Wykrywanie kłamstw

Pod koniec lat 60. Paul Ekman – wówczas młody profesor psychologii na Uniwersytecie Kalifornijskim w San Francisco, School of Medicine i dopiero rozpoczynający swoją życiową pracę – wypełnił wiktoriański budynek w San Francisco biblioteką filmów przedstawiających twarze 40 pacjentów psychiatrycznych, przeprowadzono wywiady. Ekman, który jest obecnie czołową postacią w swoim zawodzie, chciał się dowiedzieć, czy mógłby wyizolować mimikę twarzy, aby pomóc w diagnozowaniu zaburzeń psychicznych. Kobieta o imieniu Mary, która trzykrotnie próbowała popełnić samobójstwo, uśmiechnęła się i wesoło przemówiła na taśmie. Tak się złożyło, że szukała przepustki weekendowej – żeby mogła wrócić do domu i się zabić.

Wykrywanie kłamstw jest trudne: Czy Richard Nixon, tutaj w wywiadzie z Davidem Frostem w 1977 roku, jest na poziomie? Badania pokazują, że mikroekspresje ujawniają nasze podstawowe emocje, czy nam się to podoba, czy nie.

Mary była tym, jak po raz pierwszy odkryłem mikroekspresje, powiedział mi Ekman, kiedy spotkałem go na planie Okłamywać mnie , dramat telewizyjny Foxa zainspirowany przez dziesięciolecia jego badań nad tym, jak mimika twarzy, gesty i inne niewerbalne zachowania ujawniają nasze emocje i – co najważniejsze – nasze oszustwa. Kilku młodych psychiatrów, których uczyłem, zapytało, czy mógłbym pomóc zidentyfikować, kiedy pacjent o skłonnościach samobójczych mówi prawdę lub kłamie na temat poprawy, powiedział. Niektórzy z ich pacjentów opuścili szpital i popełnili samobójstwo w ciągu godziny. Mary wyznała jednak przed wyjazdem, że kłamała podczas [poprzedniego] wywiadu, który nagrałem. Patrząc na film nie widziałem żadnych dowodów. Więc przeglądałem to klatka po klatce przez tydzień i pojawiły się te mikroekspresje – dwa wystąpienia, każdy na 25 sekundy, z 12 minut.

Ta historia była częścią naszego wydania z maja 2009

• Zobacz resztę numeru
• Subskrybuj

W przypadku Mary jej rysy przez chwilę wykazywały rozpacz, kiedy lekarz prowadzący wywiad zapytał o jej plany. Ekman dowiedział się, że badani przez niego ludzie zdradzali swój stan emocjonalny poprzez mikroekspresje, bez względu na to, jak bardzo starali się je stłumić. Zidentyfikował 46 ruchów mięśni twarzy, które w różnych kulturach sygnalizują takie podstawowe emocje, jak strach, nieufność i niepokój.

Ekman powiedział mi, że na początku nie wiedziałem, że można nauczyć ludzi rozpoznawania tych mikroekspresji w czasie rzeczywistym. W latach 70. opracował Facial Action Coding System (FACS) jako wyczerpującą taksonomię wszystkich wyrazów twarzy, w tym charakterystycznych zachowań mięśni. Od tego czasu przeszkoleni użytkownicy FACS generalnie wykazali się lepszym niż 75% wskaźnikiem sukcesu w czytaniu twarzy. Lie to Me – w którym występuje szacowny Tim Roth jako dr Cal Lightman, postać wzorowana na Ekmanie – jest bardzo przeciętną rozrywką w gatunku wielkiego sukcesu Foxa Dom , w której niezależny ekspert rozwiązuje sprawy, których typy zakładów nie mogą. W rzeczywistości jednak wielu użytkowników FACS to typowi z zakładu – gliniarze, agenci FBI, członkowie tajnych służb USA.

SUROWCE:

• Zestaw narzędzi rozpoznawania wyrażeń komputerowych (CERT)

• Okłamuj mnie, FOX

Stosowanie badań Ekmana w praktyce nie wymaga żadnego wrodzonego daru. Możesz teraz przejść do trybu online [ www.mettonline.pl] i nauczyć się rozpoznawania mikroekspresji, które jest jedną z części, w godzinę, mówi Ekman. Dzięki praktyce większość z nas może odszyfrować te ulotne wyrażenia w czasie rzeczywistym. Początkowo wszyscy wierzą, że nigdy tego nie zrobią, mówi. Pod koniec pytają: „Czy spowalniasz te rzeczy?”. My nie, ale twoje oczy nauczyły się je widzieć.

Inne badania potwierdzają twierdzenia Ekmana. W badaniach przeprowadzonych w 2006 roku neurobiolog Tamara Russell z King's College Uniwersytetu Londyńskiego wykazała, że ​​godzina treningu mikroekspresji umożliwiła osobom ze schizofrenią rozpoznawanie mimiki twarzy tak dokładnie, jak osobom zdrowym.

Niektóre jednak są znacznie lepsze niż inne w odczytywaniu mikroekspresji. Maureen O’Sullivan, koleżanka Ekmana z University of San Francisco, przez dwie dekady przetestowała ponad 20 000 osób i zidentyfikowała 50 osób z tej liczby, które konsekwentnie wykazują ponad 80-procentową dokładność w wykrywaniu, kiedy inni kłamią, z niewielką dokładnością zbliżoną do idealnej. Najwyraźniej pewien konkretny, optymalny zestaw zdolności leży u podstaw sukcesu tych rzadkich osób.

Ponieważ przeszkoleni eksperci FACS zazwyczaj odtwarzają nagranie przez trzy godziny w celu przeanalizowania zaledwie jednej minuty drgań i mrugnięć twarzy obiektu na wideo, sensowne było pytanie, czy system komputerowy może zautomatyzować proces analizy mikroekspresji i dopasować się do człowieka O'Sullivana. czarodzieje. Ekman po raz pierwszy rozważył to wyzwanie pod koniec lat 80-tych. Podczas urlopu naukowego w Londynie odwiedził Brunel College, gdzie inżynier, który opracował jeden z pierwszych komputerów przetwarzających równolegle, szkolił sztuczną sieć neuronową do rozpoznawania terrorystów. Problem inżyniera polegał na tym, że różne wyrazy twarzy badanych utrudniały jego systemowi rozpoznanie ich tożsamości, podczas gdy trudność Ekmana była odwrotna: musiał zignorować indywidualne fizjonomie badanych, aby rozpoznać emocje ujawniane przez ich ekspresję. Więc ci dwaj mężczyźni pracowali razem. Mówi, że w ciągu trzech dni nauczyliśmy maszynę rozpoznawania trzech różnych emocji u różnych osób. Po powrocie do USA napisałem wniosek o grant dla NIH, który go odrzucił, twierdząc, że komputery z przetwarzaniem równoległym nie istnieją. Ekman wyraził swoją frustrację przyjacielowi, który był fizykiem zdobywcą nagrody Nobla; znajomy skontaktował się z Terrym Sejnowskim, interdyscyplinarnym wybitnym specjalistą neurobiologii obliczeniowej w Instytucie Salka, którego laboratorium posiadało niezbędne komputery. Ekman i Sejnowski połączyli siły i otrzymali stypendium.

Mark Frank, były doktorant Ekman's, a obecnie profesor na Uniwersytecie w Buffalo w stanie Nowy Jork, odniósł największy sukces w automatyzacji FACS. Frank, pracujący w Buffalo's Center for Unified Biometrics and Sensors, współpracował z grupą informatyków z Uniwersytetu Kalifornijskiego w San Diego – głównie byłymi studentami Sejnowskiego – nad przekształceniem FACS w technologię o nazwie Computer Expression Recognition Toolbox (CERT). ). Zapytałem go, jak idzie projekt.

Zrobiliśmy to, powiedział mi Frank. Mamy system, który działa w czasie rzeczywistym. Jeśli chodzi o uczenie maszynowe, musieliśmy dać maszynom dobry materiał audiowizualny z prawdziwymi emocjami i ekspresją. Wtedy to tylko kwestia treningu, testowania, szkolenia, testowania. CERT działa mniej więcej tak dobrze, jak człowiek, mówi, ale działa trochę szybciej.

Technologia, która dokładnie wykrywa prawdziwe emocje ludzi, ma ogromny potencjał polityczny, społeczny i komercyjny. Co by było, gdyby komentatorzy polityczni zastosowali to do materiału filmowego z zeszłorocznych debat prezydenckich w USA, na przykład, aby ujawnić, czy McCain lub Obama kłamali? Albo gdyby prawnicy wykorzystali go do analizy zeznań wideo przedstawionych podczas rozpraw sądowych w celu ustalenia, czy świadek kłamał, co można by przytoczyć jako dowód? Rzeczywiście, ponieważ technologia ta wydobywa zwykłe wideo, może być utowarowiona jako tania usługa internetowa, aby każdy mógł z niej korzystać: ludzie mogą nagrywać rozmowy o pracę, negocjacje biznesowe, podpisywanie umów przedślubnych, ceremonie ślubne lub jakikolwiek inny rodzaj transakcji cywilnej, z zwrócenie uwagi na ich przegląd, aby upewnić się, że w dobrej wierze zaangażowanych osób. Zastanawiasz się, co robisz, kiedy kot wychodzi z torby, mówi Frank. I czy możesz go odzyskać?

Argument przemawiający za dopuszczeniem takiego dowodu w sądzie wydaje się prosty. Aby technologia była dopuszczalna, musi spełniać jeden z dwóch standardów prawnych; test Dauberta (od sprawy Sądu Najwyższego USA z 1993 r. Daubert przeciwko Merrell Dow Pharmaceuticals) jest testem stosowanym w większości jurysdykcji. Daubert wymaga, aby zeznania naukowe kwalifikowały się jako wiarygodna „wiedza naukowa”, mówi Edward Imwinkelried, profesor prawa na Uniwersytecie Kalifornijskim w Davis, który jest ekspertem w zakresie dopuszczalności dowodów naukowych. Sąd Najwyższy definiuje „wiedzę naukową” jako wiedzę potwierdzoną przez określoną metodologię, którą określił w klasycznych terminach jako, po pierwsze, formułowanie hipotezy, a po drugie, późniejsze kontrolowane eksperymenty lub systematyczne obserwacje terenowe mające na celu zweryfikowanie lub sfalsyfikowanie hipotezy. Biorąc pod uwagę trzy dekady akceptacji FACS i rejestr dokładności CERT, automatyczna analiza mimiki twarzy może z powodzeniem spełniać te kryteria.

Jednak przedstawienie tego argumentu wymagałoby wsparcia biegłych, takich jak Frank czy Ekman, a to nie nastąpi. Frank, na przykład, popiera wykorzystanie CERT przez rząd Stanów Zjednoczonych do celów bezpieczeństwa narodowego – może to nastąpić do 2011 roku, jak przypuszcza – ale nie chce, aby technologia rozprzestrzeniała się znacznie dalej: chociaż co dwa tygodnie otrzymujemy telefon z ludzie, którzy chcą zarobić duże pieniądze, reklamując to jako wykrywanie kłamstw, jestem dumny, że nikt związany z nauką do tej pory nie wyszedł poza to, co ona wspiera.

Nauka potwierdza, że ​​zarówno FACS, jak i CERTS mogą ujawnić wiele z prawdziwych emocji każdego człowieka, ale wyniki te należy interpretować inteligentnie – zwłaszcza w kontekście wykrywania oszustwa. W przeciwnym razie, podsumował Ekman, użytkownicy ryzykują to, co nazywa błędem Otella: Otello dokładnie odczytuje strach Desdemony. Ale nie zdawał sobie sprawy, że strach przed niedowierzaniem jest taki sam, jak strach przed złapaniem. Tak, nasze twarze ujawniają emocje, których doświadczamy, jeśli potrafisz odczytać znaki. To, co niekoniecznie ujawniają nasze twarze, jest tym, co wywołało tę emocję. Jeśli tego nie wiesz, interpretacja może bardzo zbłądzić. Wyklucz wszystkie możliwe wyjaśnienia, zanim uznasz, że to, co widzisz, jest oznaką kłamstwa na temat przestępstwa, ostrzega Ekman. Bo bardzo często tak nie jest.

Mark Williams jest redaktorem współpracującym z Przegląd technologii .

ukryć