RedacciónT21 
Escuchar los testimonios de testigos y acusados es crucial antes de deliberar a favor o en contra en cualquier proceso judicial. Dado el alto número de casos, implementar métodos informáticos precisos y eficaces para evaluar la honestidad de esos testimonios podría convertirse en un valioso apoyo para la toma de decisiones. En eso precisamente trabaja un equipo de investigación de la Universidad de Michigan, en Estados Unidos, en identificar el engaño en juicios reales. El resultado es un software detector de mentiras único, al estar basado en datos del mundo real.
El prototipo se basa en el estudio de vídeos de casos judiciales públicos, teniendo en cuenta tanto el lenguaje verbal como no verbal y, a diferencia de un polígrafo, no necesita hacer preguntas sobre el tema en cuestión. Durante las pruebas, el software identificó el engaño con el 75 por ciento de precisión, frente al 50 por ciento de los humanos.
Además, a través de esta herramienta se han identificado algunas conductas propias de cada comportamiento. Por ejemplo, que los individuos que mienten mueven más las manos, se esfuerzan por sonar ciertos y, algo que puede parecer ilógico, miran a los ojos a quién les interroga más a menudo que los que se supone que están diciendo la verdad.
Las aplicaciones del sistema podrían ir más allá de los juicios, y convertirse en una herramienta útil para agentes de seguridad o profesionales de salud mental.
Aprendizaje automático
Según explica la Universidad en un comunicado, para desarrollar el software el equipo recurrió a técnicas de aprendizaje automático, entrenadas con más de un centenar de vídeos de la cobertura mediática de procesos judiciales públicos. Estos incluían testimonios tanto de acusados como de testigos. Para comprobar quien decía la verdad, los investigadores compararon los testimonios con los veredictos de cada juicio.
La mayoría de los clips procedían de la web de The Innocence Project, una organización estadounidense que trabaja para exonerar a personas injustamente condenadas a través de pruebas de ADN y reclamar la reforma del sistema penal para prevenirlo.
Trabajar con casos reales es una de las claves del sistema, ya que durante los ensayos en laboratorio es difícil crear un entorno que motive a los voluntarios a mentir. “No hay suficiente dinero en juego”, subraya Rada Mihalcea, profesora de Informática e Ingeniería que lidera el proyecto junto al también profesor Mihai Burzo. «Podemos ofrecer una recompensa si la gente miente bien, pagarles para convencer a otra persona de que algo falso es cierto. Pero en el mundo real existen verdaderas motivaciones para engañar», añade Mihalcea.
Para realizar el estudio, el equipo transcribió el audio, incluyendo todo tipo de interjecciones. Después analizo la frecuencia con la que los sujetos utilizaban diferentes palabras o categorías de palabras. También registraron los gestos, recurriendo a un esquema de codificación estándar para interacciones interpersonales que clasifica nueve movimientos diferentes de la cabeza, los ojos, las cejas, la boca y las manos. De momento fueron los propios investigadores quienes hicieron la clasificación, aunque están en proceso de formación para automatizar la tarea mediante un ordenador.
Con todos estos datos el software ordenó los vídeos, de forma que con sólo introducir las palabras o los gestos utilizados por el orador, el equipo es capaz de identificar con el 75 por ciento de precisión si estaba mintiendo. El resultado es mucho mejor que el pronóstico humano, que no superó el 50 por ciento.
Malos detectores
“Las personas no son buenas detectando mentiras”, reconoce Mihalcea, quien explica además que existen indicios que se dan de forma natural cuando alguien está engañando, pero pasan desapercibidos. De hecho, en los vídeos encontraron comportamientos comunes. Por ejemplo, aquellos que fruncían el ceño o hacían muecas con la cara, estaban mintiendo en el 30 por ciento de los vídeos, frente al 10% de los que decían la verdad.
Quienes miraban directamente a los ojos al interrogador mentían en el 70%, frente al 60% de los sinceros. Si gesticulaban con las dos manos, en el 40% de los vídeos mentían en comparación con el 25% de los veraces. Utilizar muchas interjecciones fue una señal clara de mentira, mientras si se distanciaban de la acción hablando en tercera persona en lugar de la primera reflejaba certeza.
Estas pautas forman parte de un estudio más amplio en el que quieren integrar parámetros fisiológicos como la frecuencia cardíaca y respiratoria o las fluctuaciones de la temperatura corporal, tomadas con cámaras de imagen térmica no invasiva. Paralelamente están explorando el papel que puede jugar la influencia cultural. «Detectar el engaño es muy difícil, por eso lo estamos estudiando desde varios ángulos diferentes», señala Burzo.
Hacer un comentario