Detección de mentiras

A fines de la década de 1960, Paul Ekman, entonces un joven profesor de psicología en la Facultad de Medicina de la Universidad de California en San Francisco y recién comenzando el trabajo de su vida, llenó un edificio victoriano de San Francisco con una biblioteca de películas que mostraban los rostros de 40 pacientes psiquiátricos mientras fueron entrevistados. Ekman, que ahora es una figura destacada en su profesión, quería saber si podía aislar las expresiones faciales para ayudar a diagnosticar trastornos mentales. Una mujer llamada Mary, que había intentado suicidarse tres veces antes, sonrió y habló alegremente en su cinta. Dio la casualidad de que estaba buscando un pase de fin de semana, para poder irse a casa y suicidarse.

La detección de mentiras es complicada: ¿Está Richard Nixon, aquí entrevistado por David Frost en 1977, a la altura? La investigación encuentra que las microexpresiones revelan nuestras emociones básicas, nos guste o no.

Mary fue como descubrí por primera vez las microexpresiones, me dijo Ekman cuando lo encontré en el set de Mienteme , el drama televisivo de Fox inspirado en sus décadas de investigación sobre cómo las expresiones faciales, los gestos y otros comportamientos no verbales revelan nuestras emociones y, lo que es más pertinente, nuestros engaños. Algunos psiquiatras jóvenes a los que estaba enseñando me preguntaron si podía ayudar a identificar cuándo un paciente suicida estaba diciendo la verdad o mintiendo acerca de mejorar, dijo. Algunos de sus pacientes habían abandonado el hospital y se habían suicidado en una hora. Mary, sin embargo, había confesado antes de irse que había estado mintiendo durante una entrevista [anterior] que había filmado. Mirando la película, no pude ver ninguna evidencia. Así que lo revisé fotograma a fotograma durante una semana, y aparecieron estas microexpresiones: dos instancias, cada una de ellas una 25 de segundo, en 12 minutos.

Esta historia fue parte de nuestro número de mayo de 2009

• Ver el resto del número
• Suscribir

En el caso de Mary, sus rasgos habían mostrado fugazmente desesperación cuando el médico entrevistador le preguntó sobre sus planes. Ekman se enteró de que los sujetos humanos que estudiaba traicionaban su estado emocional a través de microexpresiones, por mucho que intentaran reprimirlas. Identificó 46 movimientos de los músculos faciales que, en todas las culturas, señalan emociones básicas como el miedo, la desconfianza y la angustia.

Lo que no sabía al principio, me dijo Ekman, era que se podía capacitar a las personas para que reconocieran estas microexpresiones en tiempo real. Desarrolló el Sistema de Codificación de Acción Facial, o FACS, en la década de 1970 como una taxonomía exhaustiva de todas las expresiones faciales, incluidos estos comportamientos musculares reveladores. Desde entonces, los usuarios capacitados de FACS generalmente han demostrado una tasa de éxito superior al 75 por ciento en la lectura de rostros. Lie to Me, protagonizada por el estimable Tim Roth como el Dr. Cal Lightman, el personaje basado en Ekman, es un entretenimiento muy normal en el género del gran éxito de Fox. casa , donde un experto inconformista resuelve casos que los tipos de establecimientos no pueden. En realidad, sin embargo, muchos usuarios de FACS son tipos del establecimiento: policías, agentes del FBI, miembros del Servicio Secreto de los Estados Unidos.

RECURSOS:

• Caja de herramientas de reconocimiento de expresiones informáticas (CERT)

• Miénteme, FOX

No se requiere un don innato para aplicar la investigación de Ekman en la práctica. Puedes conectarte ahora [ www.mettonline.com] y aprender el reconocimiento de microexpresiones, que es una parte, en una hora, dice Ekman. Con la práctica, la mayoría de nosotros podría decodificar estas expresiones fugaces en tiempo real. Inicialmente, todos creen que nunca lo harán, dice. Al final, preguntan: '¿Estás ralentizando estas cosas?' No lo estamos, pero tus ojos han aprendido a verlas.

Otros estudios confirman las afirmaciones de Ekman. En una investigación realizada en 2006, la neurocientífica Tamara Russell del King's College de la Universidad de Londres demostró que una hora de entrenamiento en microexpresiones permitía a las personas con esquizofrenia identificar las expresiones faciales con tanta precisión como las personas sanas.

Algunos, sin embargo, son mucho mejores que otros para leer microexpresiones. La colega de Ekman en la Universidad de San Francisco, Maureen O’Sullivan, ha examinado a 20.000 personas durante dos décadas e identificado a 50 personas entre ese número que constantemente demuestran más del 80 por ciento de precisión en la detección cuando otros mienten, con muy pocas que se acercan a la precisión perfecta. Claramente, un conjunto óptimo y específico de capacidades subyace en el éxito de estos raros individuos.

Dado que los expertos capacitados en FACS generalmente reproducen las imágenes durante tres horas para analizar solo un minuto de los movimientos faciales y parpadeos de un sujeto en video, tenía sentido preguntarse si un sistema informático podría automatizar el proceso de análisis de microexpresiones y coincidir con el humano de O'Sullivan. magos. Ekman consideró el desafío por primera vez a fines de la década de 1980. En un año sabático en Londres, visitó Brunel College, donde un ingeniero que había desarrollado una de las primeras computadoras de procesamiento paralelo estaba entrenando una red neuronal artificial para reconocer a terroristas. El problema del ingeniero era que las diversas expresiones faciales de los sujetos dificultaban que su sistema reconociera sus identidades, mientras que la dificultad de Ekman tendía a ser la inversa: necesitaba ignorar las fisonomías individuales de sus sujetos para reconocer las emociones reveladas por sus expresiones. Entonces los dos hombres trabajaron juntos. En tres días, le enseñamos a la máquina a reconocer tres emociones diferentes en diferentes personas, dice. De vuelta en los EE. UU., Escribí una propuesta de subvención para el NIH, que la rechazó, alegando que las computadoras de procesamiento paralelo no existían. Ekman expresó su frustración a un amigo que fue un físico ganador del Premio Nobel; el amigo se puso en contacto con Terry Sejnowski, la eminencia interdisciplinaria de la neurobiología computacional en el Instituto Salk, cuyo laboratorio tenía las computadoras necesarias. Ekman y Sejnowski se unieron y obtuvieron la subvención.

Mark Frank, un ex estudiante postdoctoral de Ekman y ahora profesor en la Universidad de Buffalo, en Nueva York, ha tenido el mayor éxito en la automatización de FACS. Frank, que trabaja en el Centro de Biometría y Sensores Unificados de Buffalo, ha trabajado con un grupo de científicos informáticos en la Universidad de California, San Diego, en su mayoría exalumnos de Sejnowski, para convertir FACS en una tecnología llamada Computer Expression Recognition Toolbox (CERT). ). Le pregunté cómo iba el proyecto.

Lo hemos logrado, me dijo Frank. Contamos con un sistema que opera en tiempo real. En cuanto al aprendizaje automático, teníamos que darles a las máquinas un buen material audiovisual con emociones y expresiones reales. Entonces es solo una cuestión de entrenamiento, prueba, entrenamiento, prueba. CERT trabaja tan bien como un experto humano, dice, pero es un poco más rápido.

Una tecnología que detecta con precisión las verdaderas emociones de las personas posee un enorme potencial político, social y comercial. ¿Qué pasaría si los comentaristas políticos lo hubieran aplicado a las imágenes de los debates presidenciales estadounidenses del año pasado, por ejemplo, para revelar si McCain u Obama estaban mintiendo? ¿O si los abogados lo usaran para analizar declaraciones en video presentadas durante juicios judiciales para determinar si un testigo mintió, un hallazgo que podría citarse como prueba? De hecho, dado que la tecnología extrae videos ordinarios, podría comercializarse como un servicio web barato para que todos pudieran usarlo: la gente podría grabar entrevistas de trabajo, negociaciones comerciales, firmas de acuerdos prenupciales, ceremonias de boda o cualquier otro tipo de transacción civil, con un ojo para revisarlos para verificar la buena fe de los involucrados. Te preguntas qué haces cuando el gato sale de la bolsa, dice Frank. ¿Y puedes volver a meterlo?

El argumento para admitir tal evidencia en la corte parece sencillo. Para ser admisible, una tecnología debe satisfacer uno de dos estándares legales; La prueba de Daubert (del caso de 1993 de la Corte Suprema de Estados Unidos Daubert v. Merrell Dow Pharmaceuticals) es la que se utiliza en la mayoría de las jurisdicciones. Daubert requiere que el testimonio científico se califique como 'conocimiento científico' confiable, dice Edward Imwinkelried, profesor de derecho en la Universidad de California, Davis, quien es un experto en la admisibilidad de la evidencia científica. La Corte Suprema define el 'conocimiento científico' como el conocimiento validado por una metodología específica, que calificó en términos clásicos como, en primer lugar, la formulación de una hipótesis y, en segundo lugar, la posterior experimentación controlada o observación de campo sistemática para verificar o falsear la hipótesis. Dadas las tres décadas de aceptación de FACS y el historial de precisión de CERT, el análisis automatizado de expresiones faciales bien podría cumplir con esos criterios.

Sin embargo, hacer este argumento requeriría el apoyo de testigos expertos como Frank o Ekman, y eso no está por venir. Frank, por ejemplo, apoya el uso de CERT por parte del gobierno de EE. UU. Con fines de seguridad nacional; puede suceder en 2011, supone, pero no quiere que la tecnología se extienda mucho más: aunque recibimos una llamada cada dos semanas de personas que quieren ganar mucho dinero promocionando esto como detección de mentiras, estoy orgulloso de que nadie involucrado en la ciencia haya ido más allá de lo que respalda.

Lo que la ciencia confirma es que tanto FACS como CERTS pueden revelar gran parte de las emociones reales de cualquier sujeto humano, pero esos resultados deben interpretarse de manera inteligente, especialmente en el contexto de la detección del engaño. De lo contrario, resumió Ekman, los usuarios se arriesgan a lo que él llama el error de Othello: Othello leyó el miedo de Desdemona con precisión. Pero no reconoció que el miedo a ser descreído es como el miedo a ser atrapado. Sí, nuestros rostros revelan qué emociones estamos experimentando, si puedes leer las señales. Lo que nuestros rostros no necesariamente revelan es lo que desencadenó esa emoción. Si no lo sabe, la interpretación puede ir muy por mal camino. Descarte todas las explicaciones posibles antes de concluir que lo que está viendo es una señal de mentira sobre un acto delictivo, advierte Ekman. Porque muy a menudo no lo es.

Mark Williams es un editor colaborador de Revisión de tecnología .

esconder