Zum Inhalt springen

Das Erkennen von Mikroexpressionen mit Hilfe der AI

    Täuschungen und Lügen sind in allen Bereichen des Lebens anzutreffen, von sozialen Interaktionen bis hin zu Fragen der inneren Sicherheit. Dennoch sind verlässliche Indikatoren für täuschendes Verhalten in realen Szenarien nach wie vor schwer zu finden. Durch die Integration elektrophysiologischer und kommunikativer Ansätze demonstrierten Shuster et al. (2021) einen neuen und objektiven Detektionsansatz, um teilnehmerspezifische Indikatoren für betrügerisches Verhalten in einem interaktiven Szenario einer Zwei-Personen-Täuschungsaufgabe zu identifizieren.

    Man zeichnete die Gesichtsmuskelaktivität der Teilnehmer mit Hilfe der Elektromyographie auf und wandten Algorithmen des maschinellen Lernens an, um Lügen auf der Grundlage kurzer Gesichtsreaktionen zu erkennen. Mit einer durchschnittlichen Genauigkeit von 73 % konnte man zwei Gruppen von Teilnehmern identifizieren: Diejenigen, die ihre Lügen durch Aktivierung ihrer Wangenmuskeln verrieten, und diejenigen, die ihre Augenbrauen aktivierten. Man stellte auch fest, dass die Teilnehmer mit der Zeit häufiger logen, wobei einige ihre verräterischen Muskelgruppen wechselten. Darüber hinaus übertraf der automatische Klassifikator ungeübte menschliche Experten.

    Diese Untersuchungen zeigen die Möglichkeit der Verwendung sogar von tragbaren Geräten zur Erkennung menschlicher Lügen in einem sozialen Umfeld undkönnten eine Grundlage für künftige Forschungen zu individuellen Unterschieden im Ausdruck von Täuschung bilden.

    Literatur

    Shuster, Anastasia, Inzelberg, Lilah, Ossmy, Ori, Izakson, Liz, Hanein, Yael & Levy, Dino J. (2021). Lie to my face: An electromyography approach to the study of deceptive behavior. Brain and Behavior, 11, doi:10.1002/brb3.2386.