड खो सकता है। चुनौती इन अलग-अलग धागों—दृश्य, जैविक और प्रासंगिक—को एक एकल, सुसंगत चित्र में बुनने की है। यहीं पर नेशनल फोरेंसिक साइंसेज यूनिवर्सिटी के शोधकर्ताओं का काम आता है। उन्होंने आर्टिफिशियल इंटेलिजेंस का उपयोग करके इन जांचों को देखने का एक नया तरीका विकसित किया है, जो एक 'मैजिक बॉक्स' के रूप में नहीं है जो उत्तर उगल देता है, बल्कि एक पारदर्शी साथी के रूप में है जो मानव विशेषज्ञों को अराजकता को समझने में मदद करता है।

शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो वास्तविक दुनिया के लापता व्यक्तियों के जटिल और अधूरे मामलों को संभालने के लिए डिज़ाइन की गई है। केवल एक विधि पर निर्भर रहने के बजाय, उन्होंने एक ऐसा ढांचा तैयार किया है जो विभिन्न प्रकार के साक्ष्यों को एक साथ लाता है: चेहरे की छवियां, कंकाल के माप, जैविक डेटा, जनसांख्यिकीय विवरण और गुमशुदगी से जुड़ी परिस्थितियां। अतीत में, पहचान के लिए उपयोग किए जाने वाले कंप्यूटर प्रोग्राम अक्सर "ब्लैक बॉक्स" की तरह कार्य करते थे, जो बिना यह बताए कि वे परिणाम तक कैसे पहुंचे, एक उत्तर प्रदान करते थे। पारदर्शिता की यह कमी फोरेंसिक में एक बड़ी समस्या है, जहाँ गलत पहचान के जीवन बदलने वाले कानूनी परिणाम हो सकते हैं। इसे ठीक करने के लिए, टीम ने "एक्सप्लेनेबल आर्टिफिशियल इंटेलिजेंस" (व्याख्या योग्य कृत्रिम बुद्धिमत्ता) नामक एक विशेषता को एकीकृत किया। यह तकनीक केवल अनुमान नहीं लगाती; यह अपना काम दिखाती है। यह स्पष्ट रूप से उजागर करती है कि निर्णय लेने में कौन से साक्ष्य सबसे महत्वपूर्ण थे, जिससे एक मानव विशेषज्ञ को कंप्यूटर के सुझाव के पीछे के तर्क को देखने और यह सत्यापित करने की अनुमति मिलती है कि वह वैज्ञानिक रूप से तर्कसंगत है या नहीं।

अपने विचार का परीक्षण करने के लिए, टीम ने 1,200 लापता व्यक्तियों के मामलों का प्रतिनिधित्व करने वाला एक विशाल डिजिटल डेटासेट बनाया। ये रिकॉर्ड पूर्ण नहीं थे; इन्होंने वास्तविक दुनिया की नकल की जहाँ कुछ मामलों में स्पष्ट फोटो थे, कुछ में डीएनए था, और कई में आंशिक जानकारी का मिश्रण था। शोधकर्ताओं ने इस डेटा को अपनी नई प्रणाली में डाला और एकल प्रकार के साक्ष्य पर आधारित पुरानी विधियों के विरुद्ध इसके प्रदर्शन की तुलना की। परिणाम स्पष्ट थे: वह प्रणाली जिसने सभी जानकारी को मिलाया, वह किसी भी एकल विधि की तुलना में व्यक्तियों की पहचान करने में काफी बेहतर थी। जब प्रणाली ने केवल चेहरे की विशेषताओं का उपयोग किया, तो इसने 0.82 का AUC प्राप्त किया। जब इसने केवल जैविक साक्ष्य का उपयोग किया, तो इसने 0.88 का AUC प्राप्त किया। हालांकि, जब प्रणाली ने सभी उपलब्ध सुरागों को आपस में जोड़ा, तो इसका AUC बढ़कर 0.96 हो गया। यह सुधार बताता है कि विभिन्न प्रकार के साक्ष्यों को एक-दूसरे की कमियों को भरने और सहारा देने की अनुमति देकर, जांचकर्ता खराब या गायब डेटा की सीमाओं को पार कर सकते हैं।

महत्वपूर्ण रूप से, अध्ययन केवल सही उत्तर प्राप्त करने तक ही सीमित नहीं रहा; इसने इस बात पर ध्यान केंद्रित किया कि उत्तर तक कैसे पहुँचा गया। शोधकर्ताओं ने कंप्यूटर की निर्णय लेने की प्रक्रिया को समझने के लिए विशिष्ट उपकरणों का उपयोग किया। उन्होंने पाया कि प्रणाली केवल एक कारक, जैसे चेहरे के मिलान पर निर्भर नहीं थी, बल्कि कई कारकों को एक साथ तौलती थी। उदाहरण के लिए, प्रणाली यह निर्धारित कर सकती है कि मिलान होने की संभावना इसलिए अधिक है क्योंकि चेहरे की विशेषताएं समान हैं, हड्डियों से अनुमानित आयु लापता व्यक्ति के समयरेखा के साथ मेल खाती है, और खोज का भौगोलिक स्थान व्यक्ति के इतिहास के साथ सुसंगत है। प्रणाली ने प्रत्येक सुराग को एक विशिष्ट भार (वेट) दिया, यह दिखाते हुए कि चेहरे की छवि सबसे मजबूत संकेतक थी, जिसने अंतिम निर्णय में लगभग 29 प्रतिशत का योगदान दिया, जबकि भौगोलिक निरंतरता और जैविक प्रोफाइल अनुमान जैसे अन्य कारकों ने सहायक भूमिका निभाई। विवरण का यह स्तर एक फोरेंसिक विशेषज्ञ को कंप्यूटर के आउटपुट को देखने और यह कहने की अनुमति देता है, "मैं देख सकता हूँ कि इसने वह संबंध क्यों बनाया," या "इस तर्क का यह हिस्सा गलत लग रहा है," जिससे यह सुनिश्चित होता है कि तकनीक मानव निर्णय के लिए एक विकल्प के बजाय उसके लिए एक उपकरण बनी रहे।

अध्ययन ने यह भी जांचा कि प्रणाली कहाँ पहचान करने में विफल रही। इन त्रुटियों का विश्लेषण करके, शोधकर्ताओं ने पाया कि गलतियों के सबसे सामान्य कारण खराब गुणवत्ता वाली छवियां, जैविक साक्ष्य का पूर्ण अभाव, या विभिन्न स्रोतों के बीच विरोधाभासी जानकारी थी। यह निष्कर्ष अत्यंत महत्वपूर्ण है क्योंकि यह जांचकर्ताओं को बताता है कि उन्हें अपना प्रयास कहाँ केंद्रित करना चाहिए। यदि किसी मामले में स्पष्ट तस्वीर की कमी है, तो प्रणाली जानती है कि अन्य डेटा पर अधिक निर्भर रहना है, लेकिन यदि साक्ष्य बहुत अधिक विरोधाभासी या बहुत निम्न गुणवत्ता के हैं, तो प्रणाली संकेत देती है कि विश्वास के साथ मिलान नहीं किया जा सकता है। अनिश्चितता के बारे में यह ईमानदारी ढांचे का एक प्रमुख हिस्सा है, जो अत्यधिक आत्मविश्वास वाले कंप्यूटर के अनुमान से होने वाली झूठी उम्मीद को रोकता है।

शोधकर्ता इस बात पर जोर देते हैं कि यह प्रणाली अंतिम फैसला नहीं बल्कि एक निर्णय-सहायता उपकरण है। कानूनी और फोरेंसिक दुनिया में, पहचान की जिम्मेदारी हमेशा एक मानव विशेषज्ञ की होनी चाहिए जो वैज्ञानिक साक्ष्य को मामले के संदर्भ के साथ तौल सके। नया ढांचा केवल जटिल जानकारी को व्यवस्थित करने और सबसे आशाजनक सुरागों को उजागर करने का एक तरीका प्रदान करता है। आर्टिफिशियल इंटेलिजेंस को पारदर्शी बनाकर, शोधकर्ताओं ने उन्नत कंप्यूटिंग शक्ति और फोरेंसिक विज्ञान के कठोर मानकों के बीच एक सेतु बनाया है। यह कार्य सुझाव देता है कि भविष्य में, लंबे समय से चल रहे लापता व्यक्तियों के मामलों को सुलझाना केवल एक आदर्श साक्ष्य खोजने पर निर्भर नहीं होगा, बल्कि उपलब्ध कई अपूर्ण सुरागों को बुद्धिमानी से संयोजित करने की क्षमता पर निर्भर करेगा। यह दृष्टिकोण उन मामलों के लिए एक मार्ग प्रदान करता है जो वर्षों से ठंडे पड़े हैं, जिससे बिखरे हुए डेटा के संग्रह को एक स्पष्ट, समझने योग्य और वैज्ञानिक रूप से ठोस पहचान के मार्ग में बदला जा सकता है।