Pendekatan Baru untuk Pengesanan Pembohongan Menggunakan Kes-Kes Mahkamah Dunia Sebenar

Dengan memerhatikan dengan teliti orang yang berbohong semasa kes mahkamah tinggi, para penyelidik di University of Michigan sedang membangunkan perisian pengesanan pembohongan yang unik berdasarkan data dunia nyata.

Model pengesan pembohongan mereka mempertimbangkan kata-kata dan gerak isyarat orang itu, dan tidak seperti poligraf, ia tidak perlu menyentuh pembesar suara untuk berfungsi.

Dalam eksperimen, prototaip itu hingga 75 persen tepat dalam mengenal pasti siapa yang berbohong (seperti yang ditentukan oleh hasil percubaan), dibandingkan dengan skor manusia yang hanya melebihi 50 persen. Alat ini mungkin berguna satu hari untuk ejen keselamatan, juri, dan juga profesional kesihatan mental.

Para penyelidik mengatakan bahawa mereka telah mengenal pasti beberapa bendera merah tingkah laku berbohong. Contohnya, dalam video, orang yang berbohong lebih banyak menggerakkan tangan mereka. Mereka cuba terdengar lebih pasti. Dan, agak berlawanan dengan intuitif, mereka lebih cenderung melihat penyoal mereka daripada orang yang dianggap benar, antara tingkah laku lain.

Untuk mengembangkan perisian, para penyelidik menggunakan teknik pembelajaran mesin untuk melatihnya pada satu set 120 klip video dari liputan media mengenai percubaan sebenar. Beberapa klip yang mereka gunakan adalah dari laman web The Innocence Project, sebuah organisasi nasional yang berusaha untuk menghilangkan hukuman yang salah.

Aspek "dunia nyata" karya adalah salah satu cara utama ia berbeza.

"Dalam eksperimen makmal, sukar untuk membuat suasana yang memotivasi orang untuk benar-benar berbohong. Taruhannya tidak cukup tinggi, "kata Dr. Rada Mihalcea, profesor sains komputer dan kejuruteraan yang mengetuai projek itu dengan Dr. Mihai Burzo, penolong profesor kejuruteraan mekanikal di University of Michigan.

"Kami boleh memberikan hadiah jika orang dapat berbohong dengan baik - membayarnya untuk meyakinkan orang lain bahawa sesuatu yang salah itu benar. Tetapi di dunia nyata ada motivasi sejati untuk menipu. "

Video tersebut merangkumi keterangan dari defendan dan saksi. Dalam separuh daripada klip, subjek dianggap berbohong. Untuk menentukan siapa yang mengatakan yang sebenarnya, para penyelidik membandingkan kesaksian mereka dengan keputusan perbicaraan.

Para penyelidik mentranskripsikan audio, termasuk isi vokal seperti "um, ah, dan uh." Mereka kemudian menganalisis berapa kerap subjek menggunakan pelbagai kata atau kategori kata. Mereka juga menghitung gerak isyarat dalam video menggunakan skema pengkodan standard untuk interaksi interpersonal yang mendapat sembilan gerakan kepala, mata, kening, mulut, dan tangan yang berbeza.

Kemudian mereka memasukkan data ke dalam sistem mereka, memungkinkan untuk menyusun video. Ketika menggunakan input dari kata-kata dan gerak-geri penutur, 75 peratus tepat dalam mengenal pasti siapa yang berbohong. Itu jauh lebih baik daripada manusia, yang melakukan lebih baik daripada duit syiling.

"Orang-orang adalah pengesan pembohongan yang buruk," kata Mihalcea. "Ini bukan tugas yang biasa kita kerjakan.

"Ada petunjuk yang manusia berikan secara alami ketika mereka menipu, tetapi kita tidak cukup memperhatikannya. Kami tidak mengira berapa kali seseorang mengatakan 'Saya' atau mendongak. Kami fokus pada tahap komunikasi yang lebih tinggi. "

Dalam klip orang yang berbohong, para penyelidik mendapati tingkah laku biasa berikut:

• Pembohong lebih cenderung memarahi atau memusingkan seluruh wajah. Ini terdapat dalam 30 peratus klip berbohong berbanding 10 peratus yang benar;
• Pembohong cenderung melihat secara langsung kepada penanya, dalam 70 peratus klip berbohong berbanding 60 peratus yang benar;
• Pembohong lebih cenderung memberi isyarat dengan kedua tangan, dalam 40 peratus klip yang berbohong, dibandingkan dengan 25 persen yang benar;
• Pembohong cenderung menggunakan isi vokal seperti "um;"
• Pembohong cenderung menjauhkan diri dari tindakan dengan kata-kata seperti "dia" atau "dia", bukan "Saya" atau "kita", dan menggunakan frasa yang mencerminkan kepastian.

"Kami mengintegrasikan parameter fisiologi seperti denyut jantung, kadar pernafasan, dan turun naik suhu badan, semuanya dikumpulkan dengan pencitraan terma yang tidak invasif," kata Burzo. "Pengesanan penipuan adalah masalah yang sangat sukar. Kami mengatasinya dari beberapa sudut yang berbeza. "

Untuk karya ini, para penyelidik sendiri mengklasifikasikan gerak isyarat, dan bukannya membuat komputer melakukannya. Mereka sedang dalam proses melatih komputer untuk melakukannya.

Penemuan ini dibentangkan di Persidangan Antarabangsa mengenai Interaksi Multimodal dan diterbitkan dalam prosiding persidangan 2015.

Sumber: Universiti Michigan