Naukowcy z Tokyo University of Science opublikowali niedawno w czasopiśmie Artificial Life and Robotics wyniki badań sprawdzających, w jaki sposób w wykrywaniu kłamstw może pomóc uczenie maszynowe, czyli metoda, która polega na uczeniu komputerów wykonywania określonych zadań poprzez uczenie się na podstawie danych, wzorców i przykładów, zamiast polegania na z góry zdefiniowanych regułach.

Wykrywanie oszustwa może być szczególnie przydatne w takich sytuacjach jak przesłuchiwanie ofiar lub podejrzanych o przestępstwo czy przeprowadzanie wywiadu z pacjentami z problemami psychicznymi.

Niestety w takich przypadkach wykrycie prawdziwych intencji rozmówcy może nie być łatwe dla człowieka. Aby sprostać tym wyzwaniom, naukowcy starali się więc opracować zautomatyzowany system wykrywania kłamstw opierający się na uczeniu maszynowym. Celem było stworzenie uczciwego i dokładnego systemu, który pomógłby przesłuchującym ustalić prawdę, prawidłowo identyfikując prawdziwych podejrzanych bez niesłusznego oskarżania niewinnych osób.

Naukowcy skupili się na analizie mimiki i tętna badanych w celu zidentyfikowania oszustwa. Uczestnikom pokazano losowe obrazy, następnie przeprowadzono z nimi rozmowę na ich temat, poproszono ich także o próbę okłamania swojego rozmówcy. Wyraz tworzy badanych był rejestrowany przez kamerę, a tętno przez smartwatcha. Po każdej sesji sami mieli wskazać, w których momentach kłamali.

Wyniki badania wykazały obiecującą wydajność modelu wykrywania kłamstw. Dokładność wahała się średnio od 75 do 80 proc.

Największa dokładność wyniosła około 87 proc. Komputer, aby wykryć kłamstwo, najczęściej odnosił się do zmiany tętna, ruchu gałek ocznych i określonych obszarów twarzy wokół oczu i ust. Efekt badania zadowolił naukowców, jednak są oni zdania, że aby uzyskać jeszcze lepsze wyniki, potrzebują kilku tysięcy nagrań osób o różnym pochodzeniu.

Do opracowania dokładnego systemu wykrywania kłamstw niezbędne są szczegółowe dane od bardzo dużej liczby osób. Ze względu na trudność w uzyskaniu obszernego i zróżnicowanego zestawu danych naukowcy skupili się na przeprowadzeniu mniejszego badania z zaledwie kilkoma uczestnikami. Ograniczyło to ich analizę, ale nadal dostarczyło przydatnych spostrzeżeń, które mogą stanowić początek przyszłych badań.

Tekst: MZ