Leugendetectie

Aan het eind van de jaren zestig vulde Paul Ekman - toen een jonge professor psychologie aan de University of California, San Francisco, School of Medicine en net aan zijn levenswerk begonnen - een Victoriaanse San Francisco met een bibliotheek met films waarop de gezichten van 40 psychiatrische patiënten te zien waren. werden geïnterviewd. Ekman, die nu een leidende figuur is in zijn beroep, wilde weten of hij gezichtsuitdrukkingen kon isoleren om psychische stoornissen te diagnosticeren. Een vrouw genaamd Mary, die drie keer eerder een zelfmoordpoging had ondernomen, glimlachte en sprak vrolijk op haar band. Toevallig was ze op zoek naar een weekendpas, zodat ze naar huis kon gaan en zelfmoord kon plegen.





Leugendetectie is lastig: Is Richard Nixon, hier geïnterviewd door David Frost in 1977, van hetzelfde niveau? Uit onderzoek blijkt dat micro-expressies onze basisemoties onthullen, of we dat nu leuk vinden of niet.

Mary was hoe ik micro-expressies voor het eerst ontdekte, vertelde Ekman me toen ik hem inhaalde op de set van Lieg tegen me , het televisiedrama van Fox, geïnspireerd door zijn decennialange onderzoek naar hoe gezichtsuitdrukkingen, gebaren en ander non-verbaal gedrag onze emoties en – het meest relevant – onze misleidingen onthullen. Sommige jonge psychiaters die ik lesgaf, vroegen of ik kon helpen vaststellen wanneer een suïcidale patiënt de waarheid sprak of loog over verbetering, zei hij. Sommige van hun patiënten hadden het ziekenhuis verlaten en pleegden binnen een uur zelfmoord. Mary had echter voor ze wegging bekend dat ze had gelogen tijdens een [vorig] interview dat ik had gefilmd. Toen ik naar de film keek, kon ik geen bewijs zien. Dus ik ging er een week lang frame voor frame doorheen, en deze micro-expressies kwamen naar voren - twee keer, elk een 25ste van een seconde, van de 12 minuten.

Kan technologie de economie redden?

Dit verhaal maakte deel uit van ons nummer van mei 2009



  • Zie de rest van het probleem
  • Abonneren

In het geval van Mary vertoonden haar gelaatstrekken vluchtig wanhoop toen de interviewende arts naar haar plannen vroeg. Ekman ontdekte dat de proefpersonen die hij bestudeerde hun emotionele toestand verraadden door middel van micro-expressies, hoezeer ze ook probeerden deze te onderdrukken. Hij identificeerde 46 gezichtsspierbewegingen die, in verschillende culturen, basisemoties als angst, wantrouwen en angst signaleren.

Wat ik in het begin niet wist, vertelde Ekman me, was dat je mensen kon trainen om deze micro-expressies in realtime te herkennen. Hij ontwikkelde het Facial Action Coding System, of FACS, in de jaren zeventig als een uitputtende taxonomie van alle gezichtsuitdrukkingen, inclusief dit veelbetekenende spiergedrag. Sindsdien hebben getrainde FACS-gebruikers over het algemeen een succespercentage van meer dan 75 procent aangetoond bij het lezen van gezichten. Lie to Me - met de gewaardeerde Tim Roth als Dr. Cal Lightman, het personage gebaseerd op Ekman - is zeer gemiddeld entertainment in het genre van het grote succes van Fox huis , waar een non-conformistische expert zaken oplost die vestigingstypes niet kunnen. In werkelijkheid zijn echter veel FACS-gebruikers etablissementen: politieagenten, FBI-agenten, leden van de Amerikaanse geheime dienst.

BRONNEN:

  • Computer Expression Recognition Toolbox (CERT)

  • Lieg tegen me, FOX

Het vereist geen aangeboren gave om Ekmans onderzoek in de praktijk toe te passen. Je zou nu online kunnen gaan [ www.mettonline.com] en leer de herkenning van micro-expressies, die een onderdeel is, in een uur, zegt Ekman. Met wat oefening zouden de meesten van ons deze vluchtige uitdrukkingen in realtime kunnen decoderen. In eerste instantie denkt iedereen dat ze het nooit zullen doen, zegt hij. Tegen het einde vragen ze: 'Vertraag je deze dingen?' Dat doen we niet, maar je ogen hebben geleerd ze te zien.



Andere studies bevestigen de beweringen van Ekman. In onderzoek dat in 2006 werd uitgevoerd, toonde neurowetenschapper Tamara Russell van het King's College van de Universiteit van Londen aan dat een uur micro-expressietraining mensen met schizofrenie in staat stelde gezichtsuitdrukkingen net zo nauwkeurig te identificeren als gezonde mensen.

Sommige zijn echter veel beter dan andere in het lezen van micro-expressies. Ekman's collega Maureen O'Sullivan van de Universiteit van San Francisco heeft gedurende twintig jaar 20.000 mensen getest en onder dat aantal 50 personen geïdentificeerd die consequent meer dan 80 procent nauwkeurig zijn in het detecteren wanneer anderen liegen, met een zeer weinig die de perfecte nauwkeurigheid nadert. Het is duidelijk dat een aantal specifieke, optimale capaciteiten ten grondslag liggen aan het succes van deze zeldzame individuen.

Aangezien getrainde FACS-experts over het algemeen beelden gedurende drie uur herhalen om slechts één minuut van de gezichtstrillingen en -knipperingen van een onderwerp op video te analyseren, was het logisch om te vragen of een computersysteem het proces van micro-expressieanalyse zou kunnen automatiseren en overeenkomen met O'Sullivan's menselijke tovenaars. Ekman dacht voor het eerst na over de uitdaging eind jaren tachtig. Tijdens een sabbatical in Londen bezocht hij Brunel College, waar een ingenieur die een van de eerste computers met parallelle verwerking had ontwikkeld, een kunstmatig neuraal netwerk trainde om terroristen te herkennen. Het probleem van de ingenieur was dat de verschillende gezichtsuitdrukkingen van de proefpersonen het voor zijn systeem moeilijk maakten om hun identiteit te herkennen, terwijl de moeilijkheid van Ekman de neiging had om het omgekeerde te zijn: hij moest de individuele fysionomieën van zijn proefpersonen negeren om de emoties te herkennen die door hun uitdrukkingen werden onthuld. Dus de twee mannen werkten samen. Binnen drie dagen leerden we de machine om drie verschillende emoties bij verschillende mensen te herkennen, zegt hij. Terug in de VS schreef ik een subsidievoorstel voor de NIH, die het afwees en beweerde dat computers met parallelle verwerking niet bestonden. Ekman uitte zijn frustratie tegen een vriend die een Nobelprijswinnende natuurkundige was; de vriend nam contact op met Terry Sejnowski, de interdisciplinaire eminentie van computationele neurobiologie aan het Salk Institute, wiens laboratorium over de nodige computers beschikte. Ekman en Sejnowski werkten samen en kregen de beurs.



Mark Frank, een voormalig postdoctoraal student van Ekman en nu een professor aan de Universiteit van Buffalo, in New York, heeft het grootste succes gehad met het automatiseren van FACS. Frank, werkzaam bij Buffalo's Center for Unified Biometrics and Sensors, heeft samengewerkt met een groep computerwetenschappers aan de Universiteit van Californië, San Diego, voornamelijk voormalige studenten van Sejnowski, om FACS om te zetten in een technologie genaamd de Computer Expression Recognition Toolbox (CERT ). Ik vroeg hem hoe het project ging.

We hebben het gedaan, vertelde Frank me. We hebben een systeem dat in realtime werkt. Op het gebied van machine learning moesten we de machines goed audiovisueel materiaal geven met echte emoties en uitdrukkingen. Dan is het gewoon een kwestie van trainen, testen, trainen, testen. CERT werkt ongeveer net zo goed als een menselijke expert, zegt hij, maar het is iets sneller.

Een technologie die de ware emoties van mensen nauwkeurig detecteert, heeft een enorm politiek, sociaal en commercieel potentieel. Wat als politieke commentatoren het hadden toegepast op beelden van de Amerikaanse presidentiële debatten van vorig jaar, bijvoorbeeld om te onthullen of McCain of Obama loog? Of als advocaten het gebruikten om videodeposities te analyseren die tijdens rechtszaken werden gepresenteerd om te bepalen of een getuige had gelogen, een bevinding die als bewijs kan worden aangehaald? Aangezien de technologie gewone video ontgint, kan het worden gecommercialiseerd als een goedkope webservice zodat iedereen het kan gebruiken: mensen kunnen sollicitatiegesprekken, zakelijke onderhandelingen, ondertekening van huwelijkse voorwaarden, huwelijksceremonies of elke andere vorm van burgerlijke transactie opnemen met een oog om ze te herzien om de goede trouw van de betrokkenen vast te stellen. Je vraagt ​​je af wat je doet als de kat uit de zak komt, zegt Frank. En krijg je hem er weer in?



Het argument om dergelijk bewijs in de rechtbank toe te laten, lijkt eenvoudig. Om toelaatbaar te zijn, moet een technologie voldoen aan een van de twee wettelijke normen; de Daubert-test (uit de zaak Daubert v. Merrell Dow Pharmaceuticals van het Amerikaanse Hooggerechtshof uit 1993) wordt in de meeste rechtsgebieden gebruikt. Daubert vereist dat wetenschappelijke getuigenissen worden aangemerkt als betrouwbare 'wetenschappelijke kennis', zegt Edward Imwinkelried, een professor in de rechten aan de Universiteit van Californië, Davis, een expert op het gebied van de toelaatbaarheid van wetenschappelijk bewijs. De Hoge Raad definieert ‘wetenschappelijke kennis’ als kennis die is gevalideerd door een specifieke methodologie, die het in klassieke termen beschreef als enerzijds het formuleren van een hypothese en anderzijds het daaropvolgende gecontroleerde experiment of systematische veldobservatie om de hypothese te verifiëren of te vervalsen. Gezien de drie decennia van acceptatie van FACS en het record van nauwkeurigheid van CERT, zou geautomatiseerde gezichtsuitdrukkingsanalyse wel eens aan die criteria kunnen voldoen.

Het maken van dit argument zou echter de steun van deskundige getuigen zoals Frank of Ekman vereisen, en dat is niet aanstaande. Frank steunt bijvoorbeeld het gebruik van CERT door de Amerikaanse regering voor doeleinden van nationale veiligheid - het kan in 2011 gebeuren, vermoedt hij - maar hij wil niet dat de technologie zich veel verder verspreidt: hoewel we elke twee weken een telefoontje krijgen van mensen die het grote geld willen verdienen door dit op de markt te brengen als leugendetectie, ik ben er trots op dat niemand die bij de wetenschap betrokken is tot dusver verder is gegaan dan wat het ondersteunt.

Wat de wetenschap bevestigt, is dat zowel FACS als CERTS veel van de echte emoties van een mens kunnen onthullen, maar die resultaten moeten intelligent worden geïnterpreteerd, vooral in de context van het detecteren van bedrog. Anders, vatte Ekman samen, riskeren gebruikers wat hij Othello's fout noemt: Othello las Desdemona's angst nauwkeurig. Maar hij besefte niet dat de angst om niet geloofd te worden net zo is als de angst om gepakt te worden. Ja, onze gezichten onthullen welke emoties we ervaren, als je de tekens kunt lezen. Wat onze gezichten niet noodzakelijkerwijs onthullen, is wat die emotie teweegbracht. Als je dat niet weet, kan de interpretatie ver dwalen. Sluit alle mogelijke verklaringen uit voordat je concludeert dat wat je ziet een teken is van liegen over een strafbaar feit, waarschuwt Ekman. Want heel vaak is dat niet zo.

Mark Williams is een bijdragende redacteur van: Technologie beoordeling .

zich verstoppen