由哥伦比亚大学计算机科学系本科四年级学生 GabeGuo 领导的团队进行的一项开创性研究，对长期以来认为每个指纹都是独一无二的观点提出了质疑。 这项研究发表在《科学进展》杂志上，挑战了传统观点，并因其对法医学的潜在影响而受到关注。
郭和他的同事，包括布法罗大学的 Wenyao Xu 教授，使用一种称为深度对比网络的人工智能模型来分析包含 60,000 个指纹的美国政府数据库。 基于人工智能的系统识别出同一个人不同手指的指纹之间存在很强的相似性。 令人惊讶的是，该系统正确识别两个指纹是否属于同一个人的准确率最高达到 77%，这表明指纹并不完全是唯一的。 以前的指纹分析方法侧重于某些称为“细节”的特征，这些特征是用于识别的特定标记。 然而，研究小组发现这些细节对于匹配指纹是有效的，但对于识别同一个人的指纹之间的相关性并不可靠。 相反，该研究将指纹中心的角度和曲率确定为确定相似性的关键因素。
虽然这项研究最初面临相当大的阻力，但它坚持了下来，不断完善其方法并纳入更多数据，直到证据变得无可辩驳。 该团队承认数据中存在潜在偏差，并呼吁通过分析更大、更多样化的数据库来进一步验证人工智能系统在取证中的实际应用。
尽管一些专家认为这项研究只是重申了人们长期以来对指纹相似性的了解，但郭支持他们研究的开创性。 虽然早期的手动指纹识别方法承认指纹形状之间的相关性，但之前的研究还没有像郭团队所达到的程度来量化或利用这些相似性。
瑞士洛桑大学法医学教授 Christophe Champod 承认所采用的深度学习技术的重要性，但表示该研究可能夸大了其发现。 尚波德认为，多年来人们已经认识到指纹形状之间的相关性。 然而，郭反驳说，这项研究是第一个明确识别脊线方向的作用并尝试自动匹配同一个人不同手指的指纹的研究。
加州大学欧文分校犯罪学、法律和社会学教授西蒙·科尔（Simon Cole）支持这项研究的有趣贡献，但警告不要夸大其实际应用。 科尔指出，执法部门通常会记录所有十个手指，通常还记录手掌，从而最大限度地减少犯罪现场指纹与现有记录之间不匹配的可能性。
尽管对研究结果的重要性存在不同意见，但团队对其结果仍然充满信心，并将人工智能代码开源以供进一步检查。 郭强调，这项研究超越了取证领域，凸显了人工智能揭示几个世纪以来人类观察不到的隐藏模式的能力。
随着人工智能的不断发展，郭相信我们正处于一个新时代的边缘，人工智能将揭示以前未被注意到的见解。 这项研究的影响超出了指纹领域，并强调了人工智能在各个知识领域的变革潜力。