研究人员正在使用数据科学和一个名为FlimFlam的在线众包平台来创建一个筛选系统，该系统可以根据面部和言语提示更准确地检测出欺骗行为。
“基本上，我们的系统就像在类固醇上使用Skype一样……”
他们还希望最大程度地减少TSA评论家争辩的种族和族裔脸谱化事件，这些事件发生在该机构的“通过观察技术筛查乘客（SPOT）”计划下将乘客拉到一边时。
“基本上，我们的系统就像使用Skype的类固醇，”罗切斯特大学计算机科学助理教授Ehsan Hoque实验室的博士生Tay Sen说。
森是两篇新论文的主要作者，这两篇新论文被电气和电子工程师协会（IEEE）和计算机械协会（ACM）主办的主要计算会议接受。 这些论文描述了实验室迄今为止用来创建最大的视频欺骗数据集的框架，以及为什么有些笑容比其他笑容更具欺骗性。
游戏，谎言和录像带
FlimFlam的工作方式如下：两个人在Amazon Mechanical Turk上注册，这是一个将人与计算机当前无法完成的任务相匹配的众包互联网市场。 视频将一个人指定为证人，另一人指定为审讯人。
然后，证人看到图像，并被指示记住尽可能多的细节。 计算机会指示证人撒谎或说出他们刚刚看到的真相。 没有询问证人的询问者随后向证人提出一系列问题。 它们包括一些常规问题，例如“昨天穿什么？”和“ 14乘以4是多少？”。
森说：“很多时候，人们在回忆事物时倾向于以某种方式或表现出某种面部表情。” “而且当给他们一个计算问题时，他们还有另一种面部表情。”
他们还提出这样的问题：证人没有动力撒谎，并且为诚实回答时该人的“正常”反应提供了基准。
并且，当然，关于图像本身存在一些问题，证人对这些问题做出真实或不诚实的回应。
单独的视频记录了整个交换过程，以供以后分析。
‘Duping喜悦’
Hoque说，这种众包方法的优势在于，与需要将参与者带入实验室的情况相比，它使研究人员可以利用更多的研究参与者库，并且可以更快地收集数据。 到目前为止，研究人员已经从151对玩游戏的个人那里收集了130万帧面部表情。
“我们认为，我们不仅需要向说谎的人学习，而且还要向他们说谎。”
数据科学使研究人员能够以新颖的方式快速分析所有数据。 例如，他们使用面部特征分析软件来识别给定帧中使用的43个面部肌肉参与者中的哪个，并为每个面部肌肉分配数字权重。
然后，研究人员使用一种称为聚类的机器学习技术将结果输入到超级计算机中，该技术可以在无需人工分配任何预定标签或类别的情况下查找模式。
森说：“它告诉我们，人们回答问题时基本上会做出五种与笑容有关的’面孔’。” 与撒谎最经常相关的一种是高强度版本的所谓的杜兴（Duchenne）微笑，涉及脸颊/眼睛和嘴部肌肉。 这与“ Duping Delight”理论是一致的，“当您在欺骗某人时，您倾向于对此感到高兴，” Sen解释道。
相关：当我们说谎时，我们的“热点”开始引起怀疑
更令人不解的是，诚实的证人常常会睁大眼睛，却完全不开口微笑。
“当我们回去重播视频时，我们发现这经常发生在人们试图记住图像中的内容时，” Sen说。 “这表明他们正在集中精力并试图唤起诚实。”
微笑的背后
那么，这些发现会否骗骗骗子以改变他们的面部表情？
不见得。 霍克说，与撒谎有关的杜兴浓厚的笑容涉及“您无法控制的脸颊肌肉”。 “这是非自愿的。”
研究人员说，他们只是从收集到的数据中摸索出了潜在的发现。
例如，霍克（Hoque）常常被证人而不是证人所戴的“脸”所吸引，他们成功地猜出了证人在撒谎。 这是一个“礼貌”的笑容，只涉及到嘴巴，即所谓的“泛美”笑容，指示航空公司的空姐始终佩戴，即使他们感到沮丧也是如此。
相关：大一点的孩子知道撒谎并不总是100％糟糕
“我们认为，不仅我们需要向说谎的人学习，而且还要向他们说谎。 询问者还可以在不知不觉中泄露很多信息，”霍克说。 这可能会对培训TSA官员产生影响。
“最后，我们仍然希望人类做出最终决定，”霍克说。 “但是在他们审讯时，重要的是要为他们提供一些客观指标，以便他们可以用来进一步为自己的决策提供依据。”
资料来源： 罗切斯特大学的 Bob Marcotte
在 Futurity.org上 找到更多研究新闻
