¿Cómo se puede detectar a un mentiroso? En el pasado, la principal forma de detectar mentiroso era el análisis de su lenguaje no verbal o incluso de su nerviosismo. Al fin y al cabo, lo que analiza el famoso polígrafo es la actividad cardiovascular y respiratoria, así como la conductancia de la piel. Todos ellos son factores que pueden variar notablemente cuando una persona miente, aunque hay mentirosos profesionales que practican para que sus mentiras sean indetectables. La irrupción en nuestras vidas de la inteligencia artificial puede ponérnoslo ligeramente más fácil, aunque también puede ser lioso. Y es que, aunque en Internet hay numerosos artículos que apuntan a cuáles son las palabras más comunes entre mentirosos según la inteligencia artificial, no es una cuestión sencilla.
En general, se trata de palabras que no señalan per se a un mentiroso, pero sí que pueden ser abundantes entre personas que mienten. Durante el último mes, numerosos medios de comunicación han señalado una lista de 5 tipos de palabras que pueden justificar que una personas está mintiendo. No obstante, a pesar de que todos parecen beber de la misma fuente, no he podido encontrar ninguno que la cite. Todos explican que es el resultado de un análisis de inteligencia artificial, pero no se dice nada más. Así, lógicamente, no podemos tomarlo en serio.
Por eso, he hecho mi propio análisis, en primer lugar con una revisión rápida de la literatura científica y, después, con algunas preguntas dirigidas a Chat GPT. Le he pasado fragmentos reales de conversaciones de whatsapp. Unos son ciertos y otros falsos. ¿Pero hasta qué punto puédese capaz de detectar a un mentiroso? Vamos a verlo.
Así es el vocabulario de un mentiroso
En esos artículos sin fuente que circulan por Internet, se hace referencia a cinco fórmulas habituales en el vocabulario de un mentiroso. Por un lado, se hace referencia a los términos absolutos. Palabras como «nunca» o «siempre» parecen ser habituales entre los mentirosos. Según la Inteligencia Artificial, para ellos no hay grises. Solo blancos o negros.
También se señala que son comunes palabras introductorias, como “honestamente”, donde se hace hincapié en la sinceridad de la afirmación. Como dice la locución latina, Excusatio non petita, accusatio manifesta.
En tercer lugar, nos encontramos con una confrontación de esos términos absolutos que veíamos antes. Algunos mentirosos prefieren reducir la certeza con palabras como “creo”, “supongo” o “podría ser”.
También se puede dar ambigüedad con la palabra «pero». Y, para terminar, son abundantes las afirmaciones vagas, sin muchos detalles. Por ejemplo, al hablar de “eso” o “esa situación” sin especificar qué.
¿Y qué dice la ciencia?
Al analizar la literatura científica, nos encontramos con que esto último es bastante habitual. Por ejemplo, en 2018, un equipo de científicos estadounidenses desarrolló un estudio en el que se utilizaba el machine learning para identificar los términos más usados por las personas que mienten en entrevistas de trabajo. Se detectó, por ejemplo, esa vaguedad del mentirosos, pero también otros rasgos, como el uso excesivo de justificaciones y las frases en negativo.
Previamente, en 2003, un equipo de la Universidad de Texas había demostrado también que el lenguaje del mentiroso suele estar cargado de frases negativas. Además, escasean las autoreferencias. Es poco habitual que usen directamente pronombres en primera persona del singular. De hecho, eso es algo que se ha visto en otros estudios sobre el tema realizados en las dos últimas décadas. Además, hay estudios, como uno llevado a cabo en 2015 por un grupo internacional de científicos, que también apuntan a falta de referencias a percepciones sensoriales o procesos cognitivos.
En definitiva, el lenguaje de un mentiroso está cargado de excusas, referencias negativas y mensajes vagos, sin especificar ni ahondar en sentimientos o razonamientos. Intentan salir del paso. Eso es lo que parece que se ha visto con los análisis computacionales de los últimos tiempos. ¿Pero puede la Inteligencia Artificial a nivel de usuario detectar a un mentiroso?
Veamos de lo que es capaz la Inteligencia Artificial
He introducido en Chat GPT varios mensajes reales recibidos en mi Whatsapp de amigos que, inicialmente, no me han comunicado si mentían o decían la verdad. Por supuesto, tengo el permiso de todos ellos para compartir estos mensajes.
Primer ejemplo:
“Pero ayer me salió en Instagram y me encantó. Le hacen joyas a Paula Echevarría, Rosy de Palma y muchas famosas más. Se llama Lausett. Son cosas muy recargadas, la verdad, pero chulas. Lo malo que también caras.”
Según ChatGPT, hay señales como la palabra “pero”, el uso de personajes famosos o la expresión “la verdad” que se pueden usar para dar credibilidad forzada al mensaje. Eso podría indicar que es mentira, pero también son señales naturales de un lenguaje casual. Concluye lo siguiente:
“No hay señales claras de engaño en este mensaje. El lenguaje usado es espontáneo, con detalles y opiniones personales. Aunque incluye una pequeña justificación inicial (“pero”), esto parece más una forma natural de empezar la frase que un intento de encubrimiento.”
Al preguntarle con qué probabilidad sería mentira, señala que no es posible saberlo con la información disponible; pero, aun así, con base en “el análisis lingüístico y los patrones de engaño” se aventura a calcular entre un 10 % y un 20 % de probabilidad de engaño.
Cabe decir que el mensaje es real, extraído de una conversación, y la persona que lo dijo no mentía en ningún momento. No es un mal cálculo.
Segundo ejemplo:
“Pues el martes pasado estaba poniéndome hasta arriba de jamón y gambas, y empecé a encontrarme fatal hasta que tuve que vomitar, se me fue de las manos. Siento no haber ido al final a tu fiesta de cumpleaños ni regalarte nada, que me apetecía muchísimo pero cuando uno no puede, no puede.”
Chat GPT habla de elementos sospechosos, pero no concluyentes. Entre los elementos sospechosos señala una narrativa dramática y muy sensorial (a pesar de que los estudios señalan que no se suelen hacer referencias sensoriales), una justificación extensa y lenguaje emocional para suavizar el impacto. Estima una probabilidad de mentira entre el 40% y el 60% y concluye lo siguiente:
“El mensaje podría ser una excusa sincera o una mentira emocionalmente bien construida. No hay pruebas contundentes de ninguna de las dos. Si esta persona tiene un patrón de justificar sus ausencias con historias elaboradas, eso aumentaría la sospecha.”.
En este caso, el mensaje es falso, por lo que, en cierto modo, se podría decir que ha acertado.
Tercer ejemplo:
“Pues he llegado al trabajo, he estado fregando unos cacharros mientra mi compañera terminaba de reponer unas cosas y luego nos hemos ido al comedor a desayunar. Yo me he pedido una tostada de mantequilla y jamón york y un café con leche fría y después nos hemos vuelto al lab.”
En este caso, Chat GPT indica que “el mensaje no muestra señales claras de mentira y, de hecho, contiene varios indicadores que suelen asociarse con la veracidad”. Algunos ejemplos son los detalles específicos y cotidianos, el orden cronológico natural, el tono neutral y la ausencia de justificaciones.
La probabilidad de que sea falso es muy baja, entre el 5 % y el 10 %. Y acierta, ya que es un mensaje en el que se dice la verdad.
Cuarto ejemplo:
“Hace unos años, 3 o 4 años, fui a comer a un restaurante vegano y era más caro de lo esperado pero aun así pues comí y tal. Pues cuando fui a pagar se equivocaron al cobrarme, que era mediante bizum o efectivo, y pagué como menos de la mitad.”
Según Chat GPT, no hay señales evidentes de mentira, aunque sí algunas sospechosas. Indica que denota sinceridad la ambigüedad temporal, al no saber si son 3 o 4 años, el lenguaje natural y el detalle llamativo pero plausible del método de pago. Además, ve sincero que no haya justificación emocional ni un intento de quedar bien. Solo ve levemente sospechoso que hable de un método de pago poco rastreable y que sea demasiado favorable para quien lo cuenta. Son solo dos detalles mínimos, de modo que la probabilidad de mentira se sitúa entre el 10 % y el 20 %. De nuevo, es apropiado que la probabilidad sea baja, ya que el mensaje es cierto.
Quinto ejemplo:
“Joder, nena, estoy super cabreada porque me he enterado que Pedro ha ido contando por ahí la discusión que tuvimos el otro día. Y claro, ha contado su versión como a él buenamente le ha dado la gana. Entonces parece que soy una borde de mierda, porque va diciendo que le hablé super mal, cuando lo único que le dije es que me había sentado mal cómo se puso en la fiesta. Ahora va a resultar que decirle a un amigo que algo te molesta es «hablarle mal». Pero claro, si no le llego a decir nada, encima quedo yo de falsa por no hablar las cosas… Yo que sé. Estoy muy molesta. Yo he ido de frente y siento que él ha ido a mis espaldas y ahora ya sí que no tengo ninguna gana de arreglar las cosas…”
En este caso Chat GPT considera que el mensaje “tiene muchas características de sinceridad emocional y narrativa auténtica, por lo que es poco probable que esté mintiendo”.
Esos indicadores de sinceridad son la carga emocional, las contradicciones internas razonables, el lenguaje conversacional y la perspectiva subjetiva. La probabilidad de que lo haya escrito un mentiroso, según la Inteligencia Artificial, es de un 5 %-10 %. Lamentablemente, en este caso sí ha fallado, puesto que el mensaje es falso.
Cabe decir que estos mensajes han sido escritos por distintas personas. Algunas sabían que se usaría para este artículo, otras lo han sabido a posteriori. Las que han mentido lo han hecho deliberadamente, aunque podían elegir si mentir o decir la verdad. Chat GPT ha hecho bastante bien su trabajo, pero también ha fallado estrepitosamente en un caso. Aunque esto no es un estudio, sino un experimento cotidiano, nos indica que la IA no es tan infalible como creíamos y que cazar a un mentiroso es más complicado de lo que parece. No podemos fiarnos de los algoritmos para todo.