آزمایشاتی که گاهی اوقات تاثیر آن تا چندین نسل بعد نیز به جا مانده است

وحشتناکترین آزمایش های انسانی تاریخ دنیا!

نوعی دروغ‌سنج جدید با استفاده از هوش مصنوعی تغییر عضلات صورت را بررسی می‌کند

محققان موفق به تولید نوعی دستگاه دروغ‌سنج جدید شده‌اند که می‌تواند با الگوریتم‌های هوش مصنوعی، وضعیت انقباض ماهیچه‌های صورت فرد دروغگو، که حتی خودش هم نمی‌داند در حال استفاده از آنهاست را بررسی کند.
محققان موفق به تولید نوعی دستگاه دروغ‌سنج جدید شده‌اند که می‌تواند با الگوریتم‌های هوش مصنوعی، وضعیت انقباض ماهیچه‌های صورت فرد دروغگو، که حتی خودش هم نمی‌داند در حال استفاده از آنهاست را بررسی کند.
کد خبر: ۱۳۴۸۶۵۲
به گزارش جام‌جم آنلاین به نقل از ساینس الرت، ما انسان‌ها توانایی خوبی در تشخیص دروغ حتی در زمانی که به چشمان دروغگو‌ها مستقیم خیره می‌شویم، نداریم. نوعی ابزار یادگیری ماشینی که برای تشخیص علائم دروغ گفتن آموزش دیده است، با استفاده از اطلاعات حاصل از حسگر‌های پوشیدنی که ضربان ماهیچه‌های صورت را تشخیص می‌دهند، بهتر از یک فرد معمولی عمل می‌کند.

این سیستم به طور متوسط در ۷۳ درصد مواقع به درستی تشخیص می‌دهد که افراد دروغ می‌گویند و دو نوع دروغگو را در این فرآیند آشکار می‌کند. دینو لوی، عصب‌شناس رفتاری، می‌گوید: «این فناوری هنوز کامل نیست، اما بسیار بهتر از فناوری‌های موجود تشخیص چهره عمل می‌کند.»

الکترود‌های پوشیدنی حرکات ماهیچه‌های صورت را در ۴۰ داوطلب اندازه‌گیری کردند که یا دروغ می‌گفتند یا حقیقت را بیان می‌کردند تا الگوریتم یادگیری ماشینی را تغذیه کنند که به آرامی یاد می‌گرفت الگو‌های راستگویی و دروغگویی را در حالات چهره افراد تشخیص دهد.

فناوری‌های دروغ‌سنجی که معمولاً مورد استفاده قرار می‌گیرد، مانند پلی‌گراف، معمولاً بر پاسخ‌های فیزیولوژیکی مانند ضربان قلب، فشار خون و ضربان تنفس متکی است؛ همه عملکرد‌هایی که افراد می‌توانند یاد بگیرند که در شرایط تحت فشار کنترل کنند. علیرغم استفاده مداوم از آن‌ها توسط حوزه‌های مختلف اجرای قانون، پلی‌گراف در بهترین حالت «غیردقیق» تلقی می‌شود؛ بنابراین جست‌وجو برای یافتن راه‌های عینی دیگر برای تشخیص اینکه آیا کسی آگاهانه فریبکار است، ادامه دارد.

با این حال، این ایده که احساسات واقعی می‌تواند از چهره یک دروغگو «نشت کند» چیز جدیدی نیست. این ایده به زمان آزمایش‌های روانشناسی چارلز داروین برمی‌گردد. او در سال ۱۸۷۲ خاطرنشان کرد: «عضلات صورت که کم‌ترین اطاعت از اراده را دارند، گاهی اوقات به تنهایی احساسات خفیف و گذرا را نشان می‌دهند.»

اندازه‌گیری، کنترل آن‌ها یا حتی تشخیص آن‌ها موضوع دیگری است: این بروز بسیار ناچیز غیرارادی و غیرقابل کنترل فقط برای یک لحظه ظاهر می‌شود و پس از ۴۰ تا ۶۰ میلی‌ثانیه ناپدید می‌شود.

بسیاری از تحقیقات برای تعیین محل دقیق انقباض عضلات صورت که حالت‌ها را شکل می‌دهند، با استفاده از تکنیکی به نام الکترومیوگرافی سطح صورت یا sEMG انجام شده است. در این روش فعالیت الکتریکی عضلات صورت را اندازه‌گیری می‌کنند.

این مطالعه جدید نوع جدیدی از الکترود‌های پوشیدنی را آزمایش کرد که حساس‌تر و راحت‌تر از دستگاه‌های sEMG طراحی شده‌اند و یک ابزار یادگیری ماشینی آموزش‌دیده برای خواندن حالات چهره در فیلم‌های ویدئویی در آن به کار گرفته شده است.

این مطالعه نشان داد که در بین ۴۸ شرکت‌کننده، افراد شاخص‌های متفاوتی از «بخشش» را نشان دادند. برخی از افراد هنگام دروغ گفتن ماهیچه‌های گونه خود را فعال می‌کنند، در حالی که برخی دیگر عضلات نزدیک ابرو‌های خود را منقبض می‌کنند.

لوی و همکارانش در مقاله حاصل از این پژوهش ذکر کرده‌اند: «با الگوریتم دروغ یابی، ما با موفقیت دروغ را در همه شرکت‌کنندگان شناسایی کردیم و این کار را به طور قابل توجهی بهتر از آشکارساز‌های انسانی آموزش ندیده انجام دادیم که معوملا بین ۲۲ تا ۷۳ درصد از دروغ‌ها را تشخیص می‌دهند.».

اما این مطالعه نشان داد که الگوریتم تجربی هنوز به کار بسیار بیشتری نیاز دارد و وضعیت ماهیچه‌های نشان‌دهنده افراد در طول زمان مستعد تغییر هستند.

محققان می‌افزایند: «جالب است که افرادی که می‌توانستند با موفقیت همتایان انسانی خود را فریب دهند، توسط الگوریتم یادگیری ماشینی نیز به طور ضعیفی تشخیص داده شدند.»

آشکارا کشف دروغ در موقعیت‌های واقعی یا پرمخاطره که دروغگویان حرفه‌ای معمولاً داستان‌های طولانی‌تری همراه با دروغ و نیمه حقیقت را بازگو می‌کنند، چالش‌برانگیزتر است. همچنین انواع دیگری از فریب فراتر از اشتباهات یک کلمه‌ای آشکار وجود دارد، مانند حذف، طفره رفتن، و استفاده از زبان مبهم برای پنهان کردن حقیقت (به نام ابهام) که ممکن است کار‌ها را پیچیده کند.

لوی می‌گوید: «امید ما این است که در نهایت، پس از توسعه و آزمایش کامل، این فناوری بتواند جایگزینی جدی برای تست‌های پلی‌گراف باشد.»

این تیم قصد دارد به آزمایش‌ها ادامه دهد تا الگوریتم‌های نرم‌افزاری خود را آموزش دهند تا تغییرات کوچک صورت را با دقت بیشتری تشخیص دهند، به طوری که در نهایت بتوان الکترود‌ها را به طور کامل حذف کرد.

نتایج این مطالعه در Brain and Behavior منتشر شده است.
newsQrCode
ارسال نظرات در انتظار بررسی: ۰ انتشار یافته: ۰

نیازمندی ها