Kunstig intelligens kan hjælpe med at knække tidligere uløselige drabssager

Nogle af historiens mest berygtede uløste mordforbrydelser kan blive afsløret takket være ny retsmedicinsk forskning ledet ved Northumbria University, i Newcastle.

Dr. Matteo Gallidabino, Seniorlektor i retsmedicin ved Northumbria University, arbejder med kolleger på King's College London og Universiteterne i Lausanne, Santiago de Compostela og Rom (La Sapienza), har afsløret, at machine learning - et område med kunstig intelligens - kunne bruges til at bestemme hvilken ammunition, og i sidste ende hvilket skydevåben, var ansvarlig for et bestemt skud fra den rest, den efterlod.

Deres resultater er blevet offentliggjort i Royal Society of Chemistry's Analytiker journal - hjemstedet for grundlæggende opdagelser, opfindelser og anvendelser inden for analytiske og bioanalytiske videnskaber.

"Maskinlæring bruger en række algoritmer til at modellere komplekse datarelationer" forklarer Dr. Gallidabino. "Gennem omhyggelig finjustering, disse kan anvendes til at forudsige vigtige egenskaber ved den ammunition, der bruges i en bestemt skydebegivenhed, fra dem fra den respektive skudrester (GSR), der er deponeret på omgivende overflader eller genstande, såsom brugte sager, sår og, potentielt, også skytterens hænder. "

Dette er en banebrydende progression sammenlignet med teknikker, der i øjeblikket er tilgængelige i GSR-analyse. Ja, den komplekse computerstatistik, der er implementeret af forskergruppen, gør det muligt at identificere den ammunition, der er ansvarlig for de forskellige skudspor, der er efterladt på et gerningssted og eventuel sammenhæng mellem sådanne spor, med enestående nøjagtighed. Begge muligheder er i øjeblikket udfordrende ved hjælp af traditionelle retsmedicinske metoder.

Med den videre udvikling af den foreslåede tilgang, nye efterforskningsforanstaltninger kunne hurtigt forfølges for at undgå lignende uløste mord fra fortiden, ligesom Jill Dando i 1999 og de berygtede drab på Bloody Sunday i 1972.

"Efter den blodige søndag, problemet var at afgøre, om der blev affyret skud af civile eller militærpersonalet "fastslår Dr. Gallidabino." Efterforskerne fandt store mængder GSR overalt i ofrene og konkluderede, at disse skyldtes skydeaktiviteter. Det blev senere etableret, imidlertid, at disse sandsynligvis skyldtes det sekundære, post-event overførsel af forurening fra militærpersonale-hvis hænder var rige på GSR-til døde kroppe. Små mængder GSR, Ja, kan overføres ved langvarige kontakter med forurenede overflader, som dem, der fandt sted, da soldater hjalp med at transportere ofre til hospitalet efter begivenheden.

"Hvis teknikker som dem, vi udvikler nu, var tilgængelige på det tidspunkt, de kunne have været brugt til at afgøre, om GSR'er kom fra civil ammunition eller militær brand, hvilket ville have været et kritisk bevis. "

Dr. Gallidabino har specialiseret sig i statistisk modellering og maskinlæringsteknikker til retsmedicinske applikationer. Han udviklede og testede personligt både den innovative kemiske teknik og de matematiske modeller, der blev brugt i fremgangsmåden, efter at have affyret en række ammunition. Efter at have samlet pistolpatronerne, han analyserede dem, og især den flygtige del af GSR, inden han vendte opmærksomheden mod de originale røgfrie pulvere. Herfra, han var i stand til at etablere et forhold mellem ammunitionen og resterne, med de samme statistiske metoder, som computerforskere brugte til at træne robotter.

I forlængelse af dette, forskergruppen har opfordret til, at denne unikke metode anvendes meget mere bredt inden for retsmedicinsk videnskab og, mere generelt, analytisk kemi. "Fordelene er utallige" sagde Dr. Gallidabino. "De kan endda strække sig til andre områder inden for analytiske videnskaber, der rutinemæssigt støder på foranderlige kemiske spor, såsom analyse af improviserede eksplosive anordninger, ildspåsættelse og miljøforurenende stoffer. "

Dr. Leon Barron, Seniorlektor i retsmedicin fra King's College London, tilføjede:"Sammensmeltningen af ​​state-of-the-art laboratorieanalyser med computerbaseret maskinlæring vil gøre det muligt for os at udnytte de store mængder data, vi nu genererer, for at gøre banebrydende fremskridt som dette oftere. I retsmedicin, og ofte givet de forskellige scenarier og sekvenser af involverede begivenheder, maskinlæring repræsenterer en af ​​de mest lovende måder til hurtigere at få bevis for beviser for at understøtte det strafferetlige system. "

Jill Dando

Den 26. april, 1999, den 38-årige BBC-stjerne blev skudt død på dørtrinnet til sit hjem i Fulham, West London i det, der stadig er et af Storbritanniens mest højt profilerede uløste mord. Barry George, der boede et par minutter fra Jills hus, blev fængslet i otte år for sit drab, men blev ryddet efter en ny retssag i 2008 efter bekymringer rejst over retsmedicinske beviser. Sagen forbliver åben.

At have mere viden om kilden til GSR på tidspunktet for drabet kunne have været nyttigt, ifølge Dr. Gallidabino og resten af ​​forskerholdet.

"En enkelt GSR -partikel blev fundet i lommen på frakken af ​​Barry George (den mistænkte)", siger han. "Denne partikel viste sig at have en virkelig lignende sammensætning til dem, der blev fundet på offeret, Jill Dando, i henhold til tilgængelige teknikker til tiden. Da der ikke fandtes nogen godkendt metode til sammenligning af GSR -sammensætninger på forskellige overflader, imidlertid, dette bevis blev stærkt anfægtet. Med vores tilgang, vi håber i fremtiden at levere robuste værktøjer til retshåndhævende myndigheder til mere effektivt at håndtere denne form for situation. "