人工知能はあらゆるところに存在します。Yelpなどのサイトで食べ物の写真に何が写っているかを判断したり、MRIスキャンの高速化を目指す研究者を支援したり、人の声からうつ病の兆候を探したり。しかし、もしかしたらあなたが思いもよらない用途があります。それは、嘘発見器です。
AIによる嘘発見器というアイデアが話題になっているのは、ヨーロッパで「iBorderCtrl」と呼ばれる国境警備プロジェクトが「嘘の検出」に焦点を当てた技術を活用しているためです。この取り組みは2段階のプロセスで構成されており、嘘の検出は自宅で行われます。欧州委員会によると、このプロトコルは事前審査から始まります。「旅行者はウェブカメラを使って、性別、民族、言語に合わせてカスタマイズされたコンピューターアニメーションの国境警備員からの質問に答えます。この独自の「嘘の検出」アプローチは、旅行者の微細な表情を分析し、面接対象者が嘘をついていないかを見抜きます。」
まるでSFの世界のように聞こえ、もちろん、ポリグラフ検査の厄介な歴史も思い起こさせます。しかし、そのようなAIシステムは実現可能です。問題は、どれほどの精度を実現できるのかということです。
ミシガン大学のコンピュータサイエンスとエンジニアリングの教授であるラダ・ミハルセア氏は、約10年にわたり欺瞞検出に取り組んできました。本稿では、彼らがAI欺瞞検出装置を構築した経緯と、その仕組みについて解説します。
人工知能と機械学習の研究者がまず必要とするのはデータです。ミハルセア氏の研究では、実際の裁判の動画から着手しました。例えば、有罪判決を受けた被告人が裁判で話している様子は、欺瞞の例となる可能性があります。また、証人の証言も、真実か欺瞞かの例として活用しました。（もちろん、機械学習アルゴリズムの精度は、入力されるデータの質に左右されます。また、犯罪で有罪判決を受けた人が実際には無実である可能性もあることを忘れてはなりません。）
合計121本のビデオクリップと、それに対応する発言の書き起こしが使用されました。そのうち約半分は虚偽の発言で、残りの半分は真実の発言でした。このデータを用いて、最終的に60～75%の精度を誇る機械学習分類器が構築されました。
システムが気づいた点の一つは？「代名詞の使い方です。嘘をつく人は『私』や『私たち』といった自分自身を指す言葉をあまり使わない傾向があります」とミハルセア氏は説明する。「その代わりに、『あなた』『あなたのもの』『彼』『彼ら』『彼女』といった言葉をよく使います」
言語的シグナルはそれだけではない。嘘をつく人は「確信を反映する」「より強い言葉」を使うと彼女は言う。そうした言葉の例には「絶対に」や「とても」などがあるが、興味深いことに、真実を語る人は「たぶん」や「おそらく」といった曖昧な表現を使う傾向が強かった。
「嘘をつく人は、自分がつけている嘘を隠そうとすると思います」と彼女は言う。「そうすることで、自分に自信があるように見せようとするのです。」
ジェスチャーに関しては、嘘をつく人は質問する相手の目をまっすぐに見る傾向があると彼女は指摘する。また、ジェスチャーをする際には片手ではなく両手を使う傾向があり、これもまた説得力を持たせようとする一環だと彼女は考えている。（もちろん、これらは彼女が説明しているパターンであり、誰かが話しているときに相手の目を見て両手でジェスチャーをしたからといって、嘘をついているわけではない。）
これらはすべて、研究者がAIに例を与え、学習させることでAIが認識し始める、魅力的な小さなデータポイントです。しかし、ミハルセア氏の研究は「完璧ではない」と彼女は認めています。「研究者として、75%の精度を達成できたことに興奮しています」。しかし、別の見方をすれば、これは4分の1のエラー率です。「25%のエラー率では、実用化には至っていないと思います」
最終的に、彼女はこのようなテクノロジーは人々を支援するものだと考えています。例えば、話者の発言に「異常」な点があったことを知らせ、それを人間に「さらに詳しく調べる」ように促すといったことが考えられます。そして、これはまさにAIの頻繁なユースケースであり、人間の能力を拡張するテクノロジーなのです。
