对于少数专家来讲，我们的面孔——以及我们内心深处的情感——就像一本掀开的书一样表露无疑。现在，计算机技术使这些专家的这种能力自动化了。

　　20世纪60年代后期，保罗·埃克曼（Paul Ekman）——当时是旧金山的加州大学医学院一位年轻的心理学教授，并且刚开始自己毕生的工作——全心地沉浸在一个展示了40位精神病患者接受采访时的面部表情的影视库里，他想知道自己是否能够分离解析出这些面部表情的意义以帮助诊断精神紊乱疾病。埃克曼现在已经是所在的学术领域里的一个领军人物。在那些录影带里，有一个名叫玛丽的妇女，她曾经有过三次自杀经历，在录音磁带中她语带笑容，愉快地谈论着。当时的玛丽正在争取一个周末的假期——以便回家了结自己的生命。

　　“玛丽让我第一次发现了微表情的存在。”在我赶到《千谎百计》(Lie to Me)的拍摄现场后，埃克曼这样对我说。他对于面部表情，举止动作和其他非语言行为如何揭露我们的内心世界或者更加适切地讲，揭露我们的欺骗行为进行了长达几十年的研究，福克斯电视台(Fox television)受到这些研究成果的启发后拍摄了这部电视剧。“一些我教过的年轻精神病医生曾经问我是否能够帮助他们分辨一个有过自杀行为的患者到底讲的是真话还是谎言。”他说，“他们的一些病人在离开医院后的一个小时内就自杀了。然而，玛丽在离开之前曾经坦白过她在我之前录下来的一次访问中说了谎。我再次查看了之前的录像，但看不出任何说谎的痕迹。所以我花了一个星期的时间，将录像一帧一帧的进行慢放，那些微表情终于展现出来——在12分钟的录像中有两次，它们仅仅持续了1/25秒。”

　　在玛丽的案例中，当访问她的医生问她将来有何打算时，她的面容上飞快地滑过了一丝绝望。埃克曼发现，他的研究对象所流露出来的微表情背叛了他们的情感状态，不管他们如何试图压制这种情感的流露。他发现有46种面部肌肉运动，跨越了不同的文化，都代表着相同的基本情感，如害怕、不信任和压力。

　　埃克曼说，“我最初并不知道的是，你可以训练人们实时地辨认出这些微表情。”他在70年代发明了面部动作编码系统，或者叫FACS，对所有的面部表情进行了详细的分类，包括那些会暴露真相的肌肉运动。从那时起，那些经过训练的FACS使用者一般都能够成功地读取超过75%的面部表情。《别对我说谎》——由备受尊敬的独立影人蒂姆?罗思(Tim Roth)扮演基于埃克曼的角色卡尔?莱特曼博士(Dr. Cal Lightman)——是继获得巨大成功的福克斯电视剧《豪斯医生》(House)后一部较为平常的剧集。豪斯医生是一个不合常规的医学专家，专门解决那些依常规办事的古板医生无法解决的案例。然而，在现实生活中，许多使用FACS的都是那些按常规办事的人——警察、美国联邦调查局特工以及美国秘密机关的成员。

　　在实际应用埃克曼的研究时并不需要什么天生的才能。“你可以现在就去[www.mettonline.com]这个网站，花一个小时学习一些辨认微表情的知识。”我们大部分人经过一些练习后，都能够实时解码这些飞逝的表情。“最初，每个人都认为自己办不到，但他们到最后都会问，你在特意让这些表情慢下来吗？不，我们没有，是你的眼睛学会了看到它们。”

　　一些其他的研究也证实了埃克曼的观点。在2006年进行的一次研究中，伦敦大学国王学院(London’s King’s College)的神经学家塔玛拉?罗塞尔(Tamara Russell)表示，精神分裂症患者在接受一个小时的微表情训练后，也能够同正常人一样准确地辨认面部表情。

　　然而，有些人在解读微表情方面确实比其他人更优秀。埃克曼的大学同事莫琳?奥沙利文（Maureen O’Sullivan），在20年内测试了近两万名思维怪异的人，其中有50个人在辨识他人的谎言时一直保持着80%以上的准确率，还有少数人几乎做到了完美。显然，这些少数人有一些具体和完美的能力使他们获得了成功。

　　经过训练的FACS专家通常需要反复播放3个小时的视频片段，来分析视频中仅一分钟的对象的面部抽搐和眼睛眨动，因此质疑一个计算机系统是否能够使微表情分析过程自动化，并超越奥沙利文手下的辩谎奇才，这是无可厚非的。在80年代后期，埃克曼首先考虑了这个挑战的可实现性。在伦敦的一次学术休假中，他访问了布鲁内尔大学，该校有一位率先发明并行处理计算机的工程师正在训练一个虚拟神经网络，使其能够辨认出恐怖分子。这位工程师遇到的难题是，对象的各种面部表情给他的系统辨认对象身份增加了难度。而埃克曼的困难却似乎与此相反：他需要忽视对象的个人面貌以辨认他们的表情所揭露的情绪。因此，这两个人展开了合作。“在三天内，我们教这台机器辨认出了三个不同的人的三种不同情绪。”他说，“在美国，我向全国卫生研究所(NIH)提交了一份提议申请，他们认为并行处理计算机并不存在，所以拒绝了我的请求。”埃克曼向一位获得过诺贝尔奖的物理学家表述了他的挫折，于是他的这位朋友联系了拉霍拉沙克研究所(the Salk Institute)的一位研究计算神经生物学的卓越专家特瑞?塞诺斯奇（Terry Sejnowski），在他的实验室里，有埃克曼需要的计算机。于是这两个人结成了小组并获批了那份申请。

　　埃克曼以前带过的博士后学生马克·弗兰克（Mark Frank），现在是纽约布法罗大学的教授，他在自动化FACS方面取得了非凡的成就。弗兰克先前在布法罗中心研究统一的生物统计学和感应器，后与加州大学的一个计算机科学家小组——成员大多是塞诺斯奇的学生——共事，把FACS转变成一种技术，称为计算机表情识别工具（CERT）。我曾经询问过弗兰克这个项目的进展情况。

　　弗兰克告诉我：“我们已经成功了，现在我们的系统就在实时运转中。关于机器的学习能力，我们必须给它们提供良好的人类真实情感和表达的视听材料。接下来的就只是培训、测验、培训、再测验这些过程了。”CERT的工作能力与人类专家没有差别，并且它还稍微快点。

　　一种准确探测出人们的真实情感的技术具有很多的政治、社会和商业潜能。比如，若政治评论家将这种技术用到去年的美国总统竞选辩论的视频上，揭露麦凯恩或奥巴马是否在撒谎，后果会如何呢?或者，如果律师用这种技术来分析在法庭上的证词以确定证人是否说谎呢，这个结论又是否能够作为证据呢？事实上，因为这项技术通常用于普通视频，它可能会成为一项便宜的网络服务，这样每个人都可以用它：人们可能会记录下工作面试、商业谈判、婚前协定签约、婚礼仪式或者其他任何民众行为，让它成为一双确定这些行为是否忠诚的眼睛。“你会想，万一自己的秘密泄露了怎么办？”弗兰克说，“你能让它再次回到你的内心深处而不被发现吗？”

　　关于法庭是否应认可这种证据的争论似乎是很容易理解的。一项技术要想被认可通过，必须满足两项法律标准之一。而道伯特标准（the Daubert test）（来自1993年美国最高法院的道伯特控诉梅里尔?道药品案）是大部分审判权接受的法律标准。加州大学的法律学教授爱德华?伊姆温克里德（Edward Imwinkelried）说，“道伯特要求科学证据必须是可靠的科学知识，最高法院将科学知识定义为得到一套具体的认证方法的认可的知识，而这套认证方法被描述为，首先，确立一种假设，其次，控制后续的实验或实地观测系统，来确认或推翻这项假设。”根据FACS在近30年受到的广泛认可和CERT的准确记录，自动化的面部表情分析可能会满足这些标准。

　　然而，要想赢得这个争论，就需要得到像弗兰克或埃克曼这样的见证专家的支持，但这种支持并不容易获得。比如，弗兰克支持美国政府将CERT技术用于国家安全事务——他猜测2011年可能实现这个目的——但他并不想看到这项技术传播地更远：尽管我们每隔两星期就接到电话，说有人想要将它作为测谎技术投入市场并赚大钱。令我感到骄傲的是，迄今为止，参与这项技术研发的专家中还没有人想要那样做。

　　这项科学可以确定的是，FACS和CERT技术可以揭露任何人的大部分真实情感，但这些结果必须被正确地解析——尤其是用于探测欺骗行为时。否则，埃克曼总结说，用户很可能会犯他所称的“奥赛罗的错误” （“Othello’s error”）：“奥赛罗准确地读到了黛斯迪蒙娜（Desdemona）的害怕。但他没有辨认出因不被相信而引发的害怕和被抓住所引发的害怕相似。”如果你不知道这些的话，你的解析就会差之千里。“在你定论你所看到的就是对于犯罪行为的欺骗之前请排除所有可能的其他解释，”埃克曼警告说，“因为很多情况下，你所认为的都是错的。”