Американские разработчики создали систему искусственного интеллекта DARE, которая может распознать ложь подсудимого по его лицу и голосу. Тестирование показало, что программа справляется с этой задачей лучше людей — компьютер угадывал ложь в 90 процентах случаев. Программа будет представлена на конференции по искусственному интеллекту AAAI-18, описание принципов ее работы можно найти в препринте на ArXiv.org.
Человек в повседневной жизни достаточно плохо распознает обман. Исследования показывают, что в среднем только в 54 процентах случаев неподготовленные испытуемые могут правильно определить, честны ли с ними другие участники эксперимента. Тем не менее, ложь выдают разные признаки — это не только изменение физиологических показателей организма (учащенное сердцебиение или потоотделение), но и внешние характеристики. Например, даже небольшие изменения в выражении лица могут отражать эмоции, который человек хочет спрятать.
Современные системы машинного обучения имеют большой потенциал для распознавания обмана. Во многом это связано с тем, что компьютер обучается на большом массиве данных, и это позволяет ему замечать мелкие детали, на которые человек просто не обратит внимания. Поэтому исследователи из Мэрилендского университета и Дартмутского колледжа создали специальный алгоритм-полиграф DARE.
В основе работы DARE лежит несколько существующих и предварительно обученных классификаторов и моделей. Для тренировки алгоритма также использовалась база данных, содержавшая 121 видеоролик с инсценировкой судебного процесса. Система отслеживала изменения в выражении лица, голосе и речи. Принцип работы программы показан на картинке ниже.
Разработчики оценивали работу DARE, показывая ей видео с актерами, которые либо врали, либо говорили правду. В ходе перекрестной проверки максимальная точность алгоритма составила 92 процента (для людей она составила 81 процент). Интересно, что основной вклад вносили именно внешние признаки, например нахмуренные брови или надутые губы. Опираясь только на изменение выражения лица (без остального контекста), DARE угадывала обман в 87 процентах случаев.
Прототип похожей программы с использованием той же самой базы данных был создан еще в 2015 году. Она была представлена на конференции International Conference on Multimodal Interaction, посвященной взаимодействию человека и машины. Тестирование показало, что программа достигает 75 процентов точности. Однако авторы и новой, и предыдущей работы указывают на одно ограничение — системы опираются на инсценированные судебные процессы. В реальной жизни подсудимые могут лгать гораздо лучше, так как их мотивация радикально отличается от мотивации человека, участвующего в эксперименте.
Кристина Уласович
Доля ложноположительных оценок зависела от пола, этноса и типа жилья
Марта Маслей (Marta Maslej) из Университета Торонто с коллегами создала алгоритм машинного обучения для предсказания агрессии пациентов при оказании острой психиатрической помощи по структурированным электронным медицинским картам. Тестирование показало, что полученная модель проявляет пристрастность при прогнозировании. В работе использовали медкарты 17703 пациентов крупного канадского психиатрического стационара с января 2016 по май 2022 года (всего 42719 дня наблюдений, 1272 из них с проявлениями агрессии пациентов). Наиболее частой причиной госпитализации были психотические расстройства. 12398 пациентов и 29879 дней наблюдений использовали для обучения модели, 5305 пациентов и 12840 дней — для ее тестирования. Результаты опубликованы в журнале npj Mental Health Research.