При опознавании веществ (например гормонов) можно использовать биологические объекты

В начале нашего века русский биолог М. С. Цвет сделал интересное открытие. Он пропускал раствор смеси пигментов (биологических красителей) через стеклянную трубку, заполненную порошком пористого поглотителя. И вот странное дело: столбик поглотителя окрасился не в первоначальный цвет смеси, а приобрел полосатую расцветку. Разноцветные кольцевые зоны свидетельствовали о том, что поглощенная смесь расслоилась на составные части. Оставалось лишь пропустить через трубку растворитель, чтобы вымыть из поглотителя и собрать по отдельности очищенные друг от друга составные части смеси. Открытый таким образом способ разделения и очистки веществ М. С. Цвет назвал хроматографией.

Прошло полвека, и хроматография стала одним из самых распространенных аналитических методов. Это понятно. Раньше на анализы сложных смесей уходили дни и недели кропотливого труда. Хроматография принесла с собой подкупающую простоту и небывалую скорость анализа. В самом деле: вы вводите в колонку всевозможные многокомпонентные смеси и через считанные минуты, а то и секунды получаете чистые компоненты. Даже анализ такой смеси, как нефть, теперь не составляет труда. Но разве дело только в быстроте? Хроматография обеспечила изумительную степень очистки выделенных препаратов. Общеизвестно широкое применение синтетических ионообменных смол — ионитов — для извлечения ценных веществ из жидких промышленных сбросов, для очистки питьевой воды. Пожалуй, именно хроматография положила начало химии чистых веществ. Значительно облегчилась, а в некоторых случаях и впервые появилась возможность разделять близкие по свойствам соединения, элементы и их изотопы. Высокая чувствительность этого метода позволила получать и изучать неуловимые количества вещества. В некоторых случаях хроматографический метод успешно конкурирует со спектральным, так как позволяет накапливать ощутимые количества веществ из их ничтожных следов. При исследовании новых элементов периодической системы его чувствительность превышает чувствительность масс-спектрографа. И это еще не все. Хроматографический анализ позволяет автоматизировать химическое производство. Показания приборов можно непрерывно сообщать электронным машинам, управляющим технологическим процессом.

Разновидностью описываемого метода является хроматография на бумаге. Опыт проводят следующим образом. На длинную полоску бумаги, ближе к верхнему концу ее, наносят маленькое пятнышко исследуемой смеси. Одновременно верхний конец помещают в сосуд со смесью растворителей. Впитываясь и распространяясь вниз по бумажной полоске, растворитель размывает исходное пятно на компоненты. В результате опыта бумажная полоска оказывается покрытой серией пятен, в которых после проявления можно опознать искомые вещества.

Распределительная хроматография на бумаге перспективна при работе с ультрамалыми количествами веществ и в этой области неминуемо вытеснит колоночную. Характеризуя чувствительность хроматографии на бумаге в сочетании с разделением ионов при наложении электрического поля, упомяну, что при помощи этого метода удается разделить изотопы Na22 и Na24. Для быстрого качественного определения состава иногда достаточно просто капнуть смесью на бумагу, предварительно пропитанную особым проявителем. Капелька расплывается радужными концентрическими кольцами, причем последовательность и сочетание цветов каждый раз своеобразные. Разработана целая система методов подобного капельного анализа... К. В. ЧМУТОВ, журнал "Техника-молодёжи" времён СССР

Вот как работает аппаратура для газовой хроматографии. Из специального баллона под давлением в герметичную систему непрерывно и с постоянной скоростью подается химически инертный газ-носитель. Он увлекает с собой в колонку анализируемую смесь, которая впрыскивается в поток газа-носителя с помощью миниатюрного дозирующего шприца.

Главный узел аппаратуры — сама колонка. Чтобы разделение анализируемой смеси было наиболее полным, маршрут газов по лабиринтам пор или  капилляров должен быть достаточно длинным. Длина колонки с пористым наполнителем составляет от 1 до 13 м, протяженность капилляра может достигать 300 м. Для большей компактности трубки и капилляры изгибаются в виде спирали. В таком виде колонна легко умещается а небольшой термостат, который поддерживает температуру колонки неизменной. А это очень важно. Ведь от температуры зависит растворимость анализируемых газов в жидком поглотителе.

Каков механизм капиллярной хроматографии?

Проходя через капилляр, анализируемая газовая смесь, впрыснутая в поток носителя, улавливается разделяющей «неподвижной жидкостью». Но так как газ-носитель течет через капилляр непрерывно, то вскоре начинается обратный процесс — переход поглощенных паров смеси в газовый поток. Скорость такого перехода зависит от природы компонента. Вот почему каждое из веществ проходит через колонну за строго определенное время. На выходе из колонки поджидают чувствительные опознающие приборы — детекторы.

В настоящее время имеется много различных конструкций детекторов, но по принципу действия они могут быть разделены на три группы: физико-химические, физические и биологические.

В детекторах первого типа вещество опознается по характерным для него химическим превращениям. Из физико-химических детекторов сейчас особенно распространены пламенные. Газ-носитель, скажем водород, при выходе из колонки поджигается. При появлении в водороде какого-либо нового вещества температура пламени резко изменяется. что немедленно воспринимается термопарой. ...детекторы второго типа, в которых исследуемые вещества определяются, например, по изменению теплопроводности выходящего газа. Это тан называемые катарометры. В простейшем случав они представляют собой две трубки из стекла или металла со впаянной вдоль оси проволокой. Через одну из них пропускается газ-носитель, в другую поступают разделенные газы. Проволока нагревается током.

В зависимости от свойств газа, проходящего по трубке, температура и сопротивление нити меняются.

Наконец, при опознавании веществ (например, гормонов) можно использовать биологические объекты. Например, некоторые бабочки в присутствии определенных запахов вьют крыльями и начинают "танец".

Подобные биологические детекторы бывают очень чувствительны, но могут применяться лишь для качественных измерений.

Показания детекторов передаются автоматическому прибору — самописцу, а тот вычерчивает на бумаге кривую с частоколом пиков-зубцов.

Площадь, очерченная пиком, пропорциональна количеству компонента в смеси.

 

Футурология (продолжение)

 

Проблема аутентичности: системы распознавания лиц переходят на личности

– Продавец, дайте мне вон ту фаянсовую кису.

– Это не киса! Это Семён Михайлович Будённый.

Многие системы распознавания позиционируются в сфере видеонаблюдения, но сфера эта сегодня малорезультативна, о чем предупреждал учебник «Советская криминалистика», где сказано, что «буржуазная криминалистика используется полицейскими органами не столько в борьбе с уголовной преступностью, а больше для оказания помощи господствующим классам». А учебнику этому доверие большое, поскольку, будучи издан в 1962 г., он грамотно комментирует работу современного механизма нейронального распознавания черт лица – изобретения, отмеченного государственной Премией инноваций в немецкой науке. Потому мы и рекомендуем такие системы для архивов изображений общего назначения, что в описании рабочих модулей часто говорится об исключении влияния, в числе внешних факторов, старения лица – а упомянутый учебник не придаёт существенного значения возрастным изменениям внешности, поскольку «в раскрытии преступлений обычно фигурируют небольшие временные отрезки».

В описании многих модулей сказано, что вероятность распознавания при хорошем качестве изображения лежит в пределах 80% – и учебник объясняет причину такой недоработки: «Знакомого человека легче узнать в фас или в 3/4 оборота, но если ставится задача по имеющемуся описанию или фотографии опознать человека не виденного ранее, или сравнить внешность на нескольких фотографиях, более важное значение приобретают признаки профиля».

Учебник предупреждал, что «теоретические положения буржуазной криминалистики никогда не отличались и не отличаются глубиной разработки», а выбор методов расследования, по мнению одного из авторитетов западной криминалистики, «всецело зависит от интуиции и вдохновения, а результаты следствия от простой удачи». Избыток вдохновения теперь и мешает патрулям проверять документы так же скрупулёзно, как это делал капитан СМЕРШ (и как теперь может сделать только «робот-эксперт») в знаменитом эпизоде романа В. Богомолова «Момент истины». Любой другой подход правоохранителей будет, согласно учебнику, означать «обычное житейское узнавание по чертам внешности», а оно «производится по общему впечатлению, которое нередко бывает ошибочным».

Казалось бы, в 1962 г. у нас был тоталитаризм, однако, он не помешал авторам учебника признать, что «научно-технические средства разрабатываются буржуазными криминалистами более обстоятельно и на достаточно высоком уровне». И действительно: зачем повышать квалификацию личного состава, если техника, используя возможности баз данных, производит, в том числе, и селекцию по признаку национальности. А законна ли селекция именно по этому признаку с точки зрения прав человека? Смотрим ответ в учебнике «Советская Криминалистика»: «Буржуазные криминалисты считают, что их наука не имеет отношения к юридическим дисциплинам и что рекомендуемые ими методические и технические средства не связаны законом».

Апробированные системы распознавания экстрагируют из толпы лица людей, в течение буквально секунд проводя их сравнительный анализ по базе данных. Относительно реакции систем на изменение внешности очками, бородой и т. п. даётся такой критерий: до тех пор, пока человека узнают знакомые ему люди, система также не ошибается. В процессе сравнения лицо располагается фронтально к объективу, а сравниваемые кадры должны быть выполнены с порядком разрешения не менее 100 × 100 пикселей. На примере модуля системы ZN, снабженного системой оптических фильтров для распознавания имитации внешности, можно увидеть, как путём «захвата в сеть» происходит распознавание лица при изменённых мимике, позе и масштабе.

Основой системы Facelt при распознавания лица является метод его кодирования. Используется Анализ Локальных Характеристик (LFА) для представления изображений лица в виде локальных, статистически обоснованных, стандартных блоков данных. LFA является математическим методом, который основывается на утверждении, что все лица могут быть получены из минимального набора конструктивных элементов. Эти конструктивные элементы получены из репрезентативной выборки лиц с использованием современных статистических методов, которые охватывают являющиеся локальными многочисленные пиксели лица и универсально представляют лицевые формы (но не обычно известные лицевые особенности). Фактически в наличии имеется намного больше элементов построения лица, чем количество самих частей лица. Однако, синтезирование данного изображения лица с высокой точностью, требует только малого набора (12-40 характерных элементов) из полного доступного набора. Идентичность лица определяется не только характерными элементами, но и способом их геометрического объединения (т. е. учитываются их относительные позиции). Полученный математический код индивидуальной идентичности содержит информацию, которая отличает лицо от миллионов других, и может быть сопоставлен и сравнен с другими с большой точностью. Шаблон не зависит от изменений в освещении, тона кожи, наличия/отсутствия очков, выражении лица, волос на лице и голове, устойчив к изменению в ракурсах до 35° в любых направлениях.

На одной из выставок правоохранительной тематики встретилось лишь одно предложение технологии распознавания лиц, и оно предлагается на нашем рынке уже несколько лет. Видимо, поэтому продавец постеснялся в рекламном буклете указать системные требования к аппаратной платформе для этой технологии. Но мы разыскали эти требования и основное из них – Pentium 75 МГц. И это сегодня, когда величины тактовых частот измеряются в гигагерцах, нам предлагается приложение, которое неизвестно как реализуется на новейших моделях компьютеров. Вероятность же распознавания осталась на уровне многолетней давности: «достигает 80%». Налицо классический случай единства формы и содержания: столь скромная вероятность распознавания прямо связана с названием – «система распознавания по изображению лица».

Всё без обмана: согласно «Толковому словарю» С. И. Ожегова и Н. Ю. Шведовой, лицо – это передняя часть головы человека. То есть, из технического задания на систему распознавания был априори исключен вид головы сбоку – а ведь информативность профиля такова, что порой кардинально изменяет имидж человека. Например, очень яркая телеведущая избегала показываться в профиль по причине «большого» выступания носа; оно еще бывает «малым» и «средним», контур же спинки её носа относится к разряду «выпуклых». И наоборот: средних способностей киноактриса, также с «большим» выступанием носа, очень любила сниматься в профиль, поскольку контур спинки её носа скорее «вогнутый», что придаёт её ролям подчеркнутую характерность сексуального оттенка. А еще одна экранная звезда перед объективами принципиально делала головой пол-оборота вправо, полагая, что так она смотрится выигрышнее – а между тем, в таком ракурсе вероятность распознавания уменьшается. Именно такое поведение и звезды, и системы распознавания объясняется тем, что разные конфигурации лба могут сделать ракурсы одного и того же человека и привлекательными, и непривлекательными и неузнаваемыми.

А затем лицо человеческое не всегда имеет свой естественный вид: то оно клонится к красоте, а то к безобразию.

Кей-Кавус, "Кабус-наме" (Глава XXIII "О покупке рабов и ее правилах"), XI в.

Впрочем, свои классификаторы судебная криминалистика вывела и для других деталей и пропорций человеческого лица. И если системы распознавания пользовались лишь несколькими деталями и пропорциями, это было логичным много лет назад, когда компьютеры медленно обсчитывали изображения. Но сегодня, когда скорости обсчета многократно выросли, предлагать устаревшие программы с вероятностью распознавания далёкой от 100%, наверное, неправильно. Поэтому на современном этапе развития систем распознавания изображений человека уместнее, на наш взгляд, говорить не о «распознавании лиц», а о «распознавании образов», имея в виду, что, согласно тому же толковому словарю, образ – это «результат и идеальная форма отражения предметов и явлений материального мира в сознании человека».

Применительно к технологиям распознавания, принципиальная разница между «лицом» и «образом» состоит в методике составления библиотеки визуальных шаблонов. В случае «лиц» эту библиотеку чисто механически составляет фотокамера, рисуя, по сути, фотоальбом передних частей множества голов – операция сколь примитивная, столь же и малоэффективная. В случае же «образов», библиотека визуальных шаблонов составляется высокообразованными специалистами и в основе её должны быть изображения тех самых «явлений». Например, мимики, поскольку мимика – это «движения лица, выражающие внутреннее душевное состояние». В приведённом же примере с экранной звездой, которая снимается, полуобернув голову вправо, визуальным шаблоном будет и этот ракурс, в котором барышня позиционирует себя именно как «явление», отразившееся в её же сознании.

Имеет ли всё это практическое значение? Можно назвать несколько применений, наиболее известное из которых мобильная телефония. Фирмы–производители мобильных телефонов работают над оснащением своих изделий функцией распознавания движений губ, чтобы телефон сохранял работоспособность в условиях шумовых помех. Фирмы-производители роботов-игрушек начали обучать своих киберсобачонок распознавать гримасы хозяина. Для обоих этих примеров характерно то, что распознаются образы не какого-то индивидуума (как при распознавании лиц – физиономия шулера, которого не следует пускать в казино), а свойства, присущие целым народам: движения губ при разговоре и гримаса, выражающая эмоцию.

Однако, читать по глазам начальства умели задолго до изобретения письменности.