No hay una forma infalible de saber si alguien miente al hablar, pero unos científicos han desarrollado una herramienta que parece ser notablemente precisa al evaluar falsedades por escrito. Mediante el aprendizaje automático y el análisis de texto, han logrado identificar denuncias falsas de robos con tal precisión que la herramienta ya se está implantando en comisarías de toda España.
Científicos informáticos de la Universidad de Cardiff y la Universidad Carlos III de Madrid desarrollaron la herramienta, llamada VeriPol, específicamente para centrarse en las denuncias de robos. En su artículo, publicado en la revista Knowledge-Based Systems a principios de este año, describen cómo entrenaron un modelo de aprendizaje automático con más de 1000 denuncias de robos presentadas ante la Policía Nacional de España, incluidas las que se sabía que eran falsas. Un estudio piloto en Murcia y Málaga en junio de 2017 reveló que, una vez que VeriPol identificaba una denuncia como altamente probable de ser falsa, el 83% de estos casos se cerraban después de que los denunciantes respondieran a más preguntas. En total, se detectaron 64 denuncias falsas en una semana.
VeriPol funciona mediante algoritmos que identifican las distintas características de una declaración, incluidos todos los adjetivos, verbos y signos de puntuación, y luego detectan los patrones de las denuncias falsas. Según un comunicado de la Universidad de Cardiff, es más probable que las denuncias falsas de robos sean más breves, se centren en los bienes robados en lugar de en el robo en sí, incluyan pocos detalles sobre el agresor o el robo y carezcan de testigos.
En conjunto, parecen características de sentido común que las personas podrían reconocer. Pero la IA demostró ser más eficaz al analizar las denuncias sin dejarse llevar por las emociones e identificar patrones, al menos en comparación con los datos históricos: normalmente, la policía detecta apenas 12.14 denuncias falsas en una semana de junio en Málaga y 3.33 en Murcia.
Por supuesto, eso no significa que la herramienta sea perfecta. «[N]uestro modelo empezó a identificar declaraciones falsas cuando se decía que los incidentes habían ocurrido por detrás o que los agresores llevaban cascos», dijo en un comunicado. Mala suerte para quienes realmente fueron asaltados por detrás o por alguien que llevaba casco.
