Uso di Large Language Modelsper la Rilevazione della Menzogna

Riccardo Loconte

Nell'ambito della psicologia cognitiva, diversi metodi sono stati impiegati per analizzare informazioni verbali e distinguere tra dichiarazioni genuine e menzognere. Tra questi metodi rientrano: il Criteria Based Content Analysis, il Reality Monitoring, l’approccio di Verificabilità dei dettagli e la misura del Carico Cognitivo esperito durante la fase di narrazione.

Anche la comunità dell'Intelligenza Artificiale (IA) ha dimostrato un forte interesse nella rilevazione automatica della menzogna attraverso l'analisi del linguaggio naturale. Tra le più recenti forme di IA, i Large Language Models (LLMs) si configurano come complesse reti neurali addestrate su corpora di grandi dimensioni in grado di prevedere le parole più probabili che seguiranno una data sequenza di testo.

Lo scopo di questo studio è stato quello di ottimizzare un LLM sulla base di tre corpora disponibili in letteratura allo scopo di classificare e distinguere accuratamente tra dichiarazioni vere e false. I corpora utilizzati contenevano rispettivamente 2500 opinioni, 5506 esperienze autobiografiche e 1640 intenzioni future, divise equamente tra dichiarazioni vere o completamente false in lingua inglese.

L’addestramento del modello condotto sui tre corpora ha prodotto un’accuratezza generale pari all’80%, superando le precedenti performance della letteratura scientifica a riguardo. Le analisi condotte sugli indicatori linguistici hanno rivelato che lunghezza e complessità del testo sono, tra gli altri, dei buoni indici per distinguere dichiarazioni vere dalle false, in linea con la teoria psicologica del carico cognitivo.