18. 牛津大学犯罪心理学|人类·谎言·AI.对技术保持开放 需要严格地评估
一、技术的承诺
AI测谎系统通过机器学习分析微表情、语音模式、肢体行为,宣称在实验中能达到约75%的准确率,远高于人类54%的水平。iBorderCtrl、AVATAR等系统已在边境安检试点,有人提议将其扩展到警方审讯和证人可信度评估。
听起来像一个能突破人类局限的未来工具
但它所依赖的地基是否站得住?
二、心理学底层:地基持续受到质疑
AI测谎的核心假设:
That reliable behavioural patterns diagnostic of deception exist to be detected.
即存在可靠的、能诊断谎言的行为模式
但几十年的心理学研究持续质疑这一点。人类判断谎言只有54%准确率,不是因为观察不够仔细,而是因为一直在寻找一个可能根本不存在的信号。眼神回避、紧张、小动作频繁 这些被大众视为”说谎线索”的行为,心理学元分析显示它们与说谎的效应量几乎为零(DePaulo et al., 2003)
真正提升测谎准确率的突破,来自完全不同的路径:分析言语内容的逻辑合理性,而非行为本身(Levine et al., 2014)
而主流AI测谎,走回了被学界放弃的老路:Markowitz & Levine(2025)的实验数据直接说明了后果:在人类能达到70%-80%准确率的诊断性提问场景中,AI只达到42.7% 低于随机水平。分析AI的决策逻辑,它依赖的是eye contact和demeanor,而非真正有效的内容线索。
问题不在于算法不够精密:
The pre-2006 paradigm’s failure despite decades of increasingly sophisticated cue measurement suggests AI’s problems are not technical limitations awaiting better algorithms, but conceptual misunderstanding about the nature of deception itself.
三、方法论死局:真实谎言无法被可靠标注
就算假设行为线索真的存在,还有一个更根本的、算法升级无法解决的问题:
The most fundamental obstacle lies not in technological limitations but in an epistemological problem of obtaining unbiased ground truth labels that can be independently verified.
机器学习需要 ”谁在说谎”的标签来训练。
但这个标签从何而来?
实验室数据让演员假装说谎,没有真实动机与后果,无法复刻高风险场景。
法庭数据用定罪结果作标签,但定罪不等于说谎:873起事后平反的冤案证明,训练数据里必然混入了”真话被误标为谎言”的样本。
人工标注的专家一致性只有30%-54%
这形成了一个死循环:AI学习的是人类判断的模式,包括人类的错误与偏见,而不是谎言本身的心理特征
实地部署的数据印证了这一点:iBorderCtrl实验室准确率73%-76%,实地假阳性率高达27%;AVATAR从实验室60%-75%跌至实地45%-60%(Kalodanis et al., 2025)
实验室表现 ≠ 现实可用
四、司法风险
即便把心理学和方法论的问题放在一边,司法部署仍面临独立且严重的伦理风险
最值得关注的一点:弱势群体的行为特征,与AI识别为”可疑”的信号高度重叠。创伤反应、PTSD回避症状、认知障碍带来的顺从性、难民或跨性别群体在权威面前形成的自我保护行为
AI systems are likely to misrecognise trauma and possibly incorrectly detect deception in the vocal patterns, facial movements and microgestures of a trauma survivor (Hall & Clapton, 2021)
从而导致顺从变成前后矛盾,焦虑变成有罪意识,保护性行为变成可疑信号
还有一个更根本的程序问题。刑事司法的基本原则是举证责任在控方。
AI测谎恰恰把这个原则倒过来:被告需要证明算法判断是错的,却连系统如何作出决策都无从得知。当歧视以科学客观的形式呈现,它反而更难被质疑和纠正。
五、评估结论
机器学习本身合理并且有可适用性。在医学影像诊断、皮肤癌分类等领域,它能达到专家级表现 因为那些领域有可验证的真实标签,行为与结果之间存在稳定对应关系
AI测谎的失败不是技术的失败,而是将技术应用于一个不兼容的领域
评估在三个层面上同时成立:
心理学基础持续受质疑 → 方法论障碍无法克服 → 司法部署伤害不可避免
We cannot validate what we cannot measure, cannot deploy what we cannot validate, and cannot justify what systematically harms those least able to contest it.
因此,在现有心理学理论框架与技术条件下,将AI测谎引入刑事司法系统,缺乏充分的证据支撑
Rigorous evaluation is the foundation for the more secure and reliable incorporation of technology into criminal justice, for the benefit of those it serves.
👆🏻原创内容 个人学术整理
未经授权禁止转载/搬运/商用/片段挪用
违者将追究相关责任
#牛津大学 #犯罪学
#犯罪心理 #人工智能