Ist die KI, die Menschen anhand ihrer Zunge identifiziert, wirklich Geldverschwendung?

Produziert von: Science Popularization China

Autor: Zhou Zhou (Technische Universität Dalian)

Hersteller: China Science Expo

Anmerkung des Herausgebers: Um die neuesten Trends in der intelligenten Technologie vorzustellen, hat das Spitzentechnologieprojekt von China Science Popularization eine Artikelserie zum Thema „Künstliche Intelligenz“ veröffentlicht, um einen Einblick in die neuesten Fortschritte der künstlichen Intelligenz zu geben und auf verschiedene Bedenken und Neugierde einzugehen. Lassen Sie uns gemeinsam das intelligente Zeitalter erkunden und begrüßen.

Ich glaube, jeder hat solche Szenen in Hollywood-Blockbustern gesehen, in denen der Protagonist mithilfe der Mold-Reversing-Technologie die Fingerabdrücke anderer Leute kopiert und sogar einen Banksafe öffnen kann. Machen Sie sich schon Sorgen um Ihr „Portemonnaie“? Die Fingerabdruckerkennung ist im Alltag allgegenwärtig, ihre Sicherheit ist jedoch fraglich.

Forscher der Universitäten Edinburgh und Leeds in Großbritannien veröffentlichten jedoch kürzlich Forschungsergebnisse in der britischen Fachzeitschrift Scientific Reports. Diese zeigen, dass die winzigen Papillen auf der Zungenoberfläche einzigartige biologische Informationen zwischen Individuen verbergen, die unsere Probleme möglicherweise lösen könnten!

Der Grundstein für „Menschen an der Zunge erkennen“: die mikroskopische Welt des Warzenfortsatzes

Der Prozess der Merkmalsextraktion mittels 3D-Scantechnologie

(Bildquelle: Referenz 1)

Die Oberfläche der Zunge ist mit verschiedenen Papillen bedeckt, die Träger von Geschmacks- und Tastrezeptoren sind. Unter ihnen sind pilzförmige Papillen und fadenförmige Papillen die beiden häufigsten Typen. Die pilzförmigen Papillen sind groß, spärlich verteilt und an der Spitze halbkugelförmig. In ihnen befinden sich die Geschmacksknospen, die für die Geschmackswahrnehmung zuständig sind. Die fadenförmigen Papillen sind kleiner, zahlreicher und haben eine komplexere Form. Sie sind hauptsächlich für die Wahrnehmung der Konsistenz der Nahrung und der Reibung im Mund verantwortlich. Obwohl die Morphologie und Funktion der Papillen umfassend untersucht wurden, wissen Wissenschaftler immer noch wenig darüber, warum Papillen bei verschiedenen Individuen einzigartig sind.

In den letzten Jahren haben wir mit der Entwicklung der künstlichen Intelligenz die Möglichkeit, diese Mikrostrukturen eingehender zu erforschen. Diese Studie hat mithilfe von 3D-Scantechnologie und maschinellem Lernen 3D-Punktwolkendaten der Zunge gewonnen, um ein digitales Bild der Zungenpapillen zu erstellen. Nach der Analyse der geometrischen und topologischen Merkmale wurde festgestellt, dass die Form der Papillen auf der menschlichen Zunge einzigartig ist und die Form der Papillen bei verschiedenen Individuen erhebliche Unterschiede aufweist.

Tatsächlich waren die Unterschiede so groß, dass die Forscher die Teilnehmer anhand der Merkmale eines einzelnen Warzenfortsatzes mit einer Genauigkeit von 48 Prozent identifizieren konnten. Dies deutet darauf hin, dass Zungenpapillen als eindeutiger Bioidentifikator dienen können.

Jeder Warzenfortsatz ist anders.

(Bildquelle: Referenz 3)

Zu den in unserem täglichen Leben gebräuchlicheren Methoden zur Identitätserkennung zählen die Fingerabdruckerkennung, die Iriserkennung usw. Die durch diese Studie aufgedeckte Einzigartigkeit der Zunge hat eine neue Möglichkeit der modernen Identitätserkennung eröffnet, und die Zunge hat als Identifizierungsmethode ihre natürlichen Vorteile.

Zunächst einmal ist die Zunge einzigartig und einmalig. Eine einzelne Papille weist eine gewisse Einzigartigkeit auf, sodass dicht gepackte Papillen auf der Zunge die Erkennungsgenauigkeit natürlich besser gewährleisten können.

Zweitens ist die Zunge verborgen. Es befindet sich in der Mundhöhle, ist relativ versteckt und kann von anderen nicht so leicht beobachtet oder kopiert werden. Dadurch verringert sich das Risiko, dass Identitätsmerkmale böswillig erlangt und gefälscht werden.

Darüber hinaus bleiben die physiologischen Eigenschaften der Zunge im Laufe des Lebens eines Menschen relativ stabil und verändern sich aufgrund von Alterung, Gewichtsveränderungen oder allgemeinen äußeren Faktoren nicht wesentlich, wodurch langfristige und zuverlässige Erkennungsergebnisse gewährleistet werden. Und aufgrund der komplexen Struktur und der inneren Merkmale der Zunge ist es äußerst schwierig, die Merkmale der Zunge einer anderen Person zu fälschen oder zu imitieren, was die Sicherheit der Identitätsauthentifizierung erhöht.

Künstliche Intelligenz: Interpretation der geometrischen und topologischen Merkmale von Zungenpapillen

Mastoididentifizierung und topologische Merkmalsextraktion während des Forschungsprozesses

(Bildquelle: Referenz 1)

Obwohl die geometrischen und topologischen Merkmale der Zungenpapillen bei jedem Menschen unterschiedlich sind, ist es mit bloßem Auge schwierig, „eine Person anhand ihrer Zunge zu identifizieren“. Der Grund dafür ist, dass es für Menschen schwierig ist, derart komplexe geometrische und topologische Merkmale zu verstehen und sich daran zu erinnern. Genau diese komplexen Merkmale sind die Bereiche, in denen künstliche Intelligenz ihre Stärken ausspielt.

Zu den Fähigkeiten künstlicher Intelligenz gehören ein tiefes Verständnis und eine präzise Erkennung von Bildmerkmalen. Durch den Einsatz fortschrittlicher Techniken des maschinellen Lernens ist KI in der Lage, subtile Unterschiede aus Bildern zu extrahieren, die für unser bloßes Auge nicht wahrnehmbar sind.

Durch das Lernen und Analysieren großer Mengen von Bilddaten kann künstliche Intelligenz diese komplexen geometrischen und topologischen Merkmale genau identifizieren und klassifizieren. Insbesondere in den Bereichen Medizin und Biologie ermöglicht uns die Anwendung künstlicher Intelligenz beispiellose Erkenntnisse. Die oben genannten Forscher nutzten beispielsweise künstliche Intelligenz zur Analyse von 3D-Scanbildern und fanden heraus, dass die geometrischen und topologischen Merkmale der Zungenpapillen als einzigartige Biomarker zur Identifizierung von Personen und zur Diagnose von Krankheiten verwendet werden können.

Der KI-basierte Bilderkennungsprozess umfasst in der Regel folgende Schritte:

Sammeln und bereiten Sie zunächst eine große Menge hochwertiger Bilddaten vor. Anschließend werden Datenvorverarbeitungstechniken verwendet, um die Bilder zu entrauschen und zu normalisieren und so die Bildqualität und -konsistenz zu verbessern. Die vorverarbeiteten Bilder werden dann zur Merkmalsextraktion und Mustererkennung in ein KI-Modell eingespeist.

Im Prozess der Bilderkennung sind Modelle der künstlichen Intelligenz der Schlüssel. Unter ihnen ist das Convolutional Neural Network (CNN) ein Deep-Learning-Modell, das speziell für die Verarbeitung von Bilddaten entwickelt wurde. Wie funktionieren also Convolutional Neural Networks?

Der gesamte Prozess der Bilddatenverarbeitung mit CNN

(Bildquelle: Referenz 4)

Faltungsneuronale Netzwerke durchlaufen eine Reihe von Schritten, um zu erkennen, was sich in einem Bild befindet. Lassen Sie uns diese Schritte nacheinander durchgehen:

Zunächst unterteilt das Convolutional Neural Network das gesamte Bild in kleine Blöcke, so als würden Sie ein kleines Fenster über das Bild schieben. Betrachten Sie immer nur einen kleinen Teil und verschieben Sie das kleine Fenster, bis Sie das gesamte Bild gesehen haben.

Merkmale suchen: In jedem Patch sucht das Convolutional Neural Network nach bestimmten Merkmalen wie Kanten, Farbänderungen und Textur. Es ist, als würden Sie ein Foto betrachten und die Kanten, Farben und Texturen verschiedener Objekte bemerken.

Schichtweise Analyse: Faltungsneuronale Netzwerke haben viele Schichten und jede Schicht findet komplexere Muster aus den von der vorherigen Schicht extrahierten Merkmalen. Die ersten paar Schichten erkennen möglicherweise einfache Kanten und Farbänderungen, während nachfolgende Schichten komplexere Formen und Objekte erkennen.

Informationen integrieren: Durch eine schichtweise Analyse integriert das Convolutional Neural Network alle Merkmale, um ein Verständnis des gesamten Bildes zu entwickeln. Es ist wie das Zusammensetzen eines Puzzles: Jedes kleine Stück wird so zusammengesetzt, dass am Ende ein vollständiges Bild entsteht.

Klassifizierungsergebnisse: Schließlich bestimmt das Convolutional Neural Network anhand der extrahierten Merkmale, was sich im Bild befindet. So wird Ihnen beispielsweise angezeigt, ob es sich um einen Hund, ein Auto oder eine Landschaft handelt.

Eine weitere erweiterte Modellstruktur ist der Vision Transformer. Anders als herkömmliche Convolutional Neural Networks führt Vision Transformer einen Self-Attention-Mechanismus ein, um die globalen Merkmale im Bild besser zu erfassen. Es kann globale Abhängigkeiten in Bildern besser verarbeiten und eignet sich für die Verarbeitung von Bildern mit komplexen Hintergründen und mehreren Objekten.

ViT-Bildverarbeitungsprozess

(Bildquelle: Referenz 2)

Im Allgemeinen ermöglicht uns künstliche Intelligenz durch ihre leistungsstarke Rechenleistung und komplexe Modellstruktur ein tiefgreifendes Verständnis und eine Analyse komplexer geometrischer und topologischer Merkmale wie Zungenpapillen.

Das trainierte Machine-Learning-Modell kann sogar den Papillentyp vorhersagen

(Bildquelle: Referenz 3)

Anwendungsperspektiven: Vom Alltag bis zur Spitzentechnologie

Diese Forschung liefert einige neue Ideen zur Identitätserkennung. Man geht davon aus, dass die Zungenerkennung künftig sowohl im Alltag als auch in einigen Spitzentechnologiebereichen mit der vorhandenen Fingerabdruckerkennung, Gesichtserkennung und anderen Technologien zu einem multimodalen biometrischen System kombiniert werden kann, wodurch die Genauigkeit und Zuverlässigkeit der Identitätserkennung weiter verbessert wird.

Die Zungenerkennungstechnologie bietet in Zukunft folgende potenzielle Anwendungsszenarien:

Der erste ist der Smart-Home-Bereich, in dem durch die personalisierte Steuerung von Heimgeräten und die Einstellung von Zugriffsberechtigungen eine intelligente Heimverwaltung auf Grundlage der Sprachmerkmale der Familienmitglieder möglich ist.

Der zweite Bereich ist der Finanzdienstleistungssektor, wo beispielsweise Zungenerkennungstechnologie zum Einsatz kommt, um eine hochsichere Kontoanmeldung und Transaktionsauthentifizierung zu gewährleisten und so eine zusätzliche Sicherheitsebene für wichtige Finanztransaktionen bereitzustellen, sowie eine Identitätsauthentifizierung für Kreditkarten oder mobile Zahlungen, wodurch die Sicherheit des Zahlungsvorgangs erhöht wird.

Drittens können im Sicherheitsbereich die Zugangskontrollsysteme wichtiger Orte wie Regierungsbehörden, wissenschaftliche Forschungslabore, vertrauliche Archive sowie Grenzkontrollen und Ein- und Ausreisekontrollen alle mithilfe der Zungenerkennungstechnologie die Identitätsbestätigung von Personen unterstützen.

Viertens wird das Gesundheitswesen zur Überprüfung der Patientenidentität verwendet, um die Genauigkeit und Sicherheit medizinischer Aufzeichnungen sicherzustellen und eine falsche Zuordnung medizinischer Informationen zu verhindern. Und die Genehmigung zur Verwendung spezieller medizinischer Geräte, wie beispielsweise bestimmter medizinischer High-End-Geräte, für deren Betrieb eine strenge Identitätsauthentifizierung erforderlich ist.

Fünftens wird es im Justizbereich eingesetzt, um Kriminelle zu identifizieren und zu überwachen und eine genaue Verfolgung und Verwaltung der Kriminellen sicherzustellen.

Abschluss

Nach der Lektüre fragen sich manche Leser vielleicht, ob die Verwendung der Zungenerkennung einen Eingriff in die Privatsphäre darstellt und ob sich die Leute dadurch unwohl fühlen. Tatsächlich können wir nach Betrachtung der potenziellen Anwendungsszenarien der Zungenerkennung feststellen, dass die Anwendungsszenarien dieser Technologie hauptsächlich für fortgeschrittenere Technologiefelder geeignet sind, bei denen es sich eigentlich um private Felder handelt. Darüber hinaus kann es in Kombination mit anderen Erkennungsmethoden verwendet werden, um ein multimodales biometrisches System zu bilden und so die Sicherheit von Spitzentechnologien und anderen Bereichen zu erhöhen. Daher besteht kein Grund zur Sorge über das psychische Unbehagen, das diese Technologie mit sich bringt, denn niemand kann sie sehen. Ich bin davon überzeugt, dass die Zungenerkennungstechnologie mit der kontinuierlichen Weiterentwicklung der künstlichen Intelligenz ein breiteres Spektrum an Anwendungsszenarien haben wird und der Erkennung der menschlichen Identität besser dienen kann.

Quellen:

1. Rayna Andreeva, Anwesha Sarkar, Rik Sarkar. Maschinelles Lernen und topologische Datenanalyse identifizieren einzigartige Merkmale menschlicher Papillen in 3D-Scans [J]. Scientific reports, 2023, Vol.13(1): 21529

2. Hongming Xu, Qi

3. Burcu Tiryaki; Kubra Torenek-Agirman; Özkan Miloglu; Berfin Korkmaz; İbrahim Yücel Özbek; Emin Argun Oral. Künstliche Intelligenz in der Zungendiagnose: Klassifizierung von Zungenläsionen und normalen Zungenbildern mithilfe eines tiefen Convolutional Neural Network [J]. BMC Medical Imaging, 2024, Bd. 24(1): 59

4. Xu Wang; Jingwei Liu; Chaoyong Wu; Junhong Liu; Qianqian Li; Yufeng Chen; Xinrong Wang; Erkennen einer ungesunden Zunge mit Zahnflecken[J].Computational and Structural Biotechnology Journal,2020,Vol.18: 973-980