Yalan Tespitine Yeni Yaklaşım Gerçek Dünya Mahkemeleri Davalarını Kullanıyor

Yüksek riskli davalar sırasında yalan söyleyen insanları dikkatlice gözlemleyerek, Michigan Üniversitesi'ndeki araştırmacılar gerçek dünya verilerine dayanan benzersiz yalan tespit yazılımı geliştiriyorlar.

Yalan tespit modelleri, kişinin hem sözlerini hem de jestlerini dikkate alır ve yalan makinesinin aksine, çalışmak için konuşmacıya dokunması gerekmez.

Deneylerde, prototip kimin yalan söylediğini belirlemede yüzde 75'e kadar doğruydu (deneme sonuçlarıyla tanımlandığı gibi), insanların yüzde 50'nin biraz üzerindeki puanlarına kıyasla. Araç, güvenlik görevlileri, jüriler ve hatta akıl sağlığı uzmanları için bir gün yararlı olabilir.

Araştırmacılar, yalan söyleme davranışıyla ilgili birkaç kırmızı bayrak belirlediklerini söylüyorlar. Örneğin videolarda yalan söyleyenler ellerini daha çok hareket ettirdiler. Daha emin görünmeye çalıştılar. Ve, sezgiye aykırı olarak, diğer davranışların yanı sıra, sorgulayanların gözlerinin içine bakmaları, insanların doğruyu söylediğini düşündüklerinden biraz daha muhtemeldi.

Yazılımı geliştirmek için, araştırmacılar makine öğrenimi tekniklerini kullanarak yazılımı gerçek denemelerin medyada yer alan 120 video klip üzerinde eğitti. Kullandıkları kliplerden bazıları, haksız yere hüküm giymiş kişileri temize çıkarmaya çalışan ulusal bir kuruluş olan The Innocence Project'in web sitesindendi.

İşin "gerçek dünya" yönü, farklı olmasının ana yollarından biridir.

"Laboratuvar deneylerinde, insanları gerçekten yalan söylemeye motive eden bir ortam yaratmak zordur. Michigan Üniversitesi makine mühendisliği profesörü Dr. Mihai Burzo ile projeyi yöneten bilgisayar bilimi ve mühendisliği profesörü Dr. Rada Mihalcea, riskler yeterince yüksek değil ”dedi.

“İnsanlar iyi yalan söyleyebiliyorsa bir ödül sunabiliriz - başka bir kişiyi yanlış bir şeyin doğru olduğuna ikna etmeleri için onlara ödeme yapın. Ancak gerçek dünyada aldatmak için gerçek bir motivasyon var. "

Videolarda hem sanıkların hem de tanıkların ifadeleri yer alıyor. Kliplerin yarısında özne yalan söylüyormuş. Kimin doğruyu söylediğini belirlemek için araştırmacılar, ifadelerini deneme kararlarıyla karşılaştırdılar.

Araştırmacılar, "um, ah ve uh" gibi ses dolgusu da dahil olmak üzere sesi kopyaladı. Daha sonra deneklerin çeşitli kelimeleri veya kelime kategorilerini ne sıklıkla kullandığını analiz ettiler. Ayrıca videolardaki jestleri, baş, göz, kaş, ağız ve ellerin dokuz farklı hareketini puanlayan kişiler arası etkileşimler için standart bir kodlama şeması kullanarak saydılar.

Daha sonra verileri sistemlerine aktararak, videoları sıralaması için izin verdiler. Hem konuşmacının sözlerinden hem de hareketlerinden girdi kullandığında, kimin yalan söylediğini belirlemede yüzde 75 doğruydu. Bu, yazı tura atmaktan daha başarılı olan insanlardan çok daha iyi.

Mihalcea, "İnsanlar zavallı yalan makinesidir" dedi. "Bu, doğal olarak iyi olduğumuz türden bir görev değil.

"İnsanların aldatıcı olduklarında doğal olarak verdikleri ipuçları var, ancak onları almaya yeterince dikkat etmiyoruz. Bir kişinin kaç kez "ben" dediğini veya yukarı baktığını saymıyoruz. Daha yüksek bir iletişim seviyesine odaklanıyoruz. "

Yalan söyleyen insanların kliplerinde, araştırmacılar şu ortak davranışları buldular:

• Yalancılar daha çok kaşlarını çattılar veya tüm yüzleri çarptılar. Bu, yalan söyleyen kliplerin yüzde 30'una karşılık doğru olanların yüzde 10'undaydı;
• Yalancıların doğrudan soruyu soran kişiye bakma olasılığı daha yüksekti, yalan söyleyen kliplerin yüzde 70'inde, doğruyu söyleyenlerin yüzde 60'ında;
• Yalancılar, yalancı kliplerin yüzde 40'ında, doğru olanların yüzde 25'inde iki eliyle jest yapma olasılıkları daha yüksekti;
• Yalancıların "um" gibi ses dolgusu kullanma olasılığı daha yüksekti;
• Yalancılar, "ben" veya "biz" yerine "o" veya "o" gibi kelimelerle ve kesinliği yansıtan ifadeler kullanarak kendilerini eylemden daha fazla uzaklaştırdılar.

Burzo, "Kalp atış hızı, solunum hızı ve vücut sıcaklığı dalgalanmaları gibi fizyolojik parametreleri entegre ediyoruz ve bunların tümü non-invazif termal görüntüleme ile toplanıyor" dedi. “Aldatma tespiti çok zor bir problem. Buna birkaç farklı açıdan yaklaşıyoruz. "

Bu çalışma için, araştırmacılar bilgisayarın yapmasını sağlamak yerine hareketleri kendileri sınıflandırdılar. Bilgisayarı bunu yapması için eğitme sürecindeler.

Bulgular, Uluslararası Çok Modlu Etkileşim Konferansı'nda sunuldu ve 2015 konferansında yayınlandı.

Kaynak: Michigan Üniversitesi