Melu atklāšana

Sešdesmito gadu beigās Pols Ekmans — toreiz jauns psiholoģijas profesors Kalifornijas Universitātes Sanfrancisko Medicīnas skolā un tikko uzsāka savu mūža darbu — piepildīja Sanfrancisko Viktorijas laikmetu ar filmu bibliotēku, kurā bija redzamas 40 psihiatrisku pacientu sejas. tika intervēti. Ekmans, kurš tagad ir savas profesijas vadošā figūra, vēlējās uzzināt, vai viņš var izolēt sejas izteiksmes, lai palīdzētu diagnosticēt garīgos traucējumus. Sieviete vārdā Mērija, kura iepriekš trīs reizes bija mēģinājusi izdarīt pašnāvību, smaidīja un jautri runāja savā lentē. Kā tas notika, viņa meklēja nedēļas nogales caurlaidi, lai varētu doties mājās un nogalināt sevi.

Melu noteikšana ir sarežģīta: Vai Ričards Niksons, kuru šeit intervēja Deivids Frosts 1977. gadā, ir līmenī? Pētījumi atklāj, ka mikroizteiksmes atklāj mūsu pamatemocijas neatkarīgi no tā, vai mums tas patīk vai nē.

Mērija bija tas, kā es pirmo reizi atklāju mikroizteiksmes, Ekmans man teica, kad es viņu panācu filmēšanas laukumā Meli Man , Fox televīzijas drāma, kuru iedvesmojis viņa gadu desmitiem ilgā izpēte par to, kā sejas izteiksmes, žesti un cita neverbāla uzvedība atklāj mūsu emocijas un, vispiemērotākā, mūsu maldināšanu. Daži jaunie psihiatri, kurus es mācīju, jautāja, vai es varētu palīdzēt noteikt, kad pašnāvniecisks pacients stāsta patiesību vai melo par uzlabošanos, viņš teica. Daži viņu pacienti bija pametuši slimnīcu un stundas laikā nogalinājuši sevi. Tomēr Marija pirms aizbraukšanas bija atzinusies, ka viņa [iepriekšējās] intervijas laikā, kuru es filmēju, melojusi. Skatoties uz filmu, es neredzēju nekādus pierādījumus. Tāpēc es nedēļu gāju cauri kadram pa kadram, un parādījās šīs mikroizteiksmes — divi gadījumi, katrs 25 sekundes daļā, no 12 minūtēm.

Šis stāsts bija daļa no mūsu 2009. gada maija numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Marijas gadījumā viņas sejas vaibsti bija īslaicīgi izrādījuši izmisumu, kad intervējošais ārsts jautāja par viņas plāniem. Ekmans uzzināja, ka cilvēki, kurus viņš pētīja, ar mikroizteiksmēm nodod savu emocionālo stāvokli, lai cik daudz viņi tos mēģinātu apspiest. Viņš identificēja 46 sejas un muskuļu kustības, kas dažādās kultūrās liecina par tādām pamata emocijām kā bailes, neuzticēšanās un ciešanas.

Tas, ko es sākumā nezināju, Ekmans man teica, bija tas, ka jūs varat apmācīt cilvēkus atpazīt šīs mikroizteiksmes reāllaikā. Viņš 1970. gados izstrādāja sejas darbību kodēšanas sistēmu jeb FACS kā izsmeļošu visu sejas izteiksmju taksonomiju, tostarp šo signālu muskuļu uzvedību. Kopš tā laika apmācīti FACS lietotāji parasti ir uzrādījuši labāku seju lasīšanas panākumu līmeni nekā 75 procenti. Meli man — kuras galvenajā lomā ir izcilais Tims Rots kā doktors Kals Laitmens, varonis, kura pamatā ir Ekmans, ir ļoti vidēja izklaide Fox lielisko panākumu žanrā. Māja , kur gudrs eksperts atrisina gadījumus, ko iestāžu tipi nevar. Tomēr patiesībā daudzi FACS lietotāji ir iestāžu tipi — policisti, FIB aģenti, ASV slepenā dienesta darbinieki.

RESURSI:

• Computer Expression Recognition Toolbox (CERT)

• Meli man, FOX

Lai pielietotu Ekmana pētījumu praksē, nav nepieciešama iedzimta dāvana. Jūs varētu doties tiešsaistē tagad [ www.mettonline.com] un apgūt mikroekspresiju atpazīšanu, kas ir viena daļa, stundas laikā, saka Ekmans. Praktiski lielākā daļa no mums varētu atšifrēt šos īslaicīgos izteicienus reāllaikā. Sākotnēji visi uzskata, ka nekad to nedarīs, viņš saka. Beigās viņi jautā: 'Vai jūs palēninat šīs lietas?' Mēs nē, bet jūsu acis ir iemācījušies tās redzēt.

Citi pētījumi apstiprina Ekmana apgalvojumus. 2006. gadā veiktajā pētījumā neirozinātniece Tamāra Rasela no Londonas Universitātes Karaļa koledžas parādīja, ka stundu ilga mikroekspresijas apmācība ļāva cilvēkiem ar šizofrēniju noteikt sejas izteiksmes tikpat precīzi kā veseliem cilvēkiem.

Tomēr daži daudz labāk nekā citi lasa mikroizteiksmes. Ekmana Sanfrancisko Universitātes kolēģe Morēna O’Salivana ir pārbaudījusi 20 000 nepāra cilvēku divu gadu desmitu laikā un no tiem atklājusi 50 personas, kuras pastāvīgi demonstrē vairāk nekā 80 procentu precizitāti, nosakot, kad citi melo, un tikai daži no tiem tuvojas nevainojamai precizitātei. Skaidrs, ka šo reto cilvēku panākumu pamatā ir dažas īpašas, optimālas iespējas.

Tā kā apmācīti FACS eksperti parasti atkārto uzņemto materiālu trīs stundas, lai analizētu tikai vienu minūti no subjekta sejas raustīšanās un mirkšķināšanas video, bija lietderīgi jautāt, vai datorsistēma varētu automatizēt mikroekspresijas analīzes procesu un saskaņot O'Salivana cilvēka. burvji. Ekmans pirmo reizi šo izaicinājumu apsvēra astoņdesmito gadu beigās. Sabatē Londonā viņš apmeklēja Brunel koledžu, kur inženieris, kurš bija izstrādājis vienu no pirmajiem paralēlās apstrādes datoriem, apmācīja mākslīgo neironu tīklu, lai atpazītu teroristus. Inženiera problēma bija tā, ka subjektu dažādās sejas izteiksmes apgrūtināja viņa sistēmai viņu identitātes atpazīšanu, savukārt Ekmana grūtības bija otrādi: viņam vajadzēja neņemt vērā savu subjektu individuālo fizionomiju, lai atpazītu emocijas, ko atklāj viņu izteiksmes. Tātad abi vīrieši strādāja kopā. Trīs dienu laikā mēs iemācījām mašīnai atpazīt trīs dažādas emocijas dažādos cilvēkos, viņš saka. Atgriežoties ASV, es uzrakstīju dotācijas piedāvājumu NIH, kas to noraidīja, apgalvojot, ka paralēlās apstrādes datori nepastāv. Ekmans izteica savu neapmierinātību draugam, kurš bija Nobela prēmijas laureāts fiziķis; draugs sazinājās ar Teriju Sejnovski, Salk institūta skaitļošanas neirobioloģijas starpdisciplināru izcilību, kura laboratorijā bija nepieciešamie datori. Ekmans un Sejnovskis apvienojās un saņēma dotāciju.

Marks Frenks, bijušais Ekmana pēcdoktorantūras students un tagad Bufalo universitātes profesors Ņujorkā, ir guvis vislielākos panākumus automatizējot FACS. Frenks, kurš strādā no Bufalo vienotās biometrijas un sensoru centra, ir strādājis ar datoru zinātnieku grupu Kalifornijas Universitātē Sandjego (galvenokārt bijušie Sejnovska studenti), lai pārvērstu FACS par tehnoloģiju, ko sauc par Computer Expression Recognition Toolbox (CERT). ). Es viņam jautāju, kā projekts norit.

Mēs to esam izdarījuši, Frenks man teica. Mums ir sistēma, kas darbojas reāllaikā. Runājot par mašīnmācību, mums bija jāsniedz mašīnām labs audiovizuāls materiāls ar patiesām emocijām un izpausmēm. Tad tas ir tikai apmācības, testēšanas, apmācības, testēšanas jautājums. Viņš saka, ka CERT darbojas tikpat labi kā cilvēku eksperts, taču tas ir nedaudz ātrāk.

Tehnoloģijai, kas precīzi nosaka cilvēku patiesās emocijas, piemīt milzīgs politiskais, sociālais un komerciālais potenciāls. Kā būtu, ja politiskie komentētāji to būtu izmantojuši, piemēram, pagājušā gada ASV prezidenta debašu kadros, lai atklātu, vai Makeins vai Obama melo? Vai arī, ja advokāti to izmantoja, lai analizētu video nosūtījumus, kas iesniegti tiesas prāvas laikā, lai noteiktu, vai liecinieks ir melojis, konstatējumu, ko varētu minēt kā pierādījumu? Patiešām, tā kā tehnoloģija iegūst parastu video, to var izmantot kā lētu tīmekļa pakalpojumu, lai ikviens to varētu izmantot: cilvēki var ierakstīt darba intervijas, biznesa sarunas, pirmslaulību līguma parakstīšanu, kāzu ceremonijas vai jebkāda cita veida civiltiesisku darījumu, ar tos pārskatīt, lai pārliecinātos par iesaistīto personu labticību. Jūs domājat, ko jūs darāt, kad kaķis iznāk no maisa, Frenks saka. Un vai varat to dabūt atpakaļ?

Arguments šādu pierādījumu pieņemšanai tiesā šķiet vienkāršs. Lai tehnoloģija būtu pieņemama, tai jāatbilst vienam no diviem juridiskajiem standartiem; Dauberta tests (no 1993. gada ASV Augstākās tiesas lietas Daubert pret Merrell Dow Pharmaceuticals) ir tas, ko izmanto lielākajā daļā jurisdikciju. Dauberts pieprasa, lai zinātniskās liecības būtu kvalificējamas kā uzticamas “zinātniskas zināšanas”, saka Edvards Imvinkelrīds, Kalifornijas Universitātes Deivisas tiesību profesors, kurš ir eksperts par zinātnisko pierādījumu pieļaujamību. Augstākā tiesa definē “zinātniskās zināšanas” kā zināšanas, kas apstiprinātas ar īpašu metodoloģiju, ko tā klasiski raksturoja kā hipotēzes formulēšanu un, otrkārt, sekojošu kontrolētu eksperimentu vai sistemātisku lauka novērošanu, lai pārbaudītu vai falsificētu hipotēzi. Ņemot vērā FACS trīs gadu desmitus ilgušo pieņemšanu un CERT precizitāti, automatizētā sejas izteiksmes analīze varētu atbilst šiem kritērijiem.

Tomēr, lai izteiktu šo argumentu, būtu nepieciešams ekspertu liecinieku atbalsts, piemēram, Frenks vai Ekmans, un tas nav gaidāms. Piemēram, Frenks atbalsta to, ka ASV valdība izmanto CERT valsts drošības nolūkos — tas var notikt līdz 2011. gadam, viņš min, bet viņš nevēlas, lai tehnoloģija tiktu tālāk izplatīta: lai gan mēs saņemam zvanu ik pēc divām nedēļām no plkst. cilvēki, kas vēlas nopelnīt lielus līdzekļus, reklamējot to kā melu atklāšanu, es lepojos, ka neviens zinātnē iesaistītais līdz šim nav pārsniedzis to, ko tā atbalsta.

Zinātne apstiprina, ka gan FACS, gan CERTS var atklāt lielu daļu no jebkura cilvēka patiesajām emocijām, taču šie rezultāti ir jāinterpretē saprātīgi, jo īpaši maldināšanas atklāšanas kontekstā. Pretējā gadījumā, Ekmans rezumēja, lietotāji riskē ar to, ko viņš sauc par Otello kļūdu: Otello precīzi nolasīja Dezdemonas bailes. Bet viņš neatzina, ka bailes tikt noticētam ir gluži kā bailes tikt pieķertam. Jā, mūsu sejas atklāj, kādas emocijas mēs piedzīvojam, ja varat nolasīt zīmes. Tas, ko mūsu sejas ne vienmēr atklāj, ir tas, kas izraisīja šīs emocijas. Ja jūs to nezināt, interpretācija var maldīties. Izslēdziet visus iespējamos skaidrojumus, pirms secināt, ka tas, ko redzat, liecina par meliem par noziedzīgu darbību, brīdina Ekmans. Jo ļoti bieži tā nav.

Marks Viljamss ir līdzautors redaktors Tehnoloģiju apskats .

paslēpties