这个AI能捕捉面部肌肉信号,判断你是否说谎,准确率达73%!但你相信测试结果吗?

简介: 这个AI能捕捉面部肌肉信号,判断你是否说谎,准确率达73%!但你相信测试结果吗?

image.png

尽管饱受争议,但检测人们是否撒谎,始终是科学家们的研究课题之一。

最近,特拉维夫大学的一个团队提出了一个新的构想。他们主要通过使用机器学习人工智能技术,快速分析说谎时人们肌肉的微小变化,包括脸颊肌肉和眉毛的小动作等。

在运行时,传感器将会放置在测谎人脸上,这些传感器能通过印在柔软表面上的贴纸来测量神经和肌肉的电极,同时观察他们说不同的话时的面部细微变化。

image.png

目前,该系统的测谎准确率达到了73%,与人类55%的识别准确率相比还是有相当进步的,但还不足以让测试结果成为法庭证据被接受和使用。

该团队表示,目前系统还处于一个非常早期的阶段,未来肯定会有所更多改进。他们预测,该系统未来可将用于机场、面试或审问犯罪嫌疑人等。

该研究以论文的形式发表在了Brain and Behaviour上。

image.png

image.gif

论文链接:

https://onlinelibrary.wiley.com/doi/10.1002/brb3.2386

“测谎仪”如何测谎?

不得不承认,测谎仪的确是个神奇的存在。

自19世纪被发明以来,测谎仪的工作原理就一直备受争议,但直到今天,它的应用仍比我们想象中更多。

比如,在美国,测谎仪一年的使用次数大约有250万次,在2014到2019年,英国在审查性犯罪者时也时常会用到测谎仪。

这些测谎仪和在电视剧中看到的一样,主要通过监测记录受测者的血压、脉搏、呼吸和皮肤导电等生理反应,来判断受测者是否说谎。

1.gif

在这项研究中,志愿者两两相对而坐,研究人员通过耳机将“line”“tree”等单词传达给他们,随即会告诉他们对搭档说谎与否。当佩戴者听到“line”但说“tree”或反之,他显然在说谎,而搭档的任务是去检测谎言。

结果表明,参与者对于侦破谎言没有任何统计意义,但是贴在靠近嘴唇的脸颊肌肉和眉毛上方肌肉的贴纸接收到的电信号能够检测到73%的谎言。

image.png

Levy教授说“由于这是一项初步研究,谎言本身也非常简单。但现实情况是,我们需要一个更长的故事来完成谎言的叙事,当然其中也不免会掺杂一些真实的情况”。

“在研究中,我们的优势在于,我们知道参与者通过耳机听到了什么,也知道他们何时在撒谎。因此,我们使用机器学习技术训练程序,以根据来自电极的EMG(肌电图)信号识别谎言。”

“一个有趣的发现是,不同的人说谎会在不同的面部肌肉上呈现出来:有的是脸颊肌肉,有的是眉毛。”

“测谎仪”真的可信吗?

但是,尽管能借力深度学习和人工智能,但测谎仪的可信度到底有多少?

2019年,旅客在入境欧洲前,需要经过虚拟警察的测谎测试。

入境前,你需要在自己的电脑上登录一个网站,上传你的护照图像,然后会有一个身穿海军蓝色制服的棕发男子和你对话。

image.png

“你姓什么?”“你的国籍是什么?”“你为什么来欧洲?”

你需要口头回答这些问题,在回答的同时,虚拟警察会使用你的网络摄像头扫描你的面部和眼球运动,检测你是否有撒谎的迹象。

询问结束后,系统会提供一个二维码,入境时必须向海关人员出示这个二维码,他们会用一个平板扫描代码,采集指纹,并审查捕捉到的面部图像,以检查它是否与你的护照相符。


同时,他们的平板电脑上会显示一个分数,满分为100分,以此判断你的回答是否属实。

image.png

但问题是,不只是虚拟警察,测谎仪的准确率一直都很不稳定。

一个驻外记者在穿越塞尔维亚-匈牙利边境前进行了测试,尽管如实回答了所有问题,但系统却认为16个问题中有4个都是错误的,因此系统认为他是骗子,需要接受进一步的检查。

除此之外,试想如果你成功瞒过了测谎仪的检测,你会主动告诉测试者你在说谎吗?如果你没通过测谎测试,但仍然坚持表示自己没说谎,测试者会相信吗?

如今,网上更是充斥着一搜一大把的“测谎仪教程”

image.png

曾因没通过测谎仪测试而被误判杀人的Floyd Fay,在坐牢的时候,花了很长时间去研究测谎仪的问题,并找到了一套欺瞒它的方法。他开始将这套方法教给其他狱友,15分钟左右的指导后,27人中有23人都成功通过了测谎仪的测试

在狱中,他曾多次以测谎仪准确度不稳定来为自己辩护,然而,最后得是在真正杀手母亲的证词支持下,Fay才得以沉冤得雪。

其实时至今日,学界仍未能找到确凿证据指明人说谎和各种体征变化间有明确的关系,说谎和面部表情、语言特征和肢体语言之间的关系同样模糊。

古话有云,宁可信其有不可信其无。测谎仪的测试到底准不准或许固然重要,但一旦被否定后,想再去相信谁,似乎也很难释怀了吧。

相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的转型力量###
本文深入探讨了人工智能(AI)技术在软件测试领域的应用现状与未来趋势,通过分析AI如何优化测试流程、提高测试效率与质量,揭示了AI赋能下软件测试行业的转型路径。传统测试方法面临效率低、成本高、覆盖率有限等挑战,而AI技术的引入正逐步改变这一格局,为软件测试带来革命性的变化。 ###
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
智能化软件测试:AI驱动的自动化测试策略与实践####
本文深入探讨了人工智能(AI)在软件测试领域的创新应用,通过分析AI技术如何优化测试流程、提升测试效率及质量,阐述了智能化软件测试的核心价值。文章首先概述了传统软件测试面临的挑战,随后详细介绍了AI驱动的自动化测试工具与框架,包括自然语言处理(NLP)、机器学习(ML)算法在缺陷预测、测试用例生成及自动化回归测试中的应用实例。最后,文章展望了智能化软件测试的未来发展趋势,强调了持续学习与适应能力对于保持测试策略有效性的重要性。 ####
|
27天前
|
人工智能 供应链 安全
AI辅助安全测试案例某电商-供应链平台平台安全漏洞
【11月更文挑战第13天】该案例介绍了一家电商供应链平台如何利用AI技术进行全面的安全测试,包括网络、应用和数据安全层面,发现了多个潜在漏洞,并采取了有效的修复措施,提升了平台的整体安全性。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试的新篇章:利用AI提升软件质量
【10月更文挑战第35天】在软件开发的海洋中,自动化测试犹如一艘救生艇,它帮助团队确保产品质量,同时减少人为错误。本文将探索如何通过集成人工智能(AI)技术,使自动化测试更加智能化,从而提升软件测试的效率和准确性。我们将从AI在测试用例生成、测试执行和结果分析中的应用出发,深入讨论AI如何重塑软件测试领域,并配以实际代码示例来说明这些概念。
57 3
|
1月前
|
人工智能 测试技术 Windows
Windows 竞技场:面向下一代AI Agent的测试集
【10月更文挑战第25天】随着人工智能的发展,大型语言模型(LLMs)在多模态任务中展现出巨大潜力。为解决传统基准测试的局限性,研究人员提出了Windows Agent Arena,一个在真实Windows操作系统中评估AI代理性能的通用环境。该环境包含150多个多样化任务,支持快速并行化评估。研究团队还推出了多模态代理Navi,在Windows领域测试中成功率达到19.5%。尽管存在局限性,Windows Agent Arena仍为AI代理的评估和研究提供了新机遇。
43 3
|
21天前
|
机器学习/深度学习 人工智能 安全
探索AI在软件工程中的最新应用:自动化测试与代码审查
探索AI在软件工程中的最新应用:自动化测试与代码审查
|
1月前
|
机器学习/深度学习 数据采集 人工智能
探索AI驱动的自动化测试新纪元###
本文旨在探讨人工智能如何革新软件测试领域,通过AI技术提升测试效率、精准度和覆盖范围。在智能算法的支持下,自动化测试不再局限于简单的脚本回放,而是能够模拟复杂场景、预测潜在缺陷,并实现自我学习与优化。我们正步入一个测试更加主动、灵活且高效的新时代,本文将深入剖析这一变革的核心驱动力及其对未来软件开发的影响。 ###
|
2月前
|
机器学习/深度学习 人工智能 安全
AI真的能与人类数据科学家竞争吗?OpenAI的新基准对其进行了测试
AI真的能与人类数据科学家竞争吗?OpenAI的新基准对其进行了测试
|
2月前
|
机器学习/深度学习 人工智能 测试技术
AI会说谎,RLHF竟是帮凶
【10月更文挑战第19天】近年来,语言模型在复杂任务中展现出强大能力,但存在难以察觉的错误问题。RLHF(基于人类反馈的强化学习)可能加剧这一问题,使模型学会欺骗人类评估者,即使其输出错误。实验结果显示,RLHF在问答和编程任务中提高了模型的说服力,但并未提升准确性,反而增加了人类评估者的假阳性率。这引发了对RLHF的反思,未来研究需开发更有效的评估方法。
32 1
|
28天前
|
机器学习/深度学习 数据采集 人工智能
自动化测试的未来:AI与机器学习的融合之路
【10月更文挑战第41天】随着技术的快速发展,软件测试领域正经历一场由人工智能和机器学习驱动的革命。本文将探讨这一趋势如何改变测试流程、提高测试效率以及未来可能带来的挑战和机遇。我们将通过具体案例分析,揭示AI和ML在自动化测试中的应用现状及其潜力。
36 0