东京科技大学的研究人员最近在《人工生命与机器人》杂志上发表了一项研究，他们探索了机器学习如何帮助检测欺骗。

机器学习是人工智能(AI)的一个子集，它涉及使用算法和统计模型，使计算机能够在没有明确编程的情况下从经验中学习和改进。换句话说，它是一种通过从数据、模式和示例中学习来教计算机执行特定任务的方法，而不是依赖于预定义的规则。



检测欺骗在各种情况下都很重要，比如询问犯罪受害者或嫌疑人，以及采访有精神健康问题的患者。有时，人类面试官可能很难问出正确的问题或准确地发现欺骗。

为了应对这些挑战，研究人员试图开发一种使用机器学习的自动欺骗检测系统。目标是建立一个公平准确的系统，帮助受访者说出真相，同时正确识别真正的嫌疑人，而不会错误地指责无辜的人。该团队由 Kento Tsuchiya、Ryo Hatand 和 Hiroyuki Nishiyama 组成，他们专注于利用面部表情和脉搏率来识别欺骗。

在他们的研究中，他们收集了四名男性研究生的数据。他们没有使用人为的面试场景，而是采用了更自然的方式。研究人员向受试者展示随机的图片，并要求他们在做出欺骗性陈述的同时自由地谈论这些图片。

在这些访谈中，研究人员使用网络摄像头记录受试者的面部表情，并使用智能手表测量他们的脉搏率。受试者被要求在说话时欺骗采访者。每一段视频结束后，受试者自己识别录像中哪些部分含有欺骗性陈述。

研究人员使用了一种称为随机森林(RF)的机器学习技术来建立欺骗检测模型。他们使用所有收集到的数据，包括面部表情和脉搏率，来创建一个用于训练机器学习模型的数据集。

为了评估模型的性能，他们使用了10倍交叉验证技术。这包括将数据集分成十部分，其中九部分用于训练，另一部分用于测试。此过程重复10次，并计算平均性能指标，包括准确性、精度、召回率和F1分数(平衡准确性和召回率的性能指标)。

研究结果表明，该欺骗检测模型具有良好的性能。每个受试者的准确率和F1分数范围从75%到80%不等，最高准确率约为87%。机器用来检测欺骗的一些常见线索包括脉搏的变化、目光移动以及眼睛和嘴巴周围特定的面部区域。

研究人员认为，他们的机器学习方法可以成为一种有价值的工具，用于检测人类互动中的欺骗行为。然而，他们指出，“为了使用我们的方法获得统计上严谨的结果，我们本质上需要数千个录制的视频和更丰富的传感器数据，以及大量受试者的帮助，这些受试者可能具有不同的文化背景和神经分化状态，但这对我们来说很困难。”因此，我们的注意力仅限于根据我们在现有文献中提出的方法的范围，在少数科目的帮助下，提供一些案例研究风格的分析。”

由于难以获得庞大而多样的数据集，研究人员不得不在有限的资源下工作。这种限制可能会影响他们发现的整体强度，并限制他们分析的范围。

换句话说，他们需要大量人的详细数据来开发准确的欺骗检测系统。由于难以获得庞大而多样的数据集，他们专注于做一个只有少数参与者的小型研究。这限制了他们的分析，但仍然提供了一些有用的见解，可以为未来的研究奠定基础。

 

来源：https://www.psypost.org/2023/07/decoding-lies-with-ai-new-machine-learning-model-uses-facial-expressions-and-pulse-rates-to-detect-deception-167323