بازسازی چهره با DNA: هوش مصنوعی چگونه هویت شما را فاش میکند؟

از دیرباز، ویژگی‌های چهره نه‌تنها در زندگی روزمره، بلکه در حوزه‌های حساسی مانند پزشکی قانونی، نقشی کلیدی در شناسایی افراد ایفا کرده‌اند؛ به‌ویژه در مواردی که روش‌های سنتی شناسایی کارایی ندارند.

با پیشرفت فناوری‌های توالی‌یابی ژن با توان عملیاتی بالا، دامنه شناسایی در پزشکی قانونی گسترش یافته و به رویکردی جسورانه‌تر منجر شده است: استخراج ویژگی‌های چهره صرفاً از DNA.

اگرچه ماهیت پیچیده وراثت چهره و تأثیرات درهم‌تنیده عوامل ژنتیکی و محیطی چالش‌هایی ایجاد می‌کند، تلاش‌ها برای مدل‌سازی ویژگی‌های انسانی بر اساس داده‌های ژنتیکی همچنان ادامه دارد.

تبدیل مستقیم کد ژنتیکی به ویژگی‌های ظاهری چهره، به‌دلیل محدودیت‌های موجود در درک ژنتیک شکل‌گیری چهره، همواره هدفی دشوار بوده است. اما ظهور فناوری‌های هوش مصنوعی، به‌ویژه مدل‌های مولد چندوجهی، راه را برای تحولات بنیادین در این حوزه گشوده است.

در این میان، فناوری «Difface» به‌عنوان یک روش نوین مطرح شده که از مدل‌های انتشار و نقشه‌های تطبیق ژنتیک-تصویر برای بازسازی چهره انسان به‌صورت سه‌بعدی بر اساس توالی DNA استفاده می‌کند.
 

«دستگاه» چگونه کد ژنتیکی را به چهره سه‌بعدی تبدیل می‌کند؟

در مطالعه‌ای که اخیراً در مجله Advanced Science منتشر شده، پژوهشگران آکادمی علوم چین مدلی پیشرفته به نام «Device» توسعه داده‌اند که با بهره‌گیری از هوش مصنوعی، تصاویر سه‌بعدی چهره را مستقیماً از داده‌های DNA بازسازی می‌کند.

این مدل، پلی‌مورفیسم‌های تک‌نوکلئوتیدی (SNP) را به ویژگی‌های ظاهری چهره مرتبط می‌سازد و قادر است جزئیات چهره را با دقت بالا پیش‌بینی کند.

«لونین چن»، یکی از نویسندگان این پژوهش، در این‌باره می‌گوید: «این دستگاه به‌صورت شگفت‌انگیزی توانست تصاویر سه‌بعدی از چهره افراد را تنها بر اساس DNA تولید کند و حتی تغییرات ظاهری آن‌ها را در سنین بالاتر پیش‌بینی نماید.»

«Device» از ترکیبی از تکنیک‌های پیشرفته، شامل یادگیری کنتراست چندوجهی، ترانسفورماتورهای هیبریدی، پیچش‌های مارپیچی و مدل‌های انتشار، برای تبدیل کد ژنتیکی به چهره‌ای واقع‌گرایانه با وضوح بالا استفاده می‌کند.

دقت ژنتیکی چشم‌گیر در شبیه‌سازی چهره

بر اساس این پژوهش، مدل «Device» با استفاده از ۹٬۶۷۴ مجموعه‌داده شامل SNPها و اسکن‌های سه‌بعدی چهره افراد چینی هان آموزش دیده است.

این مدل ابتدا داده‌های ژنتیکی و ساختار چهره را در یک فضای ویژگی با ابعاد پایین نمایش می‌دهد و سپس با به‌کارگیری مدل‌های مولد مبتنی بر انتشار، چهره سه‌بعدی را بازسازی می‌کند.

افزودن متغیرهایی مانند سن، جنسیت و شاخص توده بدنی (BMI) دقت مدل را به‌طور چشمگیری بهبود بخشید، به‌طوری‌که «Device» در ارزیابی‌ها به نرخ شناسایی ۳٫۳۳٪ (رتبه ۱) و میزان AUC معادل ۸۰٫۷٪ دست یافت.

میانگین خطای بازسازی چهره (فاصله اقلیدسی) در حالت استفاده صرف از SNPها، ۳٫۵۲ میلی‌متر بود که با افزودن متغیرهای فنوتیپی به ۲٫۹۳ میلی‌متر کاهش یافت. همچنین، این مدل توانست تغییرات چهره در گروه‌های سنی مختلف را با دقت بالایی پیش‌بینی کند.
 

آیا می‌توان به نتایج «دستگاه» با داده‌های محدود اعتماد کرد؟

هرچند «Device» حتی با داده‌های ژنتیکی ناقص نیز عملکرد مطلوبی داشت، اما کاهش پوشش SNPها به کمتر از ۷۰٪ منجر به افت دقت آن شد.

بااین‌حال، مدل توانست تنوع چهره‌ها را به‌خوبی شبیه‌سازی کند، به‌طوری‌که امتیاز تنوع (DPP) آن ۹٫۶۶ در مقایسه با ۰٫۹۹۹۹ در تصاویر واقعی بود.

یکی از مزایای کلیدی این مدل، قابلیت تفسیر آن است. پژوهشگران با استفاده از مقادیر SHAP و تجزیه‌وتحلیل GWAS، SNPهای مرتبط با ویژگی‌هایی مانند شکل بینی و ساختار استخوان گونه را شناسایی کردند. این یافته‌ها از نظر زیست‌شناختی تأیید شده و با مسیرهای تکاملی شناخته‌شده همخوانی دارند.
 

کاربردهای گسترده و آینده‌ای امیدوارکننده

«Device» قابلیت استفاده در حوزه‌های متعددی را دارد، از جمله:

پزشکی قانونی: شناسایی افراد بر اساس نمونه‌های DNA آسیب‌دیده یا ناقص.

پزشکی شخصی‌سازی‌شده: بررسی نقش ژن‌ها در شکل‌گیری ویژگی‌های چهره.

پژوهش‌های ژنتیکی: درک بهتر رابطه بین ژنوم و صفات فیزیکی.

در یک آزمایش عملی، شرکت‌کنندگان توانستند چهره‌های واقعی را با چهره‌های تولیدشده توسط مدل با دقت ۷۵٫۶٪ تشخیص دهند.

اگرچه این مدل بر اساس داده‌های یک گروه قومی همگن (چینی‌های هان) توسعه یافته، اما معماری آن قابلیت تعمیم به سایر جمعیت‌ها را دارد. پژوهشگران بر لزوم آموزش مدل با داده‌های چندقومیتی برای افزایش دقت و انصاف در کاربردهای آینده تأکید کرده‌اند.
 

چالش‌های اخلاقی و نگرانی‌های محوری

با وجود پیشرفت‌های فنی، استفاده از این فناوری پرسش‌های اخلاقی جدی را درباره حریم خصوصی ژنومی، شناسایی مجدد افراد و سوءاستفاده در سیستم‌های نظارتی مطرح می‌کند.

توانایی بازسازی چهره از DNA ناشناس، خطر سوءاستفاده در حوزه‌هایی مانند قانون، بیمه و خدمات درمانی را افزایش می‌دهد. کارشناسان هشدار داده‌اند که پیش‌بینی فنوتیپ از DNA ممکن است به دسترسی غیرمجاز به داده‌های حساس یا حتی تبعیض ژنتیکی بینجامد.

برای مثال، در سال ۲۰۲۲ (۱۴۰۱)، پلیس ادمونتون کانادا از مردم خواست تا با استفاده از یک تصویر کامپیوتری مبتنی بر DNA، مظنون یک پرونده تجاوز جنسی را شناسایی کنند. این اقدام به‌دلیل عدم شفافیت در روش تولید تصویر با انتقادات شدیدی مواجه شد و نهایتاً پلیس درخواست خود را پس گرفت.

«لونین چن» دراین‌باره تأکید کرد که ملاحظات اخلاقی بخش جدایی‌ناپذیر از این پژوهش بوده و تیم وی از چارچوب‌های استاندارد اخلاقی پیروی کرده است. بااین‌حال، ضروری است که قوانین جامع و گفت‌وگوی چندرشته‌ای بین دانشمندان، قانون‌گذاران و مدافعان حقوق بشر شکل گیرد تا از کاربرد مسئولانه این فناوری اطمینان حاصل شود.
 

سخن پایانی: آینده این فناوری کجاست؟

اگرچه «Device» از دقت بالایی برخوردار است، اما هنوز در مرحله آزمایشی قرار دارد و نیازمند گسترش پایگاه داده، بهبود تنوع نژادی و تقویت چارچوب‌های اخلاقی است.

پرسش کلیدی آینده تنها این نیست که «آیا می‌توان چهره را از DNA پیش‌بینی کرد؟»، بلکه این است که «چگونه می‌توان از این توانایی به‌صورت مسئولانه استفاده کرد؟» این چالش، همزمان آزمونی برای پیشرفت فناوری و ارزش‌های اخلاقی جامعه خواهد بود.