ИИ точнее всех способен распознавать ложь, выяснили ученые
Ученые из Университета Шарджи в ОАЭ пришли к выводу, что методы машинного обучения превосходят традиционные подходы в распознавании лжи. Согласно их исследованию, сверточные нейронные сети (CNN) показывают наилучшие результаты. Искусственный интеллект способен анализировать невербальные сигналы, мимику и речь, чтобы с высокой точностью определять, говорит человек правду или обманывает.
Основная проблема в распознавании лжи — это человеческий фактор и несовершенство старых методов, таких как полиграф. Человеку сложно объективно оценивать другого, а технические средства можно обмануть. В правовой, клинической и социальной сферах цена ошибки может быть очень высокой. Неверное определение лжи в суде может привести к несправедливому приговору, а в бизнесе — к серьезным финансовым потерям.
Искусственный интеллект предлагает более объективное решение. Нейросети анализируют огромные массивы данных, включая видеозаписи, аудио и даже текстовые расшифровки разговоров. В ходе метаанализа исследователи изучили 98 научных работ, опубликованных с 2012 по 2023 год. Они подтвердили, что ИИ улавливает мельчайшие невербальные сигналы, такие как движение глаз, изменение тембра голоса или выражения лица, которые человек может не заметить.
Однако у технологии есть серьезное ограничение. Современные модели ИИ пока не учитывают культурные, языковые и гендерные различия людей. Поведение человека во время лжи может сильно отличаться в зависимости от его культурного фона. Большинство существующих наборов данных для обучения ИИ созданы на основе англоязычных и преимущественно мужских выборок. Это снижает точность работы системы применительно к представителям других культур или женщинам.
Коммерческий потенциал этой технологии огромен. Системы детекции лжи на базе ИИ могут использоваться в правоохранительных органах для допросов, в службах безопасности аэропортов, в страховых компаниях для выявления мошенничества и в отделах кадров для проверки кандидатов. Главной задачей для бизнеса станет создание универсальных моделей, адаптированных под разные популяции. Решение этой проблемы сделает продукт не только эффективным, но и этически приемлемым для глобального рынка.
Исследователи подчеркивают, что работа в этом направлении только начинается. Для повышения точности необходимо создавать более разнообразные и репрезентативные наборы данных. Успешное преодоление существующих ограничений позволит создать действительно надежный инструмент, который изменит подходы к детекции обмана в самых разных сферах жизни.
