Υπόθεση Marfin: H Τεχνητή Νοημοσύνη οδήγησε τη λύση μετά από 16 χρόνια

Η Ελληνική Αστυνομία κατάφερε να ταυτοποιήσει τρεις από τους δράστες που συμμετείχαν στον εμπρησμό της τράπεζας Marfin αξιοποιώντας προηγμένα ψηφιακά εργαλεία και αλγορίθμους τεχνητής νοημοσύνης.

marfin-syllipsi

Το πρόβλημα: υλικό χαμηλής ποιότητας από το 2010

Το μεγαλύτερο εμπόδιο που αντιμετώπισαν οι αστυνομικές αρχές κατά την έρευνα της υπόθεσης ήταν η ποιότητα του οπτικοακουστικού υλικού. Τα βίντεο και οι φωτογραφίες της εποχής — από το σύστημα καταγραφής της τράπεζας, από φωτορεπόρτερ και από κάμερες της περιοχής — ήταν θολά και χαμηλής ανάλυσης, με τους δράστες να έχουν καλυμμένα χαρακτηριστικά.

Ανάκτηση δεδομένων και συγχρονισμός καρέ-καρέ

Το πρώτο τεχνικό βήμα ήταν η «διάσωση» του ίδιου του υλικού. Η Υποδιεύθυνση Ψηφιακής Εγκληματολογικής Έρευνας και Ανάλυσης της Διεύθυνσης Εγκληματολογικών Ερευνών εφάρμοσε προηγμένες μεθοδολογίες ψηφιακής ανάλυσης, με τις οποίες έγινε αποκατάσταση και ανάκτηση δεδομένων από τα ψηφιακά μέσα αποθήκευσης του συστήματος καταγραφής βίντεο της τράπεζας. Μέσα από αυτή τη διαδικασία, οι αναλυτές προσδιόρισαν με ακρίβεια το χρονικό στίγμα της επίθεσης και συγχρόνισαν όλο το διαθέσιμο υλικό σε ενιαία χρονολογική αλληλουχία καρέ. Πρακτικά, ανασυνέθεσαν ψηφιακά τη σκηνή δευτερόλεπτο προς δευτερόλεπτο, συνδυάζοντας πηγές που μέχρι τότε «μιλούσαν» ασύνδετα μεταξύ τους.

Τεχνητή Νοημοσύνη: από το θολό καρέ στα χαρακτηριστικά προσώπου

Το δεύτερο βήμα ήταν η αναβάθμιση της εικόνας. Τα εγκληματολογικά εργαστήρια χρησιμοποίησαν εργαλεία τεχνητής νοημοσύνης για τη βελτίωση της ποιότητας παλαιών βίντεο και φωτογραφιών (AI image enhancement). Σύμφωνα με ρεπορτάζ, η τεχνολογία αυτή επέτρεψε την ανάλυση ακόμη και των πόρων του προσώπου, των χρωμάτων και των ιδιαίτερων χαρακτηριστικών των εικονιζόμενων μέσα από το θολό οπτικό υλικό. Η τεχνητή νοημοσύνη αξιοποιήθηκε επίσης για την επιβεβαίωση χαρακτηριστικών των προσώπων — δηλαδή όχι μόνο για να «καθαρίσει» την εικόνα, αλλά και ως εργαλείο επαλήθευσης της σύγκρισης.

Μορφολογική σύγκριση και ανάλυση βάδισης

Η ταυτοποίηση δεν στηρίχθηκε σε ένα μεμονωμένο στοιχείο, αλλά σε συστηματική συγκριτική εξέταση μορφολογικών χαρακτηριστικών: σωματότυπος, ύψος, ρουχισμός, σακίδια, στάση σώματος, τρόπος βάδισης και κινησιολογία. Πρόκειται για μεθόδους που θυμίζουν όσα διεθνώς ονομάζονται forensic image comparison και gait analysis, όπου το «αποτύπωμα» ενός ανθρώπου δεν είναι μόνο το πρόσωπό του, αλλά και ο τρόπος που στέκεται, κινείται και κουβαλά τα αντικείμενά του.

Καθοριστικό ρόλο έπαιξε η ψηφιακή διασταύρωση με υλικό από άλλη, άσχετη υπόθεση: σε ψηφιακά αρχεία που είχαν κατασχεθεί το 2020 εντοπίστηκαν φωτογραφίες διακοπών, στις οποίες τα εικονιζόμενα πρόσωπα φορούσαν πανομοιότυπα ρούχα και έφεραν ίδια αντικείμενα (όπως σακίδιο) με τους δράστες του 2010 — αυτή τη φορά όμως με ακάλυπτα χαρακτηριστικά. Η σύγκριση του αναβαθμισμένου υλικού του 2010 με τις εικόνες αυτές, σε συνδυασμό με τη συγκριτική ανάλυση άλλων εκκρεμών δικογραφιών, οδήγησε στην ταυτοποίηση.

Ο θεσμικός κρίκος: από το εργαστήριο στον εισαγγελέα

Η τεχνολογία δεν λειτούργησε στο κενό. Τα ευρήματα καταγράφηκαν συστηματικά σε αναλυτική επιστημονική έκθεση της Διεύθυνσης Εγκληματολογικών Ερευνών, η οποία διαβιβάστηκε στον εισαγγελέα και αποτέλεσε τη βάση για την επανενεργοποίηση της δικογραφίας. Ενδιαφέρον έχει και η αλληλεπίδραση τεχνολογίας–ανθρώπου: το επεξεργασμένο οπτικό υλικό παρουσιάστηκε σε μάρτυρες, οι οποίοι κλήθηκαν να αναγνωρίσουν τους υπόπτους

Τα όρια της τεχνολογίας και τα ανοιχτά ερωτήματα

Η υπεράσπιση των κατηγορουμένων έχει ήδη αμφισβητήσει την «επεξεργασία» του υλικού της δικογραφίας, θέτοντας ένα ερώτημα που θα απασχολεί ολοένα και περισσότερο τα δικαστήρια διεθνώς: πόσο αξιόπιστη είναι, ως αποδεικτικό μέσο, μια εικόνα που έχει βελτιωθεί με αλγορίθμους τεχνητής νοημοσύνης; Η απάντηση θα δοθεί στην αίθουσα του δικαστηρίου — και μέχρι τότε ισχύει, φυσικά, το τεκμήριο αθωότητας. Είναι πάντως σαφές ότι η αποδεικτική αξία των εργαλείων τεχνητής νοημοσύνης στην ποινική διαδικασία θα αποτελέσει ένα από τα μεγάλα νομικά και τεχνολογικά ζητήματα των επόμενων ετών.

Γιατί έχει σημασία

Το βασικό δίδαγμα είναι ότι στις «κρύες» υποθέσεις τα στοιχεία δεν «λήγουν». Ένα θολό βίντεο του 2010, σωστά αρχειοθετημένο, μπορεί δεκαέξι χρόνια αργότερα να αποκτήσει νέα αποδεικτική ζωή, όταν η τεχνολογία ωριμάσει αρκετά ώστε να το «διαβάσει». Η υπόθεση της Marfin δείχνει ότι το μέλλον της εγκληματολογίας βρίσκεται στη σύμπραξη τριών στοιχείων: της επιμελούς διατήρησης του υλικού, της τεχνητής νοημοσύνης ως εργαλείου ανάλυσης και του ανθρώπινου ελέγχου που δίνει στα ευρήματα θεσμικό κύρος.

Σχόλια

Φόρτωση σχολίων…

Άφησε ένα σχόλιο

Με την υποβολή σχολίου, αποδέχεστε τους Όρους Χρήσης και την Πολιτική Απορρήτου.

Δείτε επίσης

  • anthropic-money

    Anthropic: Προσπάθησε να χρεώσει δωρεάν χρήστη με 16,6 εκατ. δολάρια

    Ένας χρήστης του Claude από την Νότια Κορέα ανέφερε ότι η Anthropic επιχείρησε να εισπράξει από τον τραπεζικό λογαριασμό του περισσότερα από 16,6 εκατ. δολάρια, παρά το γεγονός ότι είχε εγγραφεί στο δωρεάν συνδρομητικό πλάνο και δεν είχε καταχωρήσει κάρτα πληρωμών.

    Τεχνητή Νοημοσύνη

    2 λεπ.

  • gemini-woodward

    Google Gemini: Tα 10 κορυφαία παράπονα χρηστών

    Ο Josh Woodward, αντιπρόεδρος της Google και υπεύθυνος για την εφαρμογή Gemini, έκανε αυτή την εβδομάδα ανοιχτή έκκληση στο X για σχόλια χρηστών σχετικά με τις αδυναμίες του AI βοηθού — και η ανταπόκριση ήταν συντριπτική, συγκεντρώνοντας πάνω από 1.700 απαντήσεις.

    Τεχνητή Νοημοσύνη

    2 λεπ.

  • elon-musk

    Ο Μασκ αποκαλεί την Anthropic «σαφή ηγέτη στην ΤΝ», αναιρώντας προηγούμενη κριτική του

    Ο Elon Musk αναγνώρισε δημοσίως την Anthropic ως την κορυφαία εταιρεία στον κούρσα της τεχνητής νοημοσύνης, παραδεχόμενος ότι «έκανε σαφώς λάθος» για τη startup που στο παρελθόν είχε χλευάσει ως αδύνατο να επιτύχει. Η δήλωση αυτή αποτελεί εντυπωσιακή αναστροφή για τον επικεφαλής της SpaceX και xAI, του οποίου τα μοντέλα Grok ανταγωνίζονται άμεσα την οικογένεια μοντέλων Claude της Anthropic.

    Τεχνητή Νοημοσύνη

    3 λεπ.