Современная криминалистика переживает технологическую революцию благодаря инициативам, реализуемым Центром искусственного интеллекта и науки о данных СПбГУ. Команда российских ученых под руководством Анны Головкиной совместно с исследователями из Германии и Дании разработала инновационный метод DCA-ML, который сочетает возможности машинного обучения и цифрового анализа цвета. Этот подход открывает новые горизонты для анализа и классификации чернил, помогая выявлять подделки документов максимально точно, безопасно и экономично.
Современные вызовы криминалистического анализа чернил
Анализ чернил давно занимает важное место в экспертизе документов. Его применяют для определения подлинности расписок, ценных бумаг и произведений искусства. До появления новых методик специалисты опирались в основном на спектроскопию, хроматографию или микроскопию. Спектральный анализ требует дорогостоящей аппаратуры и остро реагирует на наличие посторонних примесей, в то время как хроматографические методы нуждаются в образцах-эталонах и не обходятся без разрушения исследуемого объекта.
Микроскопия даёт подробную визуализацию, но не раскрывает химический состав чернил, а её эффективность во многом ограничена чисто техническими возможностями оборудования. Помимо высокой цены, эти технологии грешат тем, что подчас повреждают ценные объекты или изменяют структуру оригиналов, что делает их неприменимыми для части экспертиз, особенно когда речь идёт о хранении культурного наследия.
Цифровой анализ цвета и переход к неразрушающим методам
Альтернативой традиционным методам становится цифровой анализ цвета (DCA), который успешно осваивают в СПбГУ и за рубежом. Использование фотографий, сканов и компьютерных технологий позволяет специалистам анализировать чернильные следы без физического вмешательства в структуру бумаги. Такой подход не только бережёт ценные документы, но и ускоряет процесс экспертизы, снижает затраты и устраняет множество рисков, связанных с разрушением материала.
Уникальность работы Центра состоит в интеграции DCA с методами машинного обучения, что дало жизнь методу DCA-ML. Теперь для анализа документов используются сложные алгоритмы, способные улавливать тончайшие цветовые нюансы и группировать чернила по их свойствам.
Преимущества DCA-ML в сравнении с традиционными способами
Как подчёркивает Анна Головкина, DCA-ML выгодно отличается от всех известных до сих пор методов. Прежде всего, это неинвазивность: обработка документа производится без нанесения какого-либо вреда, исключая возможность его повреждения или утраты исторической ценности. В отличие от традиционной химии, при DCA-ML не используются реактивы и небезопасные химические соединения.
Методика успешно адаптируется для работы не только с современными рукописями, но и с архивными материалами, произведениями искусства, старинными автографами и подписями. Кроме того, её можно расширять и модифицировать под новые классы задач, связанные с проверкой подлинности различных документов, от частных писем до музейных раритетов.
Особенности работы метода и внедрение инноваций
В ходе экспериментов команда изучала поведение чернил под воздействием ультрафиолетового излучения, фиксировала их цветовые изменения, используя системы RGB (красный–зелёный–синий) и HSV (оттенок–насыщенность–яркость). Алгоритмы машинного обучения позволили выявлять и классифицировать чернила, учитывая малейшие отличия, что оказалось невозможным для классических методик.
Использование цифровых решений даёт возможность специалистам получать результаты быстрее и анализировать даже те документы, к которым раньше практически невозможно было подобрать методы экспертизы. Благодаря этому новшеству экспертиза становится не только более точной, но и доступной — и по времени, и по стоимости.
Роль Центра искусственного интеллекта и науки о данных СПбГУ
Научные прорывы в области компьютерного анализа документов стали возможны благодаря работе Центра искусственного интеллекта и науки о данных СПбГУ, основанного в 2020 году. Центр является ключевой площадкой по подготовке специалистов, научных исследований и внедрению новых разработок в области искусственного интеллекта, что соответствует национальной стратегии развития ИИ России до 2030 года.
Под руководством Анны Головкиной реализованы масштабные междисциплинарные проекты, органично сочетающие химию, математику, искусственный интеллект и IT-инфраструктуру. Центр стремится обеспечить безопасность документационного обмена, сохранение исторического наследия и совершенствование судебно-экспертной практики на всех уровнях.
Перспективы применения DCA-ML и будущие шаги
Эффективность DCA-ML уже подтверждена практикой. Методы из арсенала искусственного интеллекта позволяют выявлять не только факт подделки, но и устанавливать возраст чернил, происхождение материалов и даже условия хранения. Всё это открывает принципиально новые возможности для музейных работников, архивистов, реставраторов и криминалистов.
Эксперты прогнозируют, что технология DCA-ML за несколько лет может стать золотым стандартом судебной практики и исследования рукописных документов. Комбинация анализа цвета с машинным обучением позволяет уменьшить влияние человеческого фактора, сделать экспертные заключения максимально объективными, а саму процедуру — быстрой и недорогой. Постоянное совершенствование алгоритмов и расширение базы данных чернил увеличивает точность выявления подделок и укрепляет значимость метода для российской и мировой науки.
Таким образом, сотрудничество Центра искусственного интеллекта и науки о данных СПбГУ с зарубежными коллегами, а также лидерство и научная одержимость Анны Головкиной уже приносят реальные плоды: появляется мощный инструмент для защиты подлинности документов, сохранения культуры, справедливости и исторической памяти.
Источник фото: ru.123rf.com
Источник: scientificrussia.ru
