通过检测眼睛、声音、姿势等身体动作变化,AVATAR就能判断你是否在撒谎。公民对这一技术仍持谨慎态度。
老式测谎仪的应用范围相当广泛。从无聊的日间节目(比如,问你有没有对你的女朋友撒谎?)到警察审讯(比如,问你有没有朝他开枪?),测谎仪随处可见。许多人也十分信赖测谎仪,认为通过它就能接触到真相。然而,问题在于,一次又一次的事实都证明了老式测谎仪并不能给人们带来真相。
一般来说,测谎仪是通过观察检测对象的生理变化(比如血压,脉搏)得出结果的。如果因为任何原因你感到紧张,不论你有罪与否,结果都可能出现偏差。这就是为什么测谎仪的测试结果不能作为法庭证据使用。
而现在,人们针对测谎仪的争议已经转移到了针对一个新型的计算机化测谎仪器上。因为这款测谎仪使用AI来进行扫描,希望能从本质上得到更多的撒谎迹象。
美国国土安全部和加拿大、欧盟当局正在对一款叫做AVATAR的系统进行测试。AVATAR由圣地亚哥州立大学和亚利桑那大学研究人员共同开发。该系统通过边境口岸的交互式视频终端向游客提出问题。当游客在回答有关武器或危险品的标准问题时,一旦有撒谎迹象,系统会对他们进行数字化监控,并将可疑的游客上报给人工代理进行再审。
“该系统通过观察眼睛、声音、手势和姿势的变化就能确定潜在的风险,” 圣地亚哥州立大学信息管理系统助理教授亚伦·埃尔金斯表示,“甚至你动动脚趾,它都知道。”
最近,埃尔金斯在接受CNBC采访时表示,AVATAR测谎成功率在60%至75%之间,有时高达80%。尽管这些数字看起来似乎并不高,但人类测谎还远远达不到这一数字。他还表示,人类正确判断谎言的成功率只有54%到60%。
AVATAR全名为实时自动测谎虚拟代理。市面上有很多数字化谎言检测系统,AVATAR是其中之一。位于犹他州Lehi市的一家名为Converus的公司上个月宣布,其EyeDetect系统能根据计算机对眼球运动的观察结果进行30分钟的测试以判断真实性。新墨西哥州法院对此表示肯定,并接受其检测结果作为辅助证据。该系统通过测试判定该案的被告“没有撒谎”,被告因而要求法院允许该结果作为证据。“将EyeDetect测试结果作为法庭证据是一个重要的里程碑。”Converus总裁兼首席执行官托德·麦克森在一份声明中表示,“如果案件严重的话,律师现在可以使用EyeDetect来为委托人进行辩护,证明其无罪。”
据Converus透露,位于新墨西哥州的一个治安官办公室也在使用EyeDetect来对求职者进行筛选。Converus公司已经将测试关注点投向了辅助有意向的政治家。
如果这些设备在法庭上,在边境口岸或其他任何地方使用越来越多,科学家和普通民众也许会对其准确性提出质疑,并进行更严格的审查。
“机器学习技术日新月异,每个人都在考虑把它用在哪个领域,发挥怎样的作用。”美国公民自由联盟(ACLU)的高级政策分析人士杰伊·斯坦利说道。“谎言检测的根本问题在于你的内在精神状态和外部刺激因素之间确实不存在必然可靠的联系。”
从20世纪50年代起,ACLU就一直反对谎言检测技术,因为他们对测谎仪的测试有效性持否定态度。
“自20世纪70年代以来,我们就一直在强调,即使测谎仪的可靠性达到一定水平,或者有更为准确的测谎技术出现,我们仍然会坚定我们的态度,因为它违反了它所代表的公民自由的规定,这一点我们无法接受。”斯坦利在2012年的一篇博客文章中写道,“在我们看来,利用技术窥视人心的做法违反了第四和第五修正案,也是对人类尊严的严重侮辱。”
关键字:AI测谎 机器学习
引用地址:
还想要撒谎吗?这款新型AI测谎仪成功率高达80%
推荐阅读最新更新时间:2024-05-03 02:55
苹果开诚布公谈机器学习
即使是如此重视保密的 苹果 ,现在随着时势的改变,一些东西也和过去不一样了,最明显的莫过于它对人工智能和 机器学习 技术的态度。我们已经看到了一个更加开放的 苹果 ,它在 机器学习 这个领域的进展如何呢?今天大家已经可以清楚地了解了。下面就随网络通信小编一起来了解一下相关内容吧。 苹果 的特殊待遇 我们都知道苹果是一家特别注重保密文化的公司,基本上只有在新产品公开的那一刻,你才会真正从官方的口中了解到它是什么样的,而它又使用了些什么材料和什么技术。这样的文化曾经为我们带来无数惊喜,但时过境迁,坚持这种作风的苹果似乎遇到了新的困境。 所以近两年来,我们看到了一个和过去不太一样的苹果。它比起以往,似乎更
[网络通信]
英特尔借由投入FPGA推动机器学习与AI
自从机器学习(machinelearning;ML)与人工智能(AI)在近期受到欢迎后,包括 英特尔 (Intel)等科技大厂也积极抓紧机会投入开发相关领域。下面就随网络通信小编一起来了解一下相关内容吧。 该公司高层日前也表示, 英特尔 正利用现场可编程闸阵列( FPGA )技术,提供ML或AI的解决方案。据NewElectronics报导,为了抢搭ML与AI风潮, 英特尔 透过收购与内部发展打造解决方案。英特尔的可编程系统事业群(ProgrammableSystemsGroup;PSG)前身为Altera,AI产品专家BillJenkins表示,PSG专注在机器学习。ML/AI目标则包含资料中心、自驾车与工业系统以
[网络通信]
谷歌大脑负责人:机器学习技术有机会影响所有产业
深度学习 究竟需要多少数据才足够? 虽然如今深度学习科技已经进一步点燃了 AI 之火,但这项技术却常因需要大量的数据而备受诟病。人们也一直在争论,究竟深度学习需要多少数据才足够呢? ( Jeff Dean , 图片来自网络) “我认为那些至少拥有数以万计或是十万计的客户群体的公司才需要考虑是否使用深度学习技术的问题,” Jeff Dean, 谷歌 的资深研究员,近期在伯克利举行的一场大会上接受采访时说到,“如果你只有十个样本,那你与深度学习无关。如果你有将近十万件你关心的事情,数据,记录,这时你才应该开始考虑使用这方面的技术。” Dean 是 机器学习 方面的专家,他是谷歌大脑团队的负责人,这个团队专门研究计算
[嵌入式]
编辑记者等注定被机器人淘汰?我们可以去学编程
5月5日消息,据《金融时报》报道,现在也许是放弃从事新闻工作、成为 机器学习 程序员的时候了。这似乎是个符合逻辑的举动,与“如果不能打败他们,就加入他们”的理念不谋而合。过去几年里,我们已经看到过成千上万的专栏文章讨论人们担心 机器人 抢走他们的工作。现在看来,唯一可保安全的工作就是为 机器人 编程。下面就随家用电子小编一起来了解一下相关内容吧。 这份工作的薪酬也很吸引人, 机器学习 专家的薪酬是计算机行业从业人员中最高的。程序员在线社区Stack Overflow统计显示,在美国, 机器学习 专家的平均年薪超过10万美元。在英国和法国,这些人的薪酬同样比开发者和数据科学家更高。 机器学习是一种人工智能(AI),它能
[家用电子]
超低功率混合芯片助力小型机器人车辆感知及机器学习能力
据外媒报道,有款超低功率混合芯片(hybrid chip)或许能为手掌型车辆提供合作及学习的能力。该款车辆采用了新一代的电机及传感器,新款专用集成电路(application-specific integrated circuit,ASIC)的运行电量为数毫瓦,或将帮助智能群集机器人(ntelligent swarm robots)运行数小时。 为节省电量,这类芯片采用混合型数字-模拟时域处理器,可利用信号的脉冲宽度(pulse-width)来编码信息。神经元网络集成电路可适用于基于建模的编程及协作式强化学习,还有可能为小型机器人提供侦查(reconnaissance)、搜救和其他复杂的大型任务。 美国乔治亚理工学院(Geor
[汽车电子]
骁龙携手Caffe2开启移动机器学习新篇章
机器学习的核心在于它提供了一种将庞大数据转换为实用功能的途径。谈及机器学习,我们通常更关注围绕它所展开的超快速数据处理应用、服务器集群和超级计算机。但是,这些远程服务器并不会帮你美化手机中的照片,或是帮你在飞机上翻译一份外语的菜单。因此,机器学习移动化,或者说将机器学习内置于终端中,便能够帮助更多用户解锁日常生活中的使用场景。 多年以来,Qualcomm Technologies的工程师们一直致力于应对机器学习相关的挑战,他们的研究成果已经在Qualcomm骁龙移动平台上得到体现,同时,骁龙移动平台也建立起了在内置于终端的移动机器学习领域的领导地位。这项技术是骁龙产品线中的重要组成部分,因此你将会看到机器学习技术应用于
[手机便携]
全球AI发展战略迥异 科技大厂各有所好
科技业界普遍认为人工智能( AI )是未来明星产业,然而如何快速累积相关研发技术、扩充人才资源,在 AI 技术应用多元而难以聚焦情形下,全球各国及科技巨头对于 AI 领域的摸索重点,透露出对于AI潜在商机的战略布局,近几年某些特定技术领域的AI新创业者,更成为科技巨头购并的主要对象。下面就随网络通信小编一起来了解一下相关内容吧。 大陆腾讯研究院近期发布《中美两国人工智能产业发展全面解读》指出,大陆与美国各自着重的AI技术有所不同,美国的AI新创重视自然语言处理、 机器学习 应用、机器视觉与图像识别,相关新创公司分别达252、242及190家;至于大陆则以机器视觉与图像识别、智能机器人、自然语言处理为主,相关新创公司分别达
[网络通信]
机器学习才是IoT的核心 不是每一个恒温器都叫物联网设备
即使造价10亿美元的机器也无法替代医生这一存在。但一台仅25美元的机器却能够在人们需要看医生的紧要关头告知人们。 1996年,芝加哥库克县医院急诊室曾借助一种算法来判断胸痛患者何时有心脏病发作的危险,以达到供他们及时接受治疗的目的。通过使用一种基于流程图的、系统化的基本测试方法,该算法不仅快速有效,而且相当准确:它将超过70%的患者归类为低风险类别,并且其判断心脏病发作案例的准确率高达95%,而人类医生才仅为75-89%。在当时,这一实践并没有涉及任何的深度学习技术。 今年,考虑到全世界约有64亿个物联网设备正被使用,换句话说,几乎全球一人一个。就算其中只有1%会借助物联网设备收集来的关于脉搏、饮食或睡眠的数据信息来分析人
[手机便携]