برای قرن ها ، ما برای تعیین صحت در ارتباطات کتبی به شهود انسان ، نشانه های رفتاری و تجزیه و تحلیل دستی پر دردسر اعتماد کرده ایم. هوش مصنوعی را وارد کنید. الگوریتم های هوش مصنوعی ، به ویژه آنهایی که ریشه در پردازش زبان طبیعی (NLP) و یادگیری ماشین دارند ، توانایی قابل توجهی در تجزیه و تحلیل مقادیر گسترده ای از داده های متن ، شناسایی الگوهای پیچیده نامرئی برای چشم انسان دارند و یاد می گیرند که این الگوهای را با مواردی از فریب مرتبط کنند.

هوش مصنوعی می تواند پارچه زبان را جدا کند ، انتخاب کلمه ، ساختار جمله و الگوهای دستوری را بررسی کند. اظهارات فریبنده اغلب نشانگرهای زبانی ظریف را نشان می دهد. به عنوان مثال ، دروغگوها ممکن است کمتر از ضمایر اول شخص (“من” ، “من” ، “من”) استفاده کنند تا از باطل فاصله بگیرند. آنها ممکن است صدای منفعل تر ، آژانس و مسئولیت را مبهم تر به کار گیرند. الگوریتم های هوش مصنوعی را می توان برای تشخیص این تغییرات ظریف با دقت قابل توجه آموزش داد.

فریب اغلب می تواند با حالات عاطفی خاص همراه باشد ، حتی اگر این احساسات نقاب شود. تجزیه و تحلیل احساسات با هوش مصنوعی می تواند فراتر از شناسایی زبان مثبت یا منفی باشد. الگوریتم های هوش مصنوعی می توانند ناسازگاری بین احساسات بیان شده و احساسات اساسی را که از طریق انتخاب کلمه و بیان بیان شده است ، تشخیص دهند. به عنوان مثال ، بیانیه ای که ادعا می کند غم و اندوه ممکن است حاوی تن های اساسی عصبانیت یا دفاع باشد ، که می تواند توسط یک مدل پیشرفته هوش مصنوعی تشخیص داده شود.

هوش مصنوعی را می توان برای درک ساختارهای روایی و شناسایی ناسازگاری یا عدم انسجام در یک حساب کتبی آموزش داد. دروغگوها ممکن است برای حفظ یک داستان مداوم تلاش کنند و منجر به تضاد یا شکاف در روایت خود شوند. الگوریتم های هوش مصنوعی می توانند بخش های مختلف یک عبارت را مرجع کنند ، اختلافات پرچم گذاری در جزئیات ، جدول زمانی یا توضیحات شخصیت را نشان دهند.

الگوریتم های هوش مصنوعی با استفاده از تحقیقات در روانشناسی و تشخیص فریب ، می توانند ویژگی های زبانی مرتبط با حالات روانشناختی خاص مرتبط با دروغگو ، مانند اضطراب ، عدم اطمینان یا تلاش برای مدیریت تصور را شناسایی کنند. این ممکن است شامل تجزیه و تحلیل فرکانس کلمات محافظت کننده (“شاید” ، “شاید”) ، مقدماتی (“نوع ،” نوع “) یا زبان بیش از حد رسمی باشد.

یک مانع اساسی برای افزایش صحت هوش مصنوعی چیزی به نام قانون میلر است. جورج میلر ، استاد پرینستون ، قانون طلایی ارتباطات را تدوین کرد. قانون میلر آمده است ، “برای درک آنچه شخص دیگری می گوید ، ابتدا باید فرض کنید که شخص گفته است درست است و سپس سعی کنید تصور کنید که چه چیزی می تواند در مورد آن باشد.” دروغگویان تمرین شده به طور معمول از قانون میلر برای ایجاد توهم حقیقت استفاده می کنند ، اما حقیقت در مورد چه چیزی؟

پیرترین پسر من نشان داد كه حتی افراد 7 ساله نیز می توانند به طور غریزی از قانون میلر برای فریب استفاده كنند. به عنوان مجازات برای برخی از موارد نادرست ، پسرم را بعد از شام بدون دسر به اتاق او فرستادم. در اوایل بعد از ظهر ، ما دسر مورد علاقه او ، کوکی های تراشه شکلات را درست کردیم. حدود ساعت 7 بعد از آن شب ، من شنیدم که پاهای لباس خواب به سمت آشپزخانه می رود. درب شیرین کاری باز شد. بند درب کوکی کوکی غیرقابل توصیف بود. من می دانستم که پسرم کوکی می خورد.

به آشپزخانه خزیدم و در را باز کردم. آنجا نشست. من او را در این عمل گرفتم ، اما خرده های کوکی روی صورت و دست او وجود داشت ، و کوزه کوکی محکم بین پاهای متقاطع او قرار داشت. مکالمه چیزی شبیه به این بود:

من: کوکی گرفتی؟

پسرم: نه ، من کوکی نگرفتم.

من: به من دروغ نگو ، پسر

پسرم: من یک کوکی نگرفتم ، بابا.

من: چگونه می توانید با خرده های کوکی روی دست و صورت خود دراز بکشید؟

شهرت من به عنوان یک عامل ویژه FBI در معرض خطر بود. اگر می توانستم جنایتکاران فجیع را برای اعتراف بگیرم ، می توانم پسرم را به اعتراف برسانم. من او را در یک صندلی نشسته ام و یک گپ قلبی به قلب داشتیم. چند دقیقه بعد ، او گناه خود را پذیرفت. سپس به عدم تمایل او تمرکز کردم.

من: چرا به من دروغ گفتی پسر؟

پسرم: من به تو دروغ نگفتم ، بابا. شما از من پرسیدید که آیا من یک کوکی گرفته ام؟ من کوکی نگرفتم … دو کوکی گرفتم.

طبق قانون میلر ، پسرم به من دروغ نگفت. او حقیقت را گفت ، اما حقیقت در مورد چه؟ او تعریف خود را از “کوکی” به معنای یک کوکی محدود کرد. اولین کوکی که او گرفت ، متناسب با تعریف “کوکی” است. پسرم به طور غریزی از قانون میلر برای محدود کردن تعریف کلمات “دو کوکی” استفاده کرد تا کوکی های اول کمتر از آن را حذف کند.

وقتی مردم با یکدیگر صحبت می کنند ، فرض می کنند که تعاریف استاندارد کلمه را به اشتراک می گذارند. از طرف دیگر ، دروغگوها با دراز کشیدن یا محدود کردن تعریف سخنان آنها ، نسبیت تعریف را معرفی می کنند. مشکلات بوجود می آیند زیرا دروغگوها به طور معمول شنوندگان یا خوانندگان را از تغییر در تعاریف کلمه شخصی خود مطلع نمی کنند.

طبق قانون میلر ، دروغگوها حقیقت را بر اساس تعاریف شخصی دراز یا محدود از کلماتی که استفاده می کنند می گویند. هر شخص یک فرهنگ لغت داخلی دارد. دروغگوهای مؤثر تعاریف داخلی خود را بدون اطلاع اهداف دروغ خود تغییر می دهند ، زیرا این کار باعث می شود اهداف به فریب هشدار دهند. هوش مصنوعی نمی تواند ذهن مردم را بخواند ، و همچنین نمی تواند تعاریفی را که مردم به کلماتی که استفاده می کنند اختصاص دهند. تا زمانی که این مانع برطرف نشود ، انسان ها داوران نهایی صحت هستند.