神经网路机器学习技术追踪嫌疑人细微隐蔽表情语音变化帮助预测判

伦敦大学学院计算机科学系研究员Nikolaos Aletras博士（nikosaletras（dot）com，n.aletras（dot）sheffield（dot）ac（dot）uk）、 Vasileios Lampos 博士说，伦敦大学学院、谢菲尔德大学和宾夕法尼亚大学于2021年研发成功人工智能审讯及裁判结果预测系统。

尼古拉斯说，研究小组使用该系统对欧洲人权法院涉及酷刑，虐待，有辱人格和侵犯隐私的案件进行了预测。预测结果中有五分之四与人类法官的判决相同。

包含 584 个案件的英文数据集，有关「人权公约」中的第 3 条（涉及酷刑或侮辱虐待的案件，250 起），第 6 条（保护公平审判权，80 起），以及第 8 条（隐私和家庭生活，254 起）。选择这些案件的原因是他们是代表基本权利的案件，同时存在大量的公布数据。在研究中，人工智能程序分析所有信息，并提出自己的司法判决。在其中 79% 的案子里，人工智能提出的判决与当时的法庭判决一致。

研究小组发现，随着审讯的进行，人工智能、神经网路、机器学习技术能够追踪嫌疑人细微而隐蔽的表情及语音，发现淡定到焦虑的情绪及语音的变化，以图表和数据的形式，实时呈现到研究人员面前的屏幕上。审讯人员可以及时掌握嫌疑人的情绪波动，精准定位线索，调整审讯策略，最终突破犯罪嫌疑人的心理防线。

在系统分析中，嫌疑人恐惧、厌恶、焦虑的情绪非常明显，审讯人围绕嫌疑人陈述的内容设定刺激问题，最终嫌疑人认罪，交代案件细节。

该系统采用基于计算机视觉处理技术，结合微表情、犯罪心理学和认知心理学等理论研究，运用网络化大数据技术构建的网络化、智能化的心理测试分析。

对嫌疑人的心理情绪波动进行实时采集、告警，以及讯问后的复盘分析和研判，帮助定位可疑线索，调整讯问策略，高效地突破嫌疑人心理防线。

采用非接触式的心理情绪检测，无需在被测试人身上连接复杂的接触式设备。

可实现瞬态情绪记录、统计、分析功能，便于审讯人员第一时间掌握被测试人情绪状况。

实时及事后分析研判，提供包含情绪解读、认知危险告警统计、心理优势度分析数据汇总、情绪分布统计等内容的分析研判报告，辅助审讯人员掌握被测试人心理情绪，及时调整讯问策略。

如果这种系统做成了手机APP，是否可以用于帮助女性在恋爱过程中，识别渣男及坏人。

结尾部分：

摘要：

神经网路机器学习技术追踪嫌疑人细微隐蔽表情语音变化帮助预测判决结果

作者：朱川