Ща мы посмотрим какой ты боец Сухов…

Тут у нас развелись в каментах такие крутые спецы по матпрограммированию и ваще, что мне захотелось посмотреть как они будут решать мою давнюю задумку к которой самому мне подступиться было некогда.

Короче, я вместо полиграфа хочу использовать обыкновенный сотовый телефон. Телефон вслух задаёт обычные лайдетекторные вопросы, на которые обычно надо отвечать Yes или No.

Отвечать на вопросы надо не насухую, а в деле. Дело достаточно простое. Телефон удобно лежит на столе. По его экрану с постоянной скоростью ползает светящийся кружочек диаметром с подушечку пальца по траектории допустим фигуры Лиссажу. Испытуемый должен как можно точнее сопровождать пальцем данный кружок, при этом стараясь не менять давления на экран и скорость движения.

На каждый вопрос надо отвечать по военному – Affirmative или Negative – стараясь при этом следовать образцу ответа собственного голоса, записанного предварительно, по высоте, громкости и длине паузы после звучания зуммера, когда следует отвечать. Пауза должна быть не более секунды.

Далее, необходимо построить самообучающийся алгоритм, который сперва научится распознавать правдивый и лживый ответ по образцу – то есть таблица ожидаемых ответов вводится в систему. А затем система должна на основании полученных статистических закономерностей распознавать правду и ложь.

Рабочая гипотеза заключается в том что лживый ответ вызывает:

  • значимое увеличение расхождения между положением пальца и ведущего пятна по сравнению с правдивым ответом
  • значимое изменение линейной скорости пальца
  • значимое изменение давления пальца на экран
  • значимое изменение громкости, высоты и скорости произнесения ответа
  • значимое изменение паузы между зуммером и началом произнесения ответа
  • в случае лживого целенаправленная попытка удержать какие-то из параметров в норме приводит к значительно большим отклонениям значений других параметров

Итак, вопрос: какой математический аппарат вы примените, какую среду разработки возьмёте и как будете разрабатывать алгоритм. Мне нужно услышать не более чем подход к проблеме с точки зрения реализации задачи или то что у нас называют proof of concept (POC).

16 thoughts on “Ща мы посмотрим какой ты боец Сухов…”

  1. Вопрос, тащемто, не в давлении пальца..
    У всех настоящих лжецов и пиздаболов реакция на явную ложь отсутствует в принципе.

    Через полиграф или что-то похожее поймать можно только того, у кого вот эта вот “совесть” в принципе есть – где-то там в организме.

    Чтобы выявить урода, надо, вероятно, соотносить его ответы с другой статистикой. Ну, а это – примерно как тот же “диссернет”.

    То есть, не физиологию анализировать, а – поведение. Во всех (желательно ) или хотя бы в РАЗНЫХ проявлениях.

    как то так

    1. пояснение. Когда уродов примучивали и даже иногда забивали камнями (“благодарные” соседи, да) тогда наличие “совести” или хотя бы понятий о морали было фактором выживания. Особенно, в сочетании с христианской концепцией “покайся – может, простят”

      В нынешнее время – в сочетании с “правами человека” и т д – наличие “совести” – это гандикап. Человечки без совести whatsoever имеют огромное преимущество.

      Так что, заводить “физиологию” на “совесть” смысла не имеет. У настоящих гандонов этой самой совести просто нет, так что и физиологической реакции ждать нет смысла.

      1. Рабочая гипотеза такова что для лживого ответа необходимо больше процессорного времени в виду того что надо прокачать больший объем информации, связанный с проверкой ответа на непротиворечивость с остальными сведениями. Отвод большей части процессорного времени проявит себя сбоем в тестовй деятельности. Просто ответы должны быть не да-нет а более содержательные. То есть, клиента качают на косвенных и при этом следят за реакцией на машинке правды.

  2. лучший полиграф, это паяльник. все, что тебе нужно, разработать небольшой складной девайс с надежным блоком питания, тоже небольшим, что б в свернутом виде помещалось в коробку от сигарет.

    1. у паяльника в данной ситуации будет зашкаливать ошибка первого рода. когда нужно чтобы клиент сказал какую-то важную вещь про какие то ништяки которые надо изподнего поиметь, то да. Но когда клиент нуправданизнает но вынужден всё признать и подписать чтобы его больше не паяли, то ну его посодят или заземлят после признания, а настоящий волчара так и будет бегать эт лардж. Если бы все ситуации решались только паяльником то спецслужбы не изобретали бы полиграфа, а просто закупали больше паяльников у проверенных производителей.

      1. это все предрассудки. что б клиент не выдумывал лишнего, ему задают одни и те же вопросы в разные промежутки времени. если ему есть что сказать, он повторит все как по написаному, а если выдумывает, чтоб слезть с девайса, тогда будет путаться в показаниях. паяльник – устройство проверенное веками, его еще никто не обманул, даже барон Мюнхаузен. А полиграф может обшустрить даже водитель тролейбуса, если его потренировать.

        1. да неее… были деятели. вот например муций сцевола. Его собирались как раз посадить на паяльник, а он взял и сунул правую руку в грилл на котором бургеры пекли и сделал из своей ладошки бургер. И вот он ладошку показывает которая шыпит и жыром брызгает и говорит – нуихули мне тот ваш паяльник… герой одним словом, не нашего времени.

          1. муций это из той же серии, что и зоя касмодемянская с памфиловцами – никто их подвига не видел, но все слышали, urban legend, короче говоря.
            но вообще, самый надежный способ описывается в ‘руськой правде’. ее если не ошибаюсь, в 11 веке придумали. там чувака кидают в котел с кипящим маслом, если сварился, значит правду говорил, если не сварился – значит брешет гад!

          2. и даже по этой легенде Мусик какой-то нечеткий пацан. вот если б он тот бургер схавал на публику, тогда да, респект. Рэй Лиота свои мозги хавал, тоже, прожареные, и ничего. А еще слыхал, некоторые свои яйца хавают..

  3. Как будете с ошибкой второго рода бороться? False positives при таком наборе параметров будут очень вероятны.

    1. Рабочая гипотеза предполагает что вероятность пропуска события по всем снимаемым параметрам пренебрежимо мала. Таким образом, если величина смещения пальца не достигла значимой величины, сработает изменение скорости, то есть палец дернется чуть более заметно от фонового тремора или изменится давление на тачскрин или стрясётся вся машинка если держать её в другой руке или поменяется голосовой ответ. В случае неясного ответа вопросы повторяются до тех пор пока разпознавалка не отнесёт их или туда или сюда. Думаю что и на обычных полиграфах подход такой же.

      А можно для подстёгивания реакции за явно лживые ответы слегка бить разрядами тока. Тогда при попытке лживого ответа организм будет готовиться принять разряд, возникнет напряжение мышц и прочее, и это скажется на параметрах слежения и ответа.

      Вообще лучше всего отвечать на такие вопросы не спекуляциями а экспериментом. Но гранты никому на лопате не раздают. Там надо подавать резюме на стопиццот гигабайт и публикации на столько же, а я ни разу не психофизиолог со стажем.

      1. По стольким параметрам baseline будет трудно удержать.
        Надо будет каждого клиента очень долго калибровать.
        Клиент разволнуется от долгой калибровки, будет правду говорить, а прибор будет
        показывать что врёт.

        1. Если клиенту за каждую сигму отклонения от бэйслайна увеличивать силу применяемого электроудара вдвое, то он откалибруется очень быстро. Только тогда надо будет вместе с софтом продавать ещё и электрошокер и драйвер к нему.

  4. Нормально так – мне на вопросы насчёт Калифорнии или Австралии не желаешь отвечать, а тут значит тебе по-быстрому подход к самообучающемуся алгоритму статистической классификации набросать надо… 🙂

    Я не спец в этом, но совершенно точно начал бы с Wolfram. Там тебе и статистический анализ, и машинное обучение – http://reference.wolfram.com/language/guide/ScientificDataAnalysis.html – и работа с touch-screen-ом, и вообще всё на свете.

  5. Для вашей задумки подойдут алгоритмы обучения с учителем (supervised learning) для задачи классификации (statistical classification). Тот-же Random Forest, например, может сработать.

    Вот тут “похожая” задачка -http://skilchen.github.io/ml_assignment/ml_assignment.html (если я правильно помню, то эти данные использовались в учебной задаче в каком-то курсе по ML). Там по комбинации значений с акселерометров Random Forest тренировали классифицировать “стиль” выполнения упражнений.

    Для проверки подхода взял-бы готовую реализацию Random Forest-а (их вагон просто на разных языках, например https://www.analyticsvidhya.com/blog/2016/04/complete-tutorial-tree-based-modeling-scratch-in-python/#six ), собрал массив данных для обучения и валидации, потренировал на нем и оценил как получается предсказывать.

    Как-то так.

    PS
    https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet – “Two class classification” box

Leave a Reply

Your email address will not be published.