Quando i bambini sono vittime di crimini, la testimonianza legale che forniscono è nota come interviste forensi. Però, poiché le vittime sono spesso traumatizzate e potenzialmente abusate dai loro caregiver, possono essere riluttanti a presentare accuse o divulgare informazioni rilevanti.

Come tale, è stato sviluppato un protocollo per estrarre con attenzione quante più informazioni possibili su un crimine. Ancora, e se l'intelligenza artificiale potesse essere uno strumento utile per aiutare le giovani vittime a raccontare le loro storie? E se l'intelligenza artificiale potesse supportare gli intervistatori con strumenti per aiutare a raccogliere informazioni in modo appropriato?

Questo il tema di un paper presentato alla Conferenza Internazionale ACM 2018 sull'Interazione Multimodale, recentemente a Boulder, Colorado.

La carta, presentato dai dottorandi del Laboratorio di Analisi e Interpretazione dei Segnali della USC Viterbi School of Engineering, Victor Ardulov e Manojkumar Prabakaran Abitha, insieme al fondatore di SAIL Shri Narayanan, documenta uno sforzo multidisciplinare in collaborazione con il professore della USC Gould School of Law, ed esperto di testimoni di minori, Thomas D. Lyon e il suo team, per determinare se e come gli strumenti computerizzati possono valutare con precisione la produttività delle interviste forensi. Inoltre, il documento documenta come i ricercatori hanno tentato di identificare potenziali influenze linguistiche e paralinguistiche come le emozioni nel processo di intervista.

Ardulov, chi è l'autore principale del documento presentato alla recente conferenza ACM, ha affermato che lo scopo dello studio era raccogliere feedback su come i bambini tendono a rispondere in base a sottili variazioni nelle domande.

La sfida per gli intervistatori forensi è fare le domande giuste, nel modo giusto, al momento giusto per garantire che le vittime ricevano informazioni pertinenti e imparziali sui crimini commessi. Ciò è particolarmente importante quando i bambini potrebbero essere gli unici testimoni di un crimine. La chiave è massimizzare la produttività senza traumatizzare nuovamente il bambino o costringere una testimonianza imprecisa.

Studiosi come Lione, che ha fondato il Gould Child Interviewing Lab della USC, sono consapevoli di come il rapporto costruito tra intervistatore e intervistato, il tono con cui vengono poste le domande, le pause e persino l'ordine delle domande possono influire sulla quantità di informazioni significative condivise. Però, si ritiene che questo sia il primo tentativo di sviluppare e applicare software personalizzato per rilevare e classificare automaticamente i modelli di discorso nel corso delle interviste forensi.

Da oltre due decenni, Narayanan ha sviluppato tecnologie vocali e del linguaggio per sottostimare il linguaggio e il linguaggio dei bambini, e nello sviluppo di interfacce di conversazione basate sull'intelligenza artificiale pluripremiate per bambini. Dice "... la scienza dei dati e le tecniche computazionali informate linguisticamente offrono una ricca serie di strumenti per aiutare a capire non solo ciò che un bambino sta cercando di comunicare, ma il loro stato emotivo e cognitivo dell'essere. Queste sono le tecnologie del nostro laboratorio [SAIL] alla USC sta cercando di svilupparsi con i nostri collaboratori."

Narayanan di Viterbi ha incontrato il Lyon di Gould circa un decennio fa in un workshop collaborativo multidisciplinare tra i professori della USC. I due hanno iniziato a lavorare a questo progetto solo circa un anno e mezzo fa con i dottorandi di Narayanan, Ardulov e Manoj Kumar, alla guida della ricerca di modi per quantificare particolari fattori nel discorso che potrebbero influenzare l'output dell'intervista come la frequenza o la durata del le pause di un intervistatore, il tempo assegnato a un bambino per rispondere, e la misura in cui il ritmo del discorso dell'intervistatore rispecchia il discorso del bambino intervistato.

Lyon si interessò al lavoro di Narayanan con l'aspettativa che "la tecnologia potesse cogliere le sottigliezze di un'intervista:qualità, che sono più difficili da raccogliere e contare."

Risultati del documento presentato

Le trascrizioni audio anonime di duecento interviste forensi che Lyon ha raccolto da casi di abusi sui minori sono state trascritte da file audio e poi codificate per una varietà di dimensioni. I ricercatori del SAIL Lab, che ha precedentemente sviluppato strumenti per analizzare automaticamente il parlato (come chi ha parlato e per quanto tempo) e gli aspetti comportamentali ricchi (come le emozioni), così come il modo in cui le persone interagiscono tra loro, sviluppato modelli personalizzati per ogni intervista. Una volta fatto questo, i ricercatori cercherebbero quindi modelli nelle interviste e nell'interazione tra l'intervistatore e l'intervistato.

Generalmente, i risultati dei ricercatori sono coerenti con precedenti studi nel campo della psicologia giuridica. Le interviste sono normalmente condotte in due fasi:una fase di costruzione del rapporto non correlata al crimine o all'abuso, e poi una seconda intervista incentrata sul presunto abuso. In questo studio, il modo in cui i bambini in queste interviste hanno risposto era altamente correlato alla loro età. Per i bambini più piccoli, il contenuto emotivo delle parole dell'intervistatore ha avuto un impatto su quante informazioni erano disposti a condividere durante la fase dell'intervista. I bambini più grandi sono stati più influenzati dal modo in cui l'intervistatore ha vocalizzato le loro parole (il tono e il volume).

Prossimi passi

La speranza è che un assistente informatico per le interviste possa assumere varie forme. Primo, potrebbe essere un mezzo per formare intervistatori forensi, tramite un assistente virtuale che informa gli intervistatori durante un'interazione, o come intervista a un bambino simulato.

Entrambi questi approcci dipendono dalla disponibilità di grandi set di dati di interazioni di domande e risposte e modelli matematici rigorosi di come i bambini rispondono e sono influenzati dagli input dell'intervistatore. è simile, Ardulov dice, a come Google completa automaticamente le frasi immesse e offre suggerimenti basati sull'enorme numero di input storici.

Lyon immagina che questi modelli possano essere ottimi strumenti per coloro che lavorano come sostenitori dell'infanzia. "Potrebbe fornire ulteriori informazioni per strutturare e perfezionare i protocolli, " lui dice.

Lione dice, "Immagina una trascrizione automatizzata di un'intervista in cui un intervistatore in possesso di un iPad ottiene le parole o le frasi evidenziate che potrebbero informare la sua prossima domanda e guidare l'intervista".

Aggiunge che questo sarebbe un modo per le interviste di non dover usare note, e il software reale potrebbe evidenziare possibili contraddizioni e incongruenze.

Per fare ciò, la fase successiva della ricerca sarebbe quella di creare modelli più sofisticati in base ai quali i ricercatori osservano interazioni specifiche, o particolari sequenze di domande per capire cosa fornisce le informazioni più rilevanti da un bambino.