Løgndetektion

I slutningen af ​​1960'erne fyldte Paul Ekman – dengang en ung psykologiprofessor ved University of California, San Francisco, School of Medicine og lige påbegyndt sit livsværk – en San Francisco victorianer med et bibliotek af film, der viste 40 psykiatriske patienters ansigter, mens de blev interviewet. Ekman, som nu er en førende figur i sit fag, ville vide, om han kunne isolere ansigtsudtryk for at hjælpe med at diagnosticere psykiske lidelser. En kvinde ved navn Mary, som havde forsøgt selvmord tre gange før, smilede og talte muntert på sit bånd. Som det skete, fiskede hun efter et weekendpas – så hun kunne tage hjem og slå sig selv ihjel.

Løgndetektion er vanskelig: Er Richard Nixon, her interviewet af David Frost i 1977, på niveau? Forskning viser, at mikroudtryk afslører vores grundlæggende følelser, uanset om vi kan lide det eller ej.

Mary var, hvordan jeg først opdagede mikroudtryk, fortalte Ekman mig, da jeg indhentede ham på sættet af Lyv for mig , Fox tv-dramaet inspireret af hans årtiers forskning i, hvordan ansigtsudtryk, fagter og anden nonverbal adfærd afslører vores følelser og – mest relevant – vores bedrag. Nogle unge psykiatere, som jeg underviste, spurgte, om jeg kunne hjælpe med at identificere, hvornår en selvmordspatient fortalte sandheden eller lyver om at blive bedre, sagde han. Nogle af deres patienter havde forladt hospitalet og dræbte sig selv inden for en time. Mary havde dog tilstået, før hun gik, at hun havde løjet under et [tidligere] interview, jeg havde filmet. Da jeg så på filmen, kunne jeg ikke se nogen beviser. Så jeg gennemgik det billede for billede i en uge, og disse mikroudtryk dukkede op - to tilfælde, hver en 25. af et sekund, ud af 12 minutter.

Denne historie var en del af vores maj 2009-udgave

• Se resten af ​​problemet
• Abonner

I Marys tilfælde havde hendes ansigtstræk flygtigt udvist fortvivlelse, da den interviewende læge spurgte om hendes planer. Ekman lærte, at de menneskelige emner, han studerede, forrådte deres følelsesmæssige tilstand gennem mikroudtryk, uanset hvor meget de forsøgte at undertrykke dem. Han identificerede 46 ansigtsmuskelbevægelser, der på tværs af kulturer signalerer sådanne grundlæggende følelser som frygt, mistillid og nød.

Hvad jeg ikke vidste i begyndelsen, fortalte Ekman mig, var, at man kunne træne folk til at genkende disse mikroudtryk i realtid. Han udviklede Facial Action Coding System, eller FACS, i 1970'erne som en udtømmende taksonomi af alle ansigtsudtryk, inklusive disse afslørende muskeladfærd. Siden da har trænede FACS-brugere generelt vist bedre end en succesrate på 75 procent i at læse ansigter. Lie to Me – som har den ansete Tim Roth i hovedrollen som Dr. Cal Lightman, karakteren baseret på Ekman – er meget gennemsnitlig underholdning i genren af ​​Fox' store succes Hus , hvor en maverick-ekspert løser sager, som etableringstyper ikke kan. I virkeligheden er mange FACS-brugere imidlertid etablissementstyper – politifolk, FBI-agenter, medlemmer af US Secret Service.

RESSOURCER:

• Computer Expression Recognition Toolbox (CERT)

• Løj for mig, FOX

Det kræver ingen medfødt begavelse at anvende Ekmans forskning i praksis. Du kunne gå online nu [ www.mettonline.com] og lær mikroudtryksgenkendelsen, som er en del, på en time, siger Ekman. Med øvelse kunne de fleste af os afkode disse flygtige udtryk i realtid. I første omgang tror alle, at de aldrig vil gøre det, siger han. Til sidst spørger de: ’Sænker du disse ting?’ Det gør vi ikke, men dine øjne har lært at se dem.

Andre undersøgelser bekræfter Ekmans påstande. I forskning udført i 2006 viste neuroforsker Tamara Russell fra University of Londons King's College, at en times mikroekspressionstræning gjorde det muligt for mennesker med skizofreni at identificere ansigtsudtryk lige så præcist som raske mennesker.

Nogle er dog meget bedre end andre til at læse mikroudtryk. Ekmans University of San Francisco-kollega Maureen O'Sullivan har testet 20.000-ulige mennesker i løbet af to årtier og identificeret 50 personer blandt det antal, som konsekvent demonstrerer over 80 procent nøjagtighed i at detektere, når andre lyver, med meget få, der nærmer sig perfekt nøjagtighed. Det er klart, at nogle specifikke, optimale muligheder ligger til grund for disse sjældne individers succes.

Da trænede FACS-eksperter generelt afspiller optagelser i tre timer for at analysere blot et enkelt minut af et forsøgspersons ansigtstrækninger og blink på video, gav det mening at spørge, om et computersystem kunne automatisere processen med mikroekspressionsanalyse og matche O'Sullivans menneskelige troldmænd. Ekman overvejede først udfordringen i slutningen af ​​1980'erne. På et sabbatår i London besøgte han Brunel College, hvor en ingeniør, der havde udviklet en af ​​de første parallel-bearbejdningscomputere, trænede et kunstigt neuralt netværk til at genkende terrorister. Ingeniørens problem var, at forsøgspersoners varierede ansigtsudtryk gjorde det svært for hans system at genkende deres identiteter, mens Ekmans vanskeligheder havde en tendens til at være omvendt: han var nødt til at se bort fra sine forsøgspersoners individuelle fysiognomi for at genkende de følelser, der blev afsløret af deres udtryk. Så de to mænd arbejdede sammen. Inden for tre dage lærte vi maskinen at genkende tre forskellige følelser på forskellige mennesker, siger han. Tilbage i USA skrev jeg et bevillingsforslag til NIH, som afviste det, idet jeg hævdede, at der ikke eksisterede parallelbearbejdningscomputere. Ekman udtrykte sin frustration over for en ven, der var en nobelprisvindende fysiker; vennen kontaktede Terry Sejnowski, den tværfaglige eminence inden for computational neurobiology på Salk Institute, hvis laboratorium havde de nødvendige computere. Ekman og Sejnowski slog sig sammen og fik bevillingen.

Mark Frank, en tidligere postdoc-studerende hos Ekman og nu professor ved universitetet i Buffalo i New York, har haft den største succes med at automatisere FACS. Frank, der arbejder fra Buffalos Center for Unified Biometrics and Sensors, har arbejdet sammen med en gruppe computerforskere ved University of California, San Diego – hovedsagelig tidligere studerende fra Sejnowskis – for at omdanne FACS til en teknologi kaldet Computer Expression Recognition Toolbox (CERT). ). Jeg spurgte ham, hvordan projektet gik.

Vi har gjort det, fortalte Frank. Vi har et system, der fungerer i realtid. Med hensyn til maskinlæring skulle vi give maskinerne godt audiovisuelt materiale med ægte følelser og udtryk. Så er det bare et spørgsmål om træning, test, træning, test. CERT fungerer omtrent lige så godt som en menneskelig ekspert, siger han, men det er lidt hurtigere.

En teknologi, der nøjagtigt registrerer folks sande følelser, besidder et enormt politisk, socialt og kommercielt potentiale. Hvad hvis politiske kommentatorer havde anvendt det på optagelser af sidste års amerikanske præsidentdebatter, for eksempel for at afsløre, om McCain eller Obama løj? Eller hvis advokater brugte det til at analysere videoafgørelser fremlagt under retssager for at afgøre, om et vidne havde løjet, en konstatering, der kunne citeres som bevis? Faktisk, da teknologien udvinder almindelig video, kan den blive kommodificeret som en billig webtjeneste, så alle kan bruge den: folk kan optage jobsamtaler, forretningsforhandlinger, underskrivelser af ægtepagter, bryllupsceremonier eller enhver anden form for civil transaktion med et øje mod at gennemgå dem for at konstatere de involveredes gode tro. Man undrer sig over, hvad man gør, når katten kommer ud af sækken, siger Frank. Og kan du få den ind igen?

Argumentet for at tillade sådanne beviser i retten virker ligetil. For at være tilladt skal en teknologi opfylde en af ​​to juridiske standarder; Daubert-testen (fra 1993 US Supreme Court-sagen Daubert v. Merrell Dow Pharmaceuticals) er den, der bruges i de fleste jurisdiktioner. Daubert kræver, at videnskabeligt vidnesbyrd skal kvalificeres som pålidelig 'videnskabelig viden', siger Edward Imwinkelried, juraprofessor ved University of California, Davis, som er ekspert i, om videnskabelige beviser er antagelige. Højesteret definerer ’videnskabelig viden’ som viden valideret af en specifik metodologi, som den i klassiske termer beskrev som for det første formuleringen af ​​en hypotese og for det andet den efterfølgende kontrollerede eksperimentering eller systematisk feltobservation for at verificere eller falsificere hypotesen. I betragtning af FACS's tre årtiers accept og CERT's rekord af nøjagtighed, kan automatiseret ansigtsudtryksanalyse meget vel opfylde disse kriterier.

At fremsætte dette argument ville dog kræve støtte fra ekspertvidner som Frank eller Ekman, og det kommer ikke. Frank støtter for eksempel CERT's brug af den amerikanske regering med henblik på national sikkerhed – det kan ske inden 2011, gætter han på – men han ønsker ikke at se teknologien spredes meget længere: Selvom vi får et opkald hver anden uge fra kl. folk, der ønsker at tjene de store penge ved at markedsføre dette som løgnedetektion, er jeg stolt over, at ingen involveret i videnskaben hidtil er gået ud over, hvad den understøtter.

Hvad videnskaben bekræfter er, at både FACS og CERTS kan afsløre meget af ethvert menneskes virkelige følelser, men disse resultater skal fortolkes intelligent - især i forbindelse med at opdage bedrag. Ellers, opsummerede Ekman, risikerer brugerne det, han kalder Othellos fejl: Othello læste Desdemonas frygt præcist. Men han erkendte ikke, at frygten for at blive vantro er ligesom frygten for at blive fanget. Ja, vores ansigter afslører hvilke følelser vi oplever, hvis du kan læse tegnene. Hvad vores ansigter ikke nødvendigvis afslører er, hvad der udløste den følelse. Hvis du ikke ved det, kan fortolkningen komme langt på afveje. Udelukke alle mulige forklaringer, før du konkluderer, at det, du ser, er et tegn på at lyve om en kriminel handling, advarer Ekman. For meget ofte er det ikke.

Mark Williams er en medvirkende redaktør til Teknologigennemgang .

skjule