Articolul a apărut inițial pe Motherboard.
Sălile de judecată sunt spații inexacte. Jurații și procesele folosite pentru a da verdictul sunt parametrizate, dar procesul de judecată se rezumă la efortul de a convinge jurații în privința unui lucru inexact și subiectiv în esență. În Statele Unite, aceasta este o „îndoială rezonabilă”.
Videos by VICE
Pentru a găsi inculpatul vinovat, un judecător și/sau un juriu trebuie să determine, mai presus de vreo îndoială rezonabilă, că un inculpat este vinovat de o infracțiune. Într-o sală de judecată, această îndoială rezonabilă poate fi contracarată de dovezi fizice clare, în timp ce în alta, poate fi mărturia unui martor mituit.
Până la urmă, totul se rezumă la 12 oameni normali, străini, care se ceartă într-o cameră. Asta ar trebui să te neliniștească. Mi se pare foarte tulburător, dar în același timp și foarte interesant.
Asta face parte din motivul pentru care am semnalat un studiu publicat la începutul săptămânii la arVix, ce descria un sistem de învățare automatizat, pentru identificarea „înșelăciunilor” din sălile de judecată. Practic, se folosește de viziunea computerului pentru a identifica și clasifica micro-expresiile faciale și analiza frecvenței audio pentru a distinge ticuri revelatoare în voci. Sistemul automat de detectare a minciunilor a fost aproape 90% exact, trecând peste performanța oamenilor atribuiți aceleiași sarcini. Acest lucru s-a bazat pe evaluarea a 104 de videoclipuri în instanță, cu actori instruiți să mintă sau să spună adevărul.
„Înșelăciunea este comună în viața noastră de zi cu zi”, scrie în introducerea studiului. „Unele minciuni sunt inofensive, în timp ce altele pot avea consecințe grave și pot deveni o amenințare existențială pentru societate. De exemplu, situația în instanță poate afecta justiția și poate lăsa un inculpat vinovat în libertate. Prin urmare, detectarea exactă a unei înșelăciuni într-o situație cu mize mari este crucială pentru siguranța personală și publică.”
Modelele de învățare automatizate sunt instruite pentru a face previziuni bazate pe caracteristici, care sunt, în esență, măsurători ale unor proprietăți cu o valoare predictivă ipotetică. De exemplu, dacă vrei faci un model care să prezică dacă o mașină o să se strice sau nu în anul următor, poți analiza o grămadă de mașini care s-au stricat sau nu și descrierile acestor mașini, cum ar fi kilometrajul și anul. Ăstea ar fi caracteristicile.
În cazul ăsta, aceste caracteristici includ lucruri precum micro-expresiile menționate anterior, plus „buze proeminente” și „sprâncene încruntate”, pe lângă altele. Acestea au fost cele mai importante / utile caracteristici din spatele modelului, dar au inclus și analiza audio și analiza textuală a transcrierilor din sălile de judecată. Caracteristicile audio și textuale nu au contribuit cu nimic la precizia generală a modelului predictiv. În general, micro-expresiile au fost suficiente pentru a descoperi o minciună.
Desigur, pentru a concepe un model predictiv, e nevoie de o sursă de adevăr. Adică trebuie câteva exemple în care știm cu certitudine că cineva este înșelător. Acesta este punctul în care studiul devine un pic cam slab, indubitabil. Se bazează pe un set de date de detectare a înșelăciunilor, publicat acum câțiva ani de cercetători de la Universitatea Michigan și de la Universitatea North Texas. Setul de date este compus în mare din videoclipuri în care participanților li s-a cerut să fie ori veridici, ori înșelători, în diferite scenarii. Deși schema este un pic mai inteligentă decât pare, mi se pare că limitează, oricât de necesar ar fi să nu oferi date „din lumea reală”.
Subiectivitatea unei săli de ședință este atât o problemă, cât și o caracteristică. Ea permite lucruri precum empatie, dar și determinări foarte greșite ale vinovăției. Ăsta e un aspect tulburător, dar la fel e și detectoare de minciuni cu inteligență artificială și ce fel de impact ar putea avea asupra judecătorilor și juraților.
Există câteva minciuni cu care putem trăi și, de obicei, le acceptăm ca fiind normale, minciunile mici sau minciunile albe. Asta nu descalifică mereu un martor sau condamnă un inculpat. Însă, un computer, nu face o astfel de determinare. Pentru un robot, o minciună este o minciună, chiar dacă, ca oameni, știm că nu este cazul.
Citește mai multe despre cum să-ți dai seama când ești mințit:
Cum te prinzi că statisticile sunt minciuni
Am vrut să învăț cum să detectez mincinoșii din România mai bine decât în serialul „Lie to me”
Un profesor care studiază minciuna spune că mințim la greu tot timpul
Cum am încercat să păcălesc detectorul de minciuni