اقتصاد مردگان
هوش مصنوعی چگونه می‌تواند پزشکی قانونی را متحول کند؟
قلب که ایستاد، جهان دوباره شروع می‌شود. نفس که قطع شد، زندگی، روی دیگرش را نشان می‌دهد. آدمی از انتهای دنیا به دنیایی دیگر می‌رسد؛ به آغاز یک تحول بزرگ؛ به چهار دقیقه پس از مرگ که تجزیه بدن شروع می‌شود. فروپاشی آغاز می‌شود. دیواره‌های سلولی شکسته می‌شوند. باکتری‌ها، خودکشی می‌کنند. آنزیم‌ها و مواد مغذی آزاد می‌شوند. متجاوزها، بدن را تصاحب می‌کنند. بوی جسد، مگس‌ها و سوسک‌ها را به جشن تجزیه می‌کشاند. تخم‌گذاری شروع می‌شود. تخم‌های مگس‌های آبی و سبز در دهان، بینی، گوش یا زخم‌های باز، جاگیر می‌شوند. در عرض 24 ساعت، 250 لارو از هر تخم خارج می‌شود، از مواد مغذی آزادشده، تغذیه می‌کنند، بزرگ می‌شوند، از بدن فاصله می‌گیرند، شفیره و تبدیل به مگس‌های بالغ می‌شوند و این چرخه به اندازه کافی یا تکرار می‌شود یا با حضور شکارچی‌های بزرگ‌تر عقیم می‌ماند. البته که سوسک‌ها، زنبورها، کنه‌ها، مورچه‌ها و عنکبوت‌ها برای شکار مودبانه نوبت نمی‌گیرند. گاه به‌طور همزمان، هر کدام قسمتی از بدن را مستعمره خود می‌کنند، حتی رد چنگال‌هایشان را عمیق می‌کنند و پوشش‌های خالی شفیرگی را برای سال‌ها روی بدن یا در نزدیکی آن باقی می‌گذارند تا الگوهای پراکنده و متوالی، سرنخ‌های اساسی را از درک لحظات پایانی زندگی ارائه دهند و در عین حال زمان مرگ (روز، سال و فصل) در هر بدن صاحب شناسنامه شود؛ و در کنارش چون مرگ بو می‌دهد، شیمی مرگ و تافونومی (تجزیه، انتقال و دفن) و سایر فعالیت‌های شیمیایی، بیولوژیکی و فیزیکی اثرگذار بر بقایای ارگانیسم، به باقی‌مانده هر انسان یک «امضای شیمیایی مرگ» بدهند تا نشانگرها ضبط دقیقی باشند از آنچه بر سر انسان آمده است؛ نشانه‌ها و وقایعی که آرشیو اطلاعاتی بدن را کامل‌تر می‌کنند. آرشیوی مملو از اطلاعات ضبط‌شده که نشان می‌دهد که بوده‌ایم؟ چه کرده‌ایم؟ و با ما چه کرده‌اند؟! صندوقچه‌ای پررمزوراز که برای همه انسان‌شناسان، حشره‌شناسان، زیست‌شناسان و شیمیدانان پزشکی قانونی، یک چالش است. چالش است چون باید آن را به درستی بخوانند، ببینند و با نگاهی به مورفولوژی، شیمی و ساختار آنچه از هر کدام از ما باقی می‌ماند، حقایق زندگی و مرگ را تفسیر کنند تا شاید واقعیت سفر از جهانی به جهان دیگر نه با ترس که با علم قابل درک‌تر شود، بدنمان وابسته به اینکه در کجا، جهان برایمان تمام شده است، در خانه روی تخت یا رها‌شده در دلِ یک جنگل، لابی‌گر بهتری برای نمایش ترس، هراس، موفقیت، شکست، زخم و داشته‌ها و نداشته‌هایمان باشد و این مثال تکراری «مرگ، پایان زندگی است» اصلاح شود چرا که مرگ رسیدن از یک پایان به شروعی جدید است و حتی علم و اقتصاد هم دارد.
اطلس جرم
«اقتصاد مرگ»، ساده‌ترین تعبیر عمومی از اقتصاد جرم و جنایت است. البته این نوع از اقتصاد که در سال‌های اخیر بر علم پزشکی قانونی و تافونومیک هم تمرکز داشته، فصل جدیدی را به روی «انسان‌شناسی قانونی زندگان» گشوده است؛ به نحوی که اکنون «مزرعه اجسادِ» مرکز پژوهش‌های تجربی تافونومیک استرالیا، ضمن مطالعه تافونومی، انسان‌شناسی، باستان‌شناسی، حشره‌شناسی قانونی و شیمی مرگ بر روی جسدهای اهدایی، ریز جزئیات مطالعاتی را در اختیار پژوهشگران و متخصصان اقتصادی قرار می‌دهد تا پیشرفت‌های علمی «اقتصاد پزشکی قانونی» همراه با تغییرات روبه‌تکامل باشد، اقتصاددانان از لایه‌های ناشناخته مرگ لذت ببرند و در عین حال، با بررسی مقایسه‌ای بین‌المللی از داده‌های کشورهایی چون ایتالیا، استرالیا، بریتانیا، سنگاپور و برزیل، رویکرد مدرن‌تری از اقتصاد رفتاری پنهان‌شده در پشت اجساد حاصل از جنایات و مسائل اقتصادی مرتبط بدان را ارائه بدهند. حتی فراتر از آن، با اضافه کردن AI به فرآیندهای تحقیقاتی، ما را به عصر جدیدتری سوق دهند و به گفته پروفسور شری فوربس، انسان‌شناس ارشد و تاناتولوژیست تجزیه اجساد انسانی دانشگاه فناوری سیدنی و مدیر مرکز AFTER در استرالیا و کانادا که از مشاوره او برای نوشتن این مقاله نیز استفاده شده است، علم و اقتصاد رفتاری تجزیه اجساد در دمای زیر صفر زمستان‌های کانادا تا آب‌وهوای معتدل سیدنی را تقویم‌دار کنند با آنکه معروف است مرگ تقویم ندارد. پروفسور فوربس، معتقد است، هوش مصنوعی که در صنایع مختلف، از مراقبت‌های بهداشتی تا امور مالی، موج تغییرات بزرگی ایجاد کرده، اکنون می‌تواند انقلابی بزرگ در حوزه پزشکی قانونی ایجاد و اقتصاد مالی آن را تقویت کند. به واقع پزشکی قانونی و مرگ‌شناسی که از دیرباز به تخصص انسان‌شناسان، آسیب‌شناسان، سم‌شناسان و سایر متخصصان برای کشف رازها و افشای حقایق متکی بوده است، اکنون می‌تواند با هوش مصنوعی، پتانسیل علمی و مالی بیشتری برای تحلیل‌های دقیق، کارآمد و قابل اعتماد در تحقیقات بیابد؛ حتی بسیاری از پرونده‌های سرد و مرده در زباله‌دان آزمایشگاه‌های تجزیه اجساد دنیا را زنده کند، یک راهنما و اطلس مدرن برای اقتصاد جرم و جنایت بسازد و چه‌بسا تکامل حوزه‌ای را مورد بحث قرار دهد که ارتباط رو‌به‌رشد آن در میان پژوهشگران و سیاستگذاران تا حدودی به تداوم جنایت و خشونت در سراسر جهان و پیشرفت چشمگیر انجام‌شده در سال‌های اخیر در تحلیل اقتصادی مربوط می‌شود. اما هوش مصنوعی چگونه می‌تواند چنین کاری را انجام دهد؟
قله جنایات یخی
یکی از مشهودترین کمک‌هایی که در گذشته هوش مصنوعی به پزشکی قانونی و انسان‌شناسی بیولوژیک کرده، حل دو پرونده قتل خشن و پیچیده در آمریکاست که به آن نام «قدرت هوش مصنوعی در قله جنایات سرد و مرده» را داده‌اند. ترسناک‌ترین و پیچیده‌ترین پرونده‌ای که بعد از سال‌ها با کمک هوش مصنوعی حل شد و بار مالی و اقتصادی زیادی را از دوش آمریکا برداشت، پرونده جوزف جیمز دی آنجلو جونیور، 73ساله، متهم به یکی از پرکارترین قاتلان سریالی آمریکا بود که به او لقب‌های زیادی چون تجاوزگر شرق و قاتل گلدن استیت را داده بودند. جونیور سال‌ها پلیس بود. بعد مکانیک کامیون شد و در دهه‌های 1970 و 1980 خشونت گسترده‌ای را به راه انداخت. او به 60 خانه حمله کرد. به 51 زن و مرد و بچه تجاوز کرد. 13 نفر را به قتل رساند. 120 سرقت در سرتاسر کالیفرنیا انجام داد. مسوول حداقل سه جنایت مجزا در سراسر ایالت کالیفرنیا بود و تعداد قربانی‌های جنایت‌های خشونت‌بار او به 106 نفر رسید. حتی به گفته دادستان‌ها خط جرائم او در سراسر ایالت، از ساکرامنتو گرفته تا اورنج کانتی، ممتد بود. او در هر مرحله یه یک تکامل جنایتی رسیده بود و دامنه جنایت‌هایش سگ‌ها را هم شامل می‌شد. او سگ‌ها را با کنده درخت آنقدر کتک می‌زد تا بمیرند. بچه‌ها را در حمام حبس می‌کرد یا آنها را به تخت می‌بست و جلوی چشم‌هایشان، ساعت‌ها و بارها و بارها به مادرانشان تجاوز می‌کرد. مردان را چنان شکنجه می‌داد و به آنها تجاوز می‌کرد که پوستشان سیاه می‌شد. او گوش زنان تعداد زیادی از مردان را می‌برید، به هر کدام از آنها یک عطر متفاوت می‌زد و آنها را روی دستان مردانی که با سیم بسته بود بعد از جنایتش به عنوان هدیه بر جای می‌گذاشت. او در سکوت و آرامش آدم می‌کشت، تا ساعت‌ها به جنازه‌های آنها خیره می‌شد و حتی غذایش را در کنار جسدها می‌خورد اما کسی نمی‌توانست او را بگیرد یا ردی از او پیدا کند. تا اینکه پژوهشگران بعد از ظهور هوش مصنوعی از آن در تجزیه و تحلیل صدا، همراه با شواهد DNA استفاده کردند و بعد از چهار دهه جنایت توانستند بالاخره قاتل گلدن استیت را بگیرند و او را به حبس ابد محکوم کنند. پرونده «قاتل BTK» نیز مورد دیگری بود که با کمک هوش مصنوعی در پزشکی قانونی بسته شد. دنیس لین رادر، با نام مستعار BTK، قاتل زنجیره‌ای آمریکایی، طی سه دهه، 10 نفر را به قتل رساند و برای هر قتل، امضا و نامه‌ای از خود برجای می‌گذاشت. او که فارغ‌التحصیل عدالت جنایی و پیشرو فعالیت‌های مذهبی کلیسا بود، خشونت‌هایش را ابتدا با کشتن و تجاوز به حیوانات بر اساس فانتزی‌های جنسی خودش شروع کرد. او دست و پای حیوانات را می‌بست. به آنها تجاوز می‌کرد و بعد از آزار و اذیت آنها را می‌کشت و برایشان مراسم خاکسپاری می‌گرفت. و البته که این نوع جنایت اقناعش نمی‌کرد. برای همین او در اولین قتل خود چهار عضو خانواده از جمله دو کودک را خفه کرد، یک ساعت و چند لباس زیر از آنها دزدید و برای پلیس نوشت: «قانون من این است: آنها را ببندید، شکنجه کنید و بکشید. من BTKام.» قانونی که برای دیگر قتل‌ها هم نوشته شد و حتی آن را در میان صفحات کتابی گذاشت و به پلیس و رسانه‌ها هدیه داد. هدیه‌ای که باعث دستگیری‌اش شد چون جرم‌شناسان پزشکی قانونی با کمک هوش مصنوعی و تجزیه و تحلیل زبانی نامه‌های ارسالی به یک «نمایه زبانی» رسیدند و قاتل پس از حدود سه دهه کار پژوهشی شناسایی و دستگیر شد. اما این دو پرونده فقط نوک قله کوه جنایت‌ها بودند و پس از آن و تا به امروز، از پتانسیل گسترده هوش مصنوعی در پزشکی قانونی، به ویژه در پرونده‌های جنایی لاینحل، به دفعات استفاده شده و اکنون هوش مصنوعی پیشرفته عاملی به شدت اثرگذار در کشف جرائم، کاهش هزینه‌های تحمیلی جنایت‌ها و کنترل اقتصاد جرم است.
سم، استخوان، قتل
در حال حاضر، یکی از مهم‌ترین راه‌هایی که هوش مصنوعی بر پزشکی قانونی تاثیر می‌گذارد و به استدلال عبدالعزیز الملحم، در کتاب «ارزیابی تغییرات پس از مرگ»، در طبقه‌بندی گسترده تغییرات و عوامل بیرونی و درونیِ مرگ‌های طبیعی یا خشن نقش بزرگی دارد، تجزیه و تحلیل شواهد دیجیتال است. پزشکی قانونی دیجیتال، اینک زیرشاخه‌ای از علم پزشکی قانونی است که از الگوریتم‌های هوش مصنوعی برای غربال کردن حجم وسیعی از داده‌ها، شناسایی الگوها و ارتباطاتی که ممکن است به‌وسیله انسان‌شناسان یا پژوهشگران جنایی نادیده گرفته شود، استفاده می‌کند. برای مثال، هوش مصنوعی می‌تواند به شناسایی فایل‌های مخفی، بازسازی داده‌های حذف‌شده و حتی پیش‌بینی فعالیت‌های مجرمانه آینده بر اساس داده‌های تاریخی کمک کند. علاوه بر آن، هوش مصنوعی در تجزیه و تحلیل شواهد فیزیکی نیز کاربرد دارد. یک مثال عینی که بارها در سریال‌ها و فیلم‌ها نیز دیده‌ایم، بازسازی صورت و آناتومی مقتول یا قاتل بر اساس جمجمه و استخوان‌هاست. این تکنیک اغلب شامل بازسازی چهره فرد بر اساس ساختار جمجمه او و ارائه سرنخ‌هایی ارزشمند در تشخیص هویت است. کاری که به‌طور سنتی، زمان‌بر بوده و به شدت به مهارت متخصصان پزشکی قانونی وابسته است. در صورتی که نرم‌افزار مجهز به AI می‌تواند در کسری از زمان، بازسازی‌های دقیقی از چهره را انجام داده، تمامی جنبه‌های بازسازی صورت و آناتومی سر و گردن، مانند حالت چهره و اساس آناتومیک برای رشد صورت، همراه با اثرات حرکت عضلات را پوشش دهد و شانس شناسایی بقایای ناشناخته را به‌طور قابل توجهی بهبود بخشد. جدا از آن، هوش مصنوعی در زمینه سم‌شناسی که با کشف و شناسایی داروها، سموم و سایر مواد سمی در نمونه‌های بیولوژیک سروکار دارد هم پیشرفت‌های چشمگیری داشته است و اینک الگوریتم‌های یادگیری ماشینی برای تشخیص الگوها در مجموعه داده‌های پیچیده، مانند حضور ترکیبات خاص در نمونه‌های خون یا ادرار، به‌کار برده می‌شوند که می‌تواند به شناسایی سریع و دقیق‌تر مواد و سموم منجر شود و در مواردی مانند خودکشی‌های اجباری، قتل با مواد یا سم، تجاوز با دارو و مسمومیت‌های تروریستی، به تسریع روند شناسایی قاتل و مجرمان کمک کند.
عدالت بی‌شکاف
حوزه دیگری که هوش مصنوعی برای آن به شدت ارزش دارد، تجزیه و تحلیل DNA است. پروفایل‌های DNA، امروزه به سنگ بنای تحقیقات پزشکی قانونی تبدیل شده‌اند و ابزاری قدرتمند برای شناسایی مجرمان، جسدهای ناشناخته، شناسایی فوت‌شدگان در بلایای دسته‌جمعی مانند زلزله و سیل یا تبرئه افراد بی‌گناه هستند. الگوریتم‌های هوش مصنوعی می‌توانند با خودکارسازی تجزیه و تحلیل توالی‌های DNA و شناسایی موارد تطابق با سرعت و دقت بیشتر نسبت به روش‌های سنتی، به ساده‌سازی این فرآیند کمک کنند. کمااینکه هوش مصنوعی می‌تواند در زمینه آسیب‌شناسی پزشکی قانونی نیز که شامل معاینه افراد متوفی با هدف تعیین علت و نحوه مرگ است، کمک کند. ابزارهای مبتنی بر هوش مصنوعی، مانند کالبدشکافی مجازی، می‌توانند به آسیب‌شناسان کمک کنند تا ساختارهای داخلی و آسیب‌ها را به‌طور موثرتری بازسازی کرده و به تشخیص دقیق‌تر و در نهایت درک بهتر شرایط و محیط مرگ با توجه به بدنه شواهد منجر شوند؛ به‌خصوص اگر پای اجساد سوخته در میان باشد. اینک، توموگرافی کامپیوتری پس از مرگ (PMCT) در قربانیان سوختگی، نشانه‌شناسی خاصی را ارائه می‌دهد که نیاز به درک محتاطانه‌ای برای تمایز بین تغییرات عادی پس از مرگ و تغییرات مربوط به گرما دارد؛ و در واقع با ارائه تصویری مهم به رادیولوژیست کمک می‌کند تا تمامی تفاوت‌های زمینه‌ای با سابقه پزشکی قانونی را تشخیص داده و همه عناصر مربوط به آن را برای پاسخ به سوالات جمع‌آوری کند. فراتر از همه موارد نام‌برده، هوش مصنوعی هرچند جایگزین تخصص انسانی نیست، ولی با وجود کمبود نیروی انسانی در آزمایشگاه‌های تجزیه و تحلیل اجساد، می‌تواند مهارت‌ها و دانش متخصصان پزشکی قانونی را افزایش دهد، آنها را کارآمدتر و دقیق‌تر کند و بهره‌وری‌شان را افزایش دهد که این عملاً به معنای کشف اسرار و افشای حقایق در پیچیده‌ترین موارد اما با سرعتی بالا طی فرآیندی هوشمند است و در نهایت به خلق یا توسعه سیستم‌های حقوقی عادلانه منجر می‌شود. به بیانی دیگر، چون تحقیقات پزشکی قانونی مستلزم ارتباط بین آماردانان پزشکی قانونی، وکلا، بازرسان جنایی و نظام‌های مالی-حقوقی است و ارتباط نادرست بین آنها یا سوگیری‌های متعصبانه می‌تواند به تصمیمات اشتباه، تفسیر نادرست داده‌ها و تاخیر یا عدم اجرای عدالت منجر شود، هوش مصنوعی با پر کردن شکاف‌های ارتباطی نمی‌گذارد عدالت زیر سوال برود، سیستم‌های حقوقی ناکارآمد بمانند، زمین، اسیر جنازه‌هایی شود که در دنیای قبلشان، راوی زندگی و داستان‌های پررنگ و لعاب آن بوده‌اند و هزینه سه تریلیون‌دلاری سالانه -آمریکا، استرالیا و بریتانیا- جرم و جنایت، بزرگ‌ترین آزمایشگاه‌های تجزیه و مرگ‌شناسی دنیا را زمین‌گیر کند. هزینه‌هایی که به ادعای جرالد مارتین در کتاب «اقتصاد پزشکی قانونی، تعیین خسارت‌های اقتصادی»، می‌تواند به اندازه پنج مرحله بعد از مرگ، از هضم تا اسکلت، ترسناک یا پر از خرده‌رازهای اقتصادی باشد، مانند خاک، بی‌رحمی کند یا حتی به مثابه قساوت موش‌ها، چشم‌های نظام‌های مالی را از جا در بیاورد و پول آزمایشگاه‌های مرگ‌شناسی را نصیب لاشخورهای متخصص جانی کند.
