2.3 謊言識別的未來

“人類每天說謊十次，但我們僅僅能有一半的概率正確識別。綜合使用生理學、語音學等信息，計算機可以做得更好。”

我們相信，隨著人工智能技術(shù)的發(fā)展，融合很多高新技術(shù)手段的智能化的謊言識別技術(shù)將被廣泛地應用于人們的日常生活和工作場景，更好地滿足人們?nèi)找嬖鲩L的美好需求。例如，隨著人們生活水平的提高以及工作的需要，跨國旅游或出差是一種常態(tài)，而目前過海關(guān)時的費時耗力已成為人們快節(jié)奏生活里的絆腳石。不過，隨著人工智能以及生物辨識技術(shù)的快速發(fā)展，未來旅客將會發(fā)現(xiàn)自己過海關(guān)時面對的不再是人，而是一臺人工智能機器。在某邊境入關(guān)口岸，發(fā)生著下面的一幕：

上面演示的是科學家正在研發(fā)的面向?qū)嶋H應用的擬人謊言檢測器的工作場景。未來有望投入使用的這種新機器融合了面部表情、言語反應、眼睛運動等多模態(tài)線索，能夠快速且無侵入進行謊言識別，成為人工智能應用于謊言識別領(lǐng)域的典范。此外，隨著謊言識別技術(shù)的日益成熟，它還能在金融信托、招聘面試、人力資源等更多領(lǐng)域大顯身手。

2.3.1 謊言識別技術(shù)的多學科領(lǐng)域交叉融合和人工智能時代

隨著多學科領(lǐng)域的深入交叉融合和人類社會進入人工智能時代，融合心理學、犯罪學和計算機科學等多個學科成果的新方法會不斷涌現(xiàn)。謊言識別的準確率和自動化程度也將不斷提升。馬里蘭大學的拉里·戴維斯（Larry Davis）團隊近期開發(fā)了一套欺騙分析和推理引擎（deception analysis and reason engine, DARE）人工智能系統(tǒng)。在該系統(tǒng)的前期訓練中使用了大量的法庭對話視頻，人工智能系統(tǒng)需要對視頻中的表情和微表情（如皺眉、揚眉、唇角翹起、嘴唇突出和歪頭等）以及聲音線索模式進行分析，最終判斷當事人是否在說謊。訓練結(jié)果表明，DARE在謊言檢測方面的表現(xiàn)要優(yōu)于普通人，并且在預測個體是否說謊方面的成績顯著高于普通人。在當前法庭審判中測謊儀等設(shè)備證據(jù)尚無法成為采信證據(jù)的背景下，DARE很可能成為提供測謊證據(jù)的新渠道。但該系統(tǒng)目前尚在進行更廣闊的生態(tài)效度測試，它在其他場景中的應用值得期待。

美國猶他大學心理學家約翰·基爾舍（John Kircher）團隊研發(fā)出基于眼球運動的謊言識別系統(tǒng)：眼睛運動欺騙測試（ocular-motor deception test, ODT）。被測試者對計算機上呈現(xiàn)的問題做出是或否的回答，系統(tǒng)通過計算機算法來提取其眼睛運動的一系列指標，如瞳孔擴張細節(jié)、反應時間、閱讀時間等，從而判斷其是否在說謊。相較于傳統(tǒng)的測謊儀，該系統(tǒng)不受被測試者種族或民族、性別、年齡等因素干擾。未來在快速發(fā)展的人工智能技術(shù)加持下，這項眼球分析工作很有可能變得更加細膩，對謊言的識別準確率將會更高，并且相對于傳統(tǒng)謊言識別方式，人工智能時代的謊言識別可能使人類具備另外一種新能力：預測謊言。在個體還未說話時，人工智能通過對非言語信息的檢測和分析就能判斷其是否會說謊。

2.3.2 謊言識別的需求與研究現(xiàn)狀的矛盾

但是，在推進謊言識別應用的過程中，基礎(chǔ)研究與應用需求之間存在不小的矛盾，主要體現(xiàn)在如下幾個方面。

第一，盡管存在上述種種謊言識別儀器，并且逐漸融入更多不同的信息，但測試者的作用至關(guān)重要。謊言識別儀器的作用只有在測試者適時提出正確問題、靈活運用各種策略引導被測試者講真話時才會得到最大限度的發(fā)揮。如果沒有稱職的測試者，謊言識別儀器的作用則無從談起。

第二，盡管謊言識別研究的各個領(lǐng)域都在考察評估不同指標的有效性程度，并將可能有效的指標應用到實際場景中，但是目前的結(jié)果依然不盡如人意。邦德和德保羅（2006）的元分析研究發(fā)現(xiàn)，對于未受過特殊訓練的人而言，其欺騙識別準確率平均為53.98%。另外，有元分析研究考察了不同群體在識別謊言時的準確率，結(jié)果發(fā)現(xiàn)有專業(yè)背景的實驗參與者（如法官、警員、偵探、心理學家）與普通大學生參與者之間并沒有顯著差異，識別準確率較高的人群是教師、社會工作者、罪犯。表2–1總結(jié)了在實驗室中基于不同線索進行謊言識別的準確率，多數(shù)在50%~60%，部分采用基于標準的內(nèi)容分析方法（criteria-based content analysis, CBCA）和現(xiàn)實監(jiān)控理論（reality monitoring, RM）的研究準確率達到70%左右（Vrij, 2008）。實驗室研究得出的指標有效性本身并不高，在這種情況下將實驗室范式和結(jié)論應用于實際情境，出現(xiàn)錯誤的可能性更大。

第三，謊言識別的實驗室研究發(fā)現(xiàn)某一線索之后，經(jīng)過媒體宣傳，人們會像“科學家”一樣不斷在自己的生活中驗證這種線索是否真正有效，并在面對需要說謊的情境時，對自己的某一特定線索做出主動控制或抑制，最終會導致這一線索的效應量越來越低。例如，心理學家發(fā)現(xiàn)了真笑和假笑的區(qū)分性線索之后，該發(fā)現(xiàn)在不同領(lǐng)域得到了廣泛應用，比如廣告行業(yè)、表演行業(yè)等。人們會有意克制自己表現(xiàn)出假笑的面部動作模式，盡量顯得真實。這樣就進入一個謊言線索的發(fā)現(xiàn)與應用之間的矛盾——一個貓捉老鼠的不斷循環(huán)的游戲。

第四，在利用人工智能進行說謊相關(guān)的表情或動作識別時，必須考慮一些特殊情況，比如一些生理性動作（嘴歪眼斜、單側(cè)眉毛抽動，或者其他沒有任何情緒意義的鼻孔呼吸、張合等）在人工智能設(shè)備的檢測和分析過程中，是否會被當作有情緒意義的信息納入分析指標？又如傳統(tǒng)的測謊技術(shù)碰到的普遍問題：說真話的人因為緊張出現(xiàn)的和說謊者類似的生理特征表現(xiàn)，人工智能技術(shù)能不能準確地發(fā)現(xiàn)其中的細微分別？

小結(jié)

隨著人工智能技術(shù)的發(fā)展，融合多種高新技術(shù)的智能化謊言識別技術(shù)將被廣泛地應用于人們的日常生活和工作場景，更好地滿足人們?nèi)找嬖鲩L的美好需求。但在推進謊言識別應用的過程中，基礎(chǔ)研究與應用需求之間存在不小的矛盾。借助對人類說謊心理機制的深入理解，以及人工智能時代的到來，謊言識別經(jīng)歷了從無到有、從樸素主義到科學主義的發(fā)展，識別的準確率也大幅提升。盡管到目前為止，我們?nèi)詿o法就何時能夠?qū)崿F(xiàn)完美的謊言識別給出準確的答案和可能的時間節(jié)點，但無論歷時多久，我們都愿意一直努力探索并追求更卓越的謊言識別技術(shù)與方法。

思考題

1.未來人工智能技術(shù)是否能幫助人類百分之百地識別謊言？

2.人工智能技術(shù)在謊言識別領(lǐng)域的應用會對人類社會產(chǎn)生什么影響？