Lögndetektering

I slutet av 1960-talet fyllde Paul Ekman – då en ung psykologprofessor vid University of California, San Francisco, School of Medicine och precis börjat sitt livsverk – en San Francisco viktorian med ett bibliotek med filmer som visar 40 psykiatriska patienters ansikten när de intervjuades. Ekman, som nu är en ledande figur inom sitt yrke, ville veta om han kunde isolera ansiktsuttryck för att hjälpa till att diagnostisera psykiska störningar. En kvinna vid namn Mary, som hade försökt begå självmord tre gånger tidigare, log och talade glatt på sitt band. Som det hände, metade hon efter ett helgpass – så att hon kunde gå hem och ta livet av sig.

Lögnupptäckt är knepigt: Är Richard Nixon, här intervjuad av David Frost 1977, på nivån? Forskning visar att mikrouttryck avslöjar våra grundläggande känslor, oavsett om vi gillar det eller inte.

Mary var hur jag först upptäckte mikrouttryck, berättade Ekman för mig när jag kom ikapp honom på inspelningen av Ljug för mig , Fox tv-drama inspirerat av hans årtionden av forskning om hur ansiktsuttryck, gester och andra icke-verbala beteenden avslöjar våra känslor och – framför allt – våra bedrägerier. Några unga psykiatriker som jag undervisade frågade om jag kunde hjälpa till att identifiera när en självmordspatient talade sanning eller ljög om att bli bättre, sa han. Några av deras patienter hade lämnat sjukhuset och tagit livet av sig inom en timme. Mary hade dock erkänt innan hon gick att hon ljugit under en [tidigare] intervju som jag filmade. När jag tittade på filmen kunde jag inte se några bevis. Så jag gick igenom det bildruta för bildruta i en vecka, och dessa mikrouttryck dök upp – två instanser, vardera en 25:e sekund, av 12 minuter.

Den här historien var en del av vårt majnummer 2009

• Se resten av frågan
• Prenumerera

I Marys fall hade hennes ansiktsdrag flyktigt visat förtvivlan när den intervjuande läkaren frågade om hennes planer. Ekman lärde sig att de mänskliga ämnen han studerade förrådde deras känslomässiga tillstånd genom mikrouttryck, hur mycket de än försökte undertrycka dem. Han identifierade 46 ansikts-muskelrörelser som, över kulturer, signalerar sådana grundläggande känslor som rädsla, misstro och ångest.

Vad jag inte visste i början, sa Ekman till mig, var att man kunde träna folk att känna igen dessa mikrouttryck i realtid. Han utvecklade Facial Action Coding System, eller FACS, på 1970-talet som en uttömmande taxonomi av alla ansiktsuttryck, inklusive dessa avslöjande muskelbeteenden. Sedan dess har utbildade FACS-användare generellt visat bättre än 75 procent framgång i att läsa ansikten. Lie to Me – som har den uppskattade Tim Roth i huvudrollen som Dr. Cal Lightman, karaktären baserad på Ekman – är mycket medelmåttig underhållning i genren av Foxs stora framgång Hus , där en maverickexpert löser fall som etableringstyper inte kan. I verkligheten är dock många FACS-användare etableringstyper – poliser, FBI-agenter, medlemmar av U.S. Secret Service.

RESURSER:

• Computer Expression Recognition Toolbox (CERT)

• Ljug för mig, FOX

Det krävs ingen medfödd gåva för att tillämpa Ekmans forskning i praktiken. Du kan gå online nu [ www.mettonline.com] och lär dig mikrouttrycksigenkänningen, som är en del, på en timme, säger Ekman. Med övning kunde de flesta av oss avkoda dessa flyktiga uttryck i realtid. Till en början tror alla att de aldrig kommer att göra det, säger han. Mot slutet frågar de: 'Brommar du de här sakerna?' Det gör vi inte, men dina ögon har lärt sig att se dem.

Andra studier bekräftar Ekmans påståenden. I forskning som utfördes 2006 visade neuroforskaren Tamara Russell från University of Londons King's College att en timmes mikrouttrycksträning gjorde det möjligt för personer med schizofreni att identifiera ansiktsuttryck lika exakt som friska människor.

Vissa är dock mycket bättre än andra på att läsa mikrouttryck. Ekmans University of San Francisco-kollega Maureen O'Sullivan har testat 20 000 personer under två decennier och identifierat 50 individer bland det antalet som konsekvent visar över 80 procents noggrannhet när det gäller att upptäcka när andra ljuger, med ett fåtal som närmar sig perfekt precision. Det är uppenbart att någon specifik, optimal uppsättning förmågor ligger bakom dessa sällsynta individers framgång.

Eftersom utbildade FACS-experter i allmänhet spelar upp film i tre timmar för att analysera bara en enda minut av ett försökspersons ansiktsryckningar och blinkningar på video, var det meningsfullt att fråga om ett datorsystem kunde automatisera processen med mikrouttrycksanalys och matcha O'Sullivans mänskliga trollkarlar. Ekman övervägde utmaningen först i slutet av 1980-talet. På ett sabbatsår i London besökte han Brunel College, där en ingenjör som hade utvecklat en av de första parallellbearbetande datorerna tränade ett artificiellt neuralt nätverk för att känna igen terrorister. Ingenjörens problem var att försökspersoners olika ansiktsuttryck gjorde det svårt för hans system att känna igen deras identiteter, medan Ekmans svårighet tenderade att vara den omvända: han behövde bortse från sina försökspersoners individuella fysionomi för att känna igen de känslor som avslöjades av deras uttryck. Så de två männen arbetade tillsammans. Inom tre dagar lärde vi maskinen att känna igen tre olika känslor hos olika människor, säger han. Tillbaka i USA skrev jag ett bidragsförslag till NIH, som tackade nej och hävdade att parallellbearbetningsdatorer inte existerade. Ekman uttryckte sin frustration för en vän som var en Nobelprisbelönt fysiker; vännen kontaktade Terry Sejnowski, den tvärvetenskapliga eminensen för beräkningsneurobiologi vid Salk Institute, vars labb hade de nödvändiga datorerna. Ekman och Sejnowski slog sig ihop och fick bidraget.

Mark Frank, en före detta postdoktorand hos Ekman och nu professor vid universitetet i Buffalo i New York, har haft störst framgång med att automatisera FACS. Frank, som arbetar från Buffalos Center for Unified Biometrics and Sensors, har arbetat med en grupp datavetare vid University of California, San Diego – mestadels tidigare studenter från Sejnowskis – för att förvandla FACS till en teknik som kallas Computer Expression Recognition Toolbox (CERT). ). Jag frågade honom hur projektet gick.

Vi har gjort det, sa Frank till mig. Vi har ett system som fungerar i realtid. När det gäller maskininlärning var vi tvungna att ge maskinerna bra audiovisuellt material med riktiga känslor och uttryck. Sedan är det bara att träna, testa, träna, testa. CERT fungerar ungefär lika bra som en mänsklig expert, säger han, men det går lite snabbare.

En teknik som exakt upptäcker människors sanna känslor har en enorm politisk, social och kommersiell potential. Tänk om politiska kommentatorer hade tillämpat det på bilder från förra årets presidentdebatter i USA, till exempel för att avslöja om McCain eller Obama ljög? Eller om advokater använde den för att analysera videoavsättningar som presenterades under rättegångar för att avgöra om ett vittne hade ljugit, ett fynd som skulle kunna åberopas som bevis? Faktum är att, eftersom tekniken bryter vanlig video, kan den komma att vara en billig webbtjänst så att alla kan använda den: människor kan spela in jobbintervjuer, affärsförhandlingar, undertecknande av äktenskapsförord, bröllopsceremonier eller någon annan form av civila transaktioner, med ett öga mot att granska dem för att fastställa de inblandades goda tro. Man undrar vad man gör när katten kommer ur påsen, säger Frank. Och kan du få in den igen?

Argumentet för att tillåta sådan bevisning i domstol verkar okomplicerat. För att vara tillåten måste en teknik uppfylla en av två juridiska standarder; Daubert-testet (från 1993 års U.S. Supreme Court-mål Daubert v. Merrell Dow Pharmaceuticals) är det som används i de flesta jurisdiktioner. Daubert kräver att vetenskapliga vittnesmål måste kvalificera sig som tillförlitlig 'vetenskaplig kunskap', säger Edward Imwinkelried, juridikprofessor vid University of California, Davis, som är expert på tillåtligheten av vetenskapliga bevis. Högsta domstolen definierar 'vetenskaplig kunskap' som kunskap validerad av en specifik metod, som den i klassiska termer beskrev som, för det första, formuleringen av en hypotes och, för det andra, den efterföljande kontrollerade experimenten eller systematiska fältobservationer för att verifiera eller falsifiera hypotesen. Med tanke på FACS:s tre decennier av acceptans och CERT:s rekord av noggrannhet, kan automatisk analys av ansiktsuttryck mycket väl uppfylla dessa kriterier.

Att framföra detta argument skulle dock kräva stöd från expertvittnen som Frank eller Ekman, och det är inte aktuellt. Frank, till exempel, stöder CERT:s användning av den amerikanska regeringen för nationell säkerhet – det kan hända 2011, gissar han – men han vill inte se att tekniken sprids mycket längre: även om vi får ett samtal varannan vecka från kl. människor som vill tjäna stora pengar genom att marknadsföra detta som lögndetektion, jag är stolt över att ingen inblandad i vetenskapen hittills har gått utöver vad den stöder.

Vad vetenskapen bekräftar är att både FACS och CERTS kan avslöja mycket av alla mänskliga subjekts verkliga känslor, men dessa resultat måste tolkas intelligent - särskilt i samband med att upptäcka bedrägeri. Annars, sammanfattade Ekman, riskerar användare vad han kallar Othellos fel: Othello läste Desdemonas rädsla korrekt. Men han insåg inte att rädslan för att bli otrogen är precis som rädslan för att bli fångad. Ja, våra ansikten avslöjar vilka känslor vi upplever, om du kan läsa tecknen. Vad våra ansikten inte nödvändigtvis avslöjar är vad som utlöste den känslan. Om du inte vet det kan tolkningen gå långt vilse. Uteslut alla möjliga förklaringar innan du drar slutsatsen att det du ser är ett tecken på att ljuga om en kriminell handling, varnar Ekman. För väldigt ofta är det inte det.

Mark Williams är en medverkande redaktör till Teknikgranskning .

Dölj