Оказывается, черты нашего лица «зашифрованы» в ДНК: Как ИИ научили воссоздавать внешность по генетическим данным

16 май 2025, 11:09

Представьте себе: на месте преступления найдена лишь капля крови. Свидетелей нет, камер тоже. Что делать полиции? Долгие годы пределом мечтаний криминалистов было бы заглянуть в эту каплю и… увидеть лицо преступника. Звучит как сцена из голливудского блокбастера, не правда ли? А что, если я скажу вам, что наука сделала огромный шаг в этом направлении? Знакомьтесь, Difface — система, которая обещает нарисовать трехмерный портрет человека, имея на руках лишь его ДНК.

Так как же это работает, эта ваша магия?

Ну, магии тут, конечно, нет, а есть хитроумное сочетание генетики и искусственного интеллекта (ИИ). Если по-простому, то в нашей ДНК есть такие штуки — однонуклеотидные полиморфизмы, или SNP (читается как «снипы»). Это крошечные вариации в нашем генетическом коде, которые делают каждого из нас уникальным. Именно они во многом определяют цвет наших глаз, волос, форму носа и другие черты лица.

Иллюстрация
Автор: ИИ Copilot Designer//DALL·E 3 Источник: www.bing.com

Задача стояла такая: научить компьютер видеть связь между этими «снипами» и тем, как выглядит лицо. Тут-то на сцену и выходит Difface. Ученые, вдохновленные успехами ИИ в генерации картинок по текстовому описанию (знаете, когда пишешь «рыжий кот в космосе», а нейросеть рисует), решили применить похожий подход.

Difface — это не одна программа, а целый комплекс. Сначала специальные алгоритмы (умные слова — трансформер и спиральная сверточная сеть) анализируют огромные массивы данных: «снипы» конкретного человека и трехмерное изображение его лица. Они как бы переводят информацию с двух разных языков — языка генетики и языка геометрии лица — на один общий, понятный машине. Это помогает установить ассоциации: ага, вот такие «снипы» часто встречаются у людей с такой-то формой носа. А потом в дело вступает «нейросеть-художник» (диффузионная модель), которая, основываясь на этих генетических особенностях, «рисует» трехмерную модель лица. Представьте, что у вас есть просто «белый шум», как на старом телевизоре. А теперь нейросеть, как талантливый скульптор, начинает постепенно «убирать» этот шум, придавая ему осмысленные черты, основываясь на генетической информации. Шаг за шагом, из хаоса рождается вполне узнаваемое лицо.

Общая схема Difface. a) изображает работу Difface на наборе данных, состоящем из N наборов SNP и соответствующих им данных о лицах. На начальном этапе обучения модели происходит объединение пар SNP-лицо в единое пространство представления, что закладывает основу для этапа генерации. Это влечет за собой построение мультимодального пространства кодирования путем обучения кодировщиков SNP и лица. Кодировщики увеличивают косинусное сходство между правильными вкраплениями SNP и пар лиц в каждой партии, одновременно уменьшая сходство между N x N неправильными парами. Одновременно с этим декодер обучается генерировать 3D-лица из вкраплений лиц. Затем в модель диффузии вводится вкрапление SNP, в результате чего генерируется вкрапление лица. Затем это вложение лица используется декодером для создания конечного изображения. Примечательно, что кодеры и декодеры остаются неизменными на протяжении всего обучения диффузионной модели. б) Архитектура SNP-кодера. в) Архитектура кодера лиц. г) Пример, демонстрирующий исходные и сгенерированные изображения. Цитирование: M. Jiao, J. Li, B. Zhong, S. Du, S. Li, M. Zhang, Q. Zhang, Z. Liang, F. Liu, C. Zuo, S. Wang, L. Chen, De Novo Reconstruction of 3D Human Facial Images from DNA Sequence. Adv. Sci. 2025, 2414507. https://doi.org/10.1002/advs.202414507
Автор: M. Jiao et al. Источник: advanced.onlinelibrary.wiley.com

А что на практике? Точность имеет значение!

Конечно, слова словами, а как это выглядит в деле? Исследователи «скормили» системе Difface внушительную базу данных: генетическую информацию и 3D-сканы лиц почти 10 000 человек китайской этнической группы Хань. И результаты, честно говоря, впечатляют.

Система научилась сопоставлять ДНК и лицо с высокой точностью. А когда дело дошло до реконструкции, то есть «рисования» лица по ДНК, средняя погрешность составила всего около 3,5 миллиметров. Это значит, что основные черты лица передаются довольно верно. Кстати, Difface показал себя лучше, чем предыдущие подобные разработки.

Но и это еще не все! Настоящая «вишенка на торте» — это возможность добавить в систему информацию о поле, возрасте и индексе массы тела (ИМТ). И тогда Difface может не просто воссоздать лицо, но и «предсказать», как человек мог бы выглядеть в определенном возрасте. Представляете, какие возможности это открывает?

Не только красиво, но и похоже?

Хорошо, модель лица система строит. А насколько она передает индивидуальные особенности? Ведь все мы разные. Ученые проверили и это. Оказалось, что Difface неплохо справляется с воспроизведением таких важных черт, как форма носа или очертания скул. Причем система не просто выдает некий усредненный «азиатский» тип лица (ведь тренировали ее на китайцах), а генерирует разнообразные варианты, отражая естественную вариативность человеческих лиц.

Чтобы проверить, насколько «живыми» получаются портреты, провели даже небольшой эксперимент. Добровольцам показывали сгенерированное по ДНК лицо и несколько фотографий реальных людей, среди которых был и «оригинал». Задача — угадать, кто есть кто. И, знаете, люди справлялись! Конечно, не со стопроцентной точностью, особенно когда выбор был большим, но сам факт показателен.

Сравнение точности классификации и реконструкции черт лица с использованием данных Difface и Ground Truth. a) Результаты классификации черт лица, Difface (SNPs), — это результат классификации после использования Difface для получения лиц из SNPs. Наземная истина — результат использования исходного лица для задачи классификации. б) Сравнение восстановленного по Difface изображения лица с реальным изображением лица, вверху — реальное изображение лица, внизу — восстановленное по Difface изображение лица. Цитирование: M. Jiao, J. Li, B. Zhong, S. Du, S. Li, M. Zhang, Q. Zhang, Z. Liang, F. Liu, C. Zuo, S. Wang, L. Chen, De Novo Reconstruction of 3D Human Facial Images from DNA Sequence. Adv. Sci. 2025, 2414507. https://doi.org/10.1002/advs.202414507
Автор: M. Jiao et al. Источник: advanced.onlinelibrary.wiley.com

А если ДНК неполная?

В реальной жизни, особенно в криминалистике, образцы ДНК далеко не всегда идеальны. Они могут быть повреждены, или их может быть очень мало. Сможет ли Difface помочь в таких условиях? Исследователи задались и этим вопросом. Они «скармливали» системе неполные наборы «снипов» — от 90% до всего лишь 10% от общего числа.

Что же выяснилось? Нос, особенно его профиль и кончик, оказался довольно «устойчивым» — его черты система угадывала неплохо даже при значительном недостатке данных. Однако, если информации становилось меньше 70% от полной, то точность реконструкции начинала заметно падать. Лица становились более «общими», теряли индивидуальность. Так что, да, система работает и с неполными данными, но всему есть предел.

Заглянем под капот: что делает лицо лицом?

Один из самых интересных моментов — это попытка понять, а какие именно участки ДНК, какие «снипы» вносят наибольший вклад в формирование тех или иных черт лица. Ведь ИИ часто называют «черным ящиком» — он выдает результат, но как именно он к нему пришел, не всегда понятно.

Здесь ученые применили специальные методы анализа (SHAP и GWAS), чтобы «подсветить» наиболее важные генетические маркеры. И оказалось, что многие из них действительно связаны с генами, которые, как уже известно биологам, отвечают за развитие лицевых структур, например, за формирование костей и хрящей носа. Так что ИИ не просто «угадывает», а находит реальные биологические закономерности.

Влияние плотности SNP-вкладов на точность и особенности реконструкции лица. a) Визуальное представление реконструкций лица с различными уровнями SNP-вкладов, от 100% до 1%, иллюстрирующее влияние полноты SNP на визуальную точность сгенерированных моделей лица. Первый ряд — все лицо; второй ряд — область носа; третий ряд — область глаз. б) Гистограмма показывает среднюю точность реконструкции лица при различной плотности SNP, демонстрируя тенденцию к снижению точности с уменьшением процента SNP. в) Тепловая карта отображает средние показатели ошибок для различных областей лица при различной плотности SNP, при этом более темные оттенки указывают на более высокие значения ошибок. г) Линейные графики отображают стабильность прогнозов характеристик лица (профиль носа, направление основания носа, впадина носа, форма носа и направление кончика носа) при различной плотности SNP. Также на линейных графиках показана точность предсказания конкретных областей лица (форма лица, скулы, cheekbone_altview, cheekbone_frontview и frentislope) при различных процентах входных SNP. Цитирование: M. Jiao, J. Li, B. Zhong, S. Du, S. Li, M. Zhang, Q. Zhang, Z. Liang, F. Liu, C. Zuo, S. Wang, L. Chen, De Novo Reconstruction of 3D Human Facial Images from DNA Sequence. Adv. Sci. 2025, 2414507. https://doi.org/10.1002/advs.202414507
Автор: M. Jiao et al. Источник: advanced.onlinelibrary.wiley.com

Ложка дёгтя в бочке мёда: этические вопросы

Звучит все это, конечно, захватывающе. Но, как и у любой мощной технологии, у «генетического портретирования» есть и обратная сторона. И здесь мы подходим к очень серьезным этическим вопросам.

Во-первых, это приватность. Если по капле крови можно будет не только установить личность (что уже делается), но и воссоздать внешность, не станет ли наш генетический код слишком уж открытой книгой? Появится соблазн узнать, как выглядит человек, оставивший анонимный биологический след, даже если он не совершил ничего противозаконного. А это уже попахивает «генетическим Большим Братом».

Во-вторых, риски злоупотреблений. Представьте, что такая технология попадет не в те руки. Возможности для дискриминации по генетическим признакам (например, при приеме на работу или в страховании) могут расшириться. А что если система ошибется, и на основе неверно сгенерированного портрета обвинят не того человека? Цена такой ошибки может быть слишком высока.

Поэтому авторы исследования сами подчеркивают: необходимо широкое обсуждение этических и правовых аспектов. Нужны четкие правила игры, которые позволят использовать преимущества новой технологии, минимизируя при этом потенциальные риски. Как говорится, семь раз отмерь…

Что дальше?

Difface — это, безусловно, прорыв. Технология пока находится на стадии исследований, и ее основной тест проходил на представителях одной этнической группы. В будущем ученые планируют расширять базы данных, включая людей разного происхождения, чтобы сделать систему еще более точной и универсальной.

Одно ясно: то, что еще вчера казалось научной фантастикой, сегодня стучится в нашу дверь. Возможность «читать» лица по ДНК открывает невероятные перспективы — от помощи в раскрытии «глухарей» до лучшего понимания генетики человеческой внешности. Главное, чтобы это мощное знание использовалось во благо и с умом. А вы как думаете, готовы мы к такой технологической революции?

Опубликовано: Мировое обозрение Источник