Identity Verification from Human Scent using Learned Representations of Two-Dimensional Gas Chromatography–Mass Spectrometry Data
Questo studio dimostra la fattibilità della verifica dell'identità tramite l'odore umano trasformando i dati grezzi di gas cromatografia-spettrometria di massa bidimensionale in immagini multicanale, raggiungendo un AUROC del 92,8% con una rappresentazione multi-vista e sottolineando il potenziale del metodo per scenari non cooperativi nonostante le sfide nella generalizzazione tra sessioni diverse.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Ogni persona porta con sé una firma chimica unica, un profilo olfattivo distinto quanto un'impronta digitale, emesso attraverso il sudore e le secrezioni cutanee. Per decenni, la scienza forense si è basata sull'idea che questi composti organici volatili, le molecole invisibili che fluttuano nell'aria, possano identificare un individuo. Sebbene cani addestrati abbiano da tempo dimostrato questa capacità, gli scienziati hanno faticato a tradurre quel naso biologico in una macchina affidabile. La sfida risiede nella pura complessità dei dati; un odore umano non è un singolo odore, ma una miscela caotica di migliaia di composti chimici, che mutano e cambiano con il tempo, la dieta e l'ambiente. Per catturare questo, i ricercatori utilizzano uno strumento di laboratorio potente chiamato gas cromatografia-spettrometria di massa, che separa questi prodotti chimici e ne pesa la massa per creare una mappa chimica dettagliata. Tuttavia, trasformare questi dati massicci e disordinati in un controllo d'identità utilizzabile è stato difficile, richiedendo spesso ad esperti di selezionare manualmente specifici composti chimici, un processo lento e soggetto a errori che limita il numero di persone che possono essere testate.
Un team di ricercatori della Repubblica Ceca ha ora adottato un approccio diverso, trattando l'output grezzo di questa analisi chimica non come un elenco di ingredienti da decifrare a mano, ma come un'immagine complessa che un computer può imparare a riconoscere. Hanno assemblato una nuova e massiccia collezione di dati olfattivi da 252 individui diversi, raccogliendo oltre 2.500 campioni che ammontano a circa 7,5 terabyte di informazioni. Invece di cercare di identificare ogni singolo composto chimico, hanno inserito i dati grezzi direttamente in sistemi di intelligenza artificiale progettati per trovare schemi, proprio come i computer imparano a riconoscere i volti nelle fotografie. L'obiettivo era vedere se una macchina potesse imparare a distinguere l'odore di una persona da quello di un'altra senza la necessità di un chimico umano che spiegasse cosa stesse cercando.
I risultati mostrano che questo metodo funziona, sebbene non sia ancora perfetto. Addestrando i loro sistemi su queste mappe chimiche grezze, i ricercatori hanno costruito un prototipo di sistema di verifica che riusciva a identificare correttamente l'odore di una persona circa il 53% delle volte, quando impostato su uno standard rigoroso in cui era autorizzato a commettere solo un tasso di errore del 5%. Ciò significa che, se il sistema viene istruito per essere molto prudente e raramente accusare una persona innocente, riesce comunque a individuare circa la metà dei match genuini. Sebbene questa sia una precisione inferiore rispetto a quella quasi perfetta di metodi stabiliti come la scansione dellari, dimostra che i dati olfattivi grezzi possono effettivamente servire come identificatore biometrico. Lo studio ha rilevato che i migliori risultati sono derivati da una rete informatica progettata su misura che elaborava i dati senza cercare di forzare i segnali chimici in un allineamento rigido e predefinito, suggerendo che l'IA potesse gestire le variazioni naturali nel modo in cui i prodotti chimici apparivano nella macchina.
Una parte critica della ricerca ha riguardato il test per verificare se queste firme olfattive resistano nel tempo e attraverso giorni diversi. Nel mondo reale, una persona potrebbe essere registrata in un giorno e controllata in un altro, e l'attrezzatura utilizzata per misurare l'odore potrebbe comportarsi in modo leggermente diverso ogni volta. I ricercatori hanno scoperto che il sistema poteva ancora verificare le identità anche quando il test veniva eseguito in un giorno che la macchina non aveva mai visto prima, sebbene la precisione diminuisse significativamente quando l'iscrizione e il test provenivano da giorni diversi. Ciò indica che, mentre il segnale d'identità centrale rimane, le condizioni specifiche del giorno — come la temperatura del laboratorio o lo stato della macchina — introducono un livello di rumore che il sistema deve imparare a ignorare. Lo studio ha esplicitamente escluso la necessità di un'identificazione chimica manuale, dimostrando che il computer poteva apprendere i pattern necessari direttamente dai dati grezzi, bypassando i passaggi lenti e guidati dagli esperti che avevano precedentemente limitato il campo.
Per spingere ulteriormente le prestazioni, il team ha introdotto un nuovo modo di guardare i dati, scomponendo la mappa chimica in tre diverse viste che evidenziavano diversi aspetti della struttura dell'odore. Hanno poi addestrato il sistema utilizzando un obiettivo matematico specifico progettato per mantenere i campioni dell'odore di ogni persona strettamente raggruppati, allontanando al contempo i campioni delle altre persone. Questa combinazione di una visione più dettagliata dei dati e di un metodo di addestramento più intelligente ha elevato il tasso di successo a circa il 62% allo stesso limite di errore rigoroso, con una capacità complessiva di distinguere tra le persone che raggiunge quasi il 93%. I ricercatori hanno notato che questo miglioramento non era solo un piccolo accorgimento, ma il risultato di come il sistema fosse stato istruito per organizzare le informazioni, provando che il metodo di addestramento corretto è importante quanto il dato stesso.
Nonostante questi progressi, gli autori sono chiari riguardo alle attuali limitazioni. Il sistema non è ancora pronto per sostituire gli scanner facciali o delle impronte digitali e richiede un ambiente di laboratorio controllato per raccogliere i campioni, il che attualmente richiede circa due ore e mezza di tempo macchina per persona. Lo studio ha inoltre evidenziato che le prestazioni del sistema potrebbero essere influenzate dal sesso biologico, poiché uomini e donne hanno profili olfattivi differenti, e il lavoro futuro dovrà garantire che il sistema identifichi gli individui indipendentemente dal genere. Inoltre, la stabilità a lungo termine di queste firme olfattive nel corso di mesi o anni rimane ignota. I ricercatori hanno reso l'intero dataset e il codice del loro sistema accessibili pubblicamente, invitando altri scienziati a costruire su questa base. Il loro lavoro dimostra che l'odore umano è un tratto biometrico vitale, capace di essere verificato dalle macchine, aprendo la porta a future applicazioni in cui il contatto fisico diretto o la linea di vista visiva non sono possibili.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.