El estudio analizó 121 videos cortos como parte de un pequeño conjunto de datos para distinguir entre conversaciones veraces y engañosas. Crédito: Sistemas expertos con aplicaciones (2025). Doi: 10.1016/j.eswa.2025.127601
Los científicos han revelado que las redes neuronales convolucionales (CNN), un tipo de algoritmo de aprendizaje profundo, demuestran un rendimiento superior en comparación con los enfoques de aprendizaje no máquinas convencionales cuando se usan para detectar mentiras y engaño.
Demuestran que los métodos basados en el aprendizaje de IA y el aprendizaje automático tienen el potencial de proporcionar predicciones precisas si superan una limitación importante: su incapacidad actual para explicar las diferencias culturales, lingüísticas y de género entre varias sociedades y poblaciones.
Los investigadores, con sede en la Universidad de Sharjah en los Emiratos Árabes Unidos, tienen informó sus hallazgos En un artículo de revisión publicado en la revista Expert Systems con aplicaciones, en el que presentan un análisis de las técnicas de detección de engaño que aprovechan el aprendizaje automático.
Sus hallazgos siguen una búsqueda integral de literatura de varias bases de datos como Google Scholar, Elsevier, ACM Digital Library, IEE Xplore y Springer, utilizando la palabra clave “Detección de engaño”.
Los trabajos de investigación seleccionados para el análisis se publicaron entre 2012 y 2023. Los autores tenían como objetivo extraer el conocimiento de la literatura existente sobre la detección del engaño y agilizar los métodos para detectar mentiras a través del aprendizaje automático, y compararlos con los enfoques de aprendizaje no máquinas convencionales.
La investigación examinó un conjunto de datos que cubre dos horas de metraje para medir la influencia de la variación lingüística. Crédito: Sistemas expertos con aplicaciones (2025). Doi: 10.1016/j.eswa.2025.127601
“Nuestro objetivo era realizar una revisión exhaustiva de las publicaciones centradas en la predicción computacional del engaño, particularmente el uso de enfoques de ML (aprendizaje automático). Para que se incluya un artículo en nuestro análisis, tuvo que emplear un enfoque basado en ML para identificar el engaño, utilizar conjuntos de datos y escribir en inglés”, escriben los científicos.
“A través de nuestro metaanálisis, identificamos un total de 98 artículos publicados que cumplieron con nuestros criterios. El primer documento en nuestro análisis se remonta a 2012, mientras que la publicación más reciente fue en 2023. En particular, aproximadamente la mitad de estos artículos se publicaron en 2019 o más tarde.
“Si bien existen documentos de revisión sistemáticos relacionados con la detección de engaño basada en IA, realizamos un análisis integral sobre la detección de engaño, proporcionando una visión general clara de las contribuciones y limitaciones de campo”.
La investigación de detección de engaño recientemente ha atraído una atención considerable ya que los científicos creen que el estudio de las mentiras y por qué y cómo recurren a las personas al engaño pueden conducir a una comprensión objetiva del comportamiento humano.
Señalan que el engaño y las mentiras se usan indistintamente en la literatura, lo que clasifica el comportamiento engañoso en varios tipos en función de sus implicaciones, que van desde ser dañinas hasta tener graves consecuencias.
Los autores estudiaron 35 videos cortos para determinar la influencia de la variación lingüística en el comportamiento engañoso. Crédito: Sistemas expertos con aplicaciones (2025). Doi: 10.1016/j.eswa.2025.127601
La extensa revisión de los autores muestra que las mentiras son comunes en la vida cotidiana, e incluso las personas que afirman ser honestas “ocasionalmente participan en el engaño, donde la persona promedio se encuentra varias veces al día”. Las mentiras, señalan los autores, pueden variar desde el engaño absoluto, “¡No lo maté!” Para las mentiras blancas inofensivas, “ese atuendo se ve bien”, solía evitar situaciones vergonzosas e incómodas.
Los autores obtienen de su revisión que las mentiras son el mayor desafío que enfrenta el sistema legal. “El confusión es la verdad, o viceversa, en tales situaciones pueden tener repercusiones significativas para las personas involucradas y la sociedad en general”, señalan.
El estudio del engaño y las mentiras, agregan, ha sido durante mucho tiempo un tema de interés para los investigadores preocupados por sus consecuencias adversas en las esferas clínicas, éticas y legales. El cuerpo de la literatura seleccionado para el estudio, según los autores, utiliza “varios métodos de recopilación de datos, tipos de datos y técnicas … revelando diferencias en las señales verbales y no verbales entre mentiras y verdades”.
La revisión de los autores destaca cómo la investigación del engaño también se basa en las señales corporales, a las que se refieren como “señales fisiológicas”, que los científicos han usado para distinguir entre acciones y expresiones engañosas y veraces, como el tamaño del alumno, el movimiento ocular, la posición de la mano, la frecuencia cardíaca y lo que las personas escriben o dicen.
La gran cantidad de la investigación y las mentiras del engaño es voluminosa, enfatizan los científicos. Su extensa revisión cubre todos los aspectos de los métodos tradicionales anteriores para detectar el engaño, incluidos los instrumentos más utilizados para averiguar si un individuo decía la verdad, como los polígrafos.
Los científicos investigaron el efecto del género en el comportamiento del engaño. Crédito: Sistemas expertos con aplicaciones (2025). Doi: 10.1016/j.eswa.2025.127601
La literatura, agregan, se ha basado en una variedad de bases de datos, “generalmente consisten en declaraciones cortas, artículos en línea, trastorno de información, entrevistas e indicadores auxiliares como atributos, anotaciones y transcripciones de electroencefalografía (EEG)”.
Los autores, mientras elogian los métodos tradicionales para detectar el engaño, enfatizan el papel de estudios recientes que utilizan IA y aprendizaje automático, que han hecho que la captura de mentirosas y las instancias falsas sean más efectivas que antes.
La ciencia de atrapar mentirosos y detectar el engaño, según muestran los autores, se inclina cada vez más sobre la IA y el aprendizaje automático, que puede analizar e interpretar diferentes tipos de datos, demostrando un potencial para identificar con precisión las falsedades, las mentiras y los engaños incluso dentro del ámbito de las expresiones faciales involuntarias y fugaces, y las pronunciaciones de idiomas cortos, ya sea escrito o escrito.
El estudio no se limita a una revisión de la literatura. Los científicos triangulan su investigación en múltiples conjuntos de datos para medir el efecto del género en el comportamiento del engaño. Analizaron 35 videos cortos para determinar la influencia de la variación lingüística en el comportamiento engañoso, además de un conjunto de datos que abarca dos horas de metraje para medir el impacto de las variaciones lingüísticas y culturales en la distinción entre conversaciones sinceras y engañosas.
Los autores encuentran que los enfoques impulsados por el aprendizaje automático, en comparación con el rendimiento de los métodos tradicionales, logran una eficiencia mejorada en las mentiras y acciones o declaraciones engañosas.
Sin embargo, identifican ciertas limitaciones que hasta ahora obstaculizaron los métodos de detección de engaño basados en AI para lograr una precisión exacta. Según ellos, una limitación importante y la brecha en la investigación de detección de engaño es el fracaso de los dispositivos de aprendizaje automático para dar cuenta del papel de la cultura, el idioma y el género y cómo podrían limitar “la generalización de los hallazgos a diversas poblaciones”.
Más información: Hagar Elbatanouny et al, un análisis exhaustivo de las técnicas de detección de engaño que aprovechan el aprendizaje automático, sistemas expertos con aplicaciones (2025). Doi: 10.1016/j.eswa.2025.127601
Proporcionado por la Universidad de Sharjah
Cita: los métodos de aprendizaje automático son los más adecuados para atrapar mentirosos, según Science of Deception Detection (2025, 26 de junio) recuperados el 26 de junio de 2025 de https://techxplore.com/news/2025-06-machine-methods-liars-science-deception.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
