撰文丨陳皮半夏(北京大学 神经生物学博士生)
责编丨赵钰茜
排版丨夏獭
说谎是一种复杂的执行控制(executive control)行为,涉及多项认知能力(比如抑制控制、工作记忆、任务转变),需要个体灵活地调整自己的思想和行为,以应对多变的外界环境。
儿童普遍在3岁左右开始撒谎,但此年龄段的谎言较容易被识破,而随着认知能力的发展,大多数6~7岁的儿童已经能较成功地隐瞒谎言。
脑成像技术揭示了大脑在说谎时的神经活动,位于额顶叶的脑区在说谎时较为活跃,这些与说谎相关的脑区大多与执行控制相关。此外,由于说谎对于正常人来说通常是小概率事件(事件更罕见而突出),参与侦测事件显著性(salience)的脑区——顶下小叶(IPL)也较为活跃。
fMRI和EEG有望成为更有效的“测谎”技术,通过直接检测中枢神经系统而非自主神经系统的活动,大大提高测谎准确率,但是这些技术仍有大量局限,相关的行为范式和分析方法仍有待改进。
你是否还能回想起记忆中第一次撒谎是什么时候?我们从小就被教育要做个诚实的孩子,从“狼来了”到“匹诺曹”,这些经典寓言故事似乎都在提醒我们撒谎是件坏事。尽管如此,曾经的我们可能依然会为买零食或忘写作业而说谎。但是想要“成功地”说谎,可没那么简单。研究发现,儿童在3~4岁时已经可以表现出简单的欺骗行为。在一项常见的用于测试儿童撒谎行为的抵御诱惑实验范式(modified temptation resistance paradigm)中,实验人员通常会与儿童玩一种猜谜或猜玩具的游戏,要求儿童在实验人员离开房间的这段时间不能偷看答案。之后,实验人员返回房间并询问儿童是否有偷看,整个过程由一台隐藏的摄像机记录下来。利用这项实验,研究者们就可以观察到儿童在自然状态(不经暗示和诱导)下“自发”的说谎行为,已有多项类似的研究得到了较为一致的结果。在偷看过答案的孩子们中,部分3岁的儿童会否认自己曾偷看过答案(尽管大部分3岁的孩子还是会承认),而4岁及更大一点的儿童撒谎的比例更高。在后续的提问中,部分6~7岁的儿童会继续坚称自己没有翻看过答案,有时甚至会编造各种理由来解释自己是如何猜对了玩具的某些特性[1-3]。随着成长,儿童的说谎技能逐渐复杂化。研究者们认为儿童的欺骗行为存在明显的发育阶段:第一阶段,儿童“决定”撒谎,这需要其能够简单理解并产生一个“假”的信念;第二阶段,儿童“维持”谎言,则要求其这一对信念有更深的认知[4]。在这里我们不得不提到两项认知变量:心智理论(theory-of-mind, ToM)和执行功能(executive functioning, EF),ToM指的是可以辨别自我和他人的心理状态,区分不同个体在信念和意愿上的差异。EF则涉及更高级的心理过程,用于监测并控制思想和行为[5]。大部分3~4岁的孩子逐渐开始对自我和他人的心理状态有基础的认知,并且能有意识地控制自己的行为,那些决定撒谎的孩子在ToM测试中往往也得到较高的分数,但尽管这些孩子会说谎,却很可能在之后的交谈中不小心说漏,或者表现出与其谎言不一致的行为,比较容易被成年人识破[2]。想要“成功”圆谎,则涉及更高级的执行功能。这不仅需要抑制那些会干扰谎言的行为(即“抑制控制”,inhibitory control),还需要具备一个用于储存真实信息并构建虚假信息的记忆系统(即“工作记忆”,working memory),以及在真实和谎言之间切换的能力(即“任务转变”,task switching) ,此外,自我控制、设定计划等认知技能也在撒谎中发挥一定作用[4, 6]。随着儿童的成长,其认知能力逐渐提高并复杂化,说谎行为也变得更有“技巧”,大多数6~7岁的孩子能够更坚定地维持谎言并圆谎,令家长也难以辨别。这么说来,“别骗我,我已经不是三岁小孩了”似乎还带着科学光环?不过严格来说,我们其实很难判定更小的幼儿是否会说谎,这可能是因为较难将谎言与儿童无意识的错误发音区分开,且幼儿不太容易区分真实和想象、梦境里的事物。当发现自己的孩子开始说谎,许多家长会表现出担忧。但实际上,正如刚才提到的,撒谎在一定程度上标志着儿童在认知能力和社交能力上的发展和进步,孩子的第一次撒谎,通常是利己的,比如为了掩盖过失、避免受到责备,在与他人相处的过程中,还可能会因为自尊心而夸大某些事实,也可能为了引起父母或他人的关注而撒谎,而恰当的谎言实际上也有利于他们今后更好地适应社会环境。在对自闭症谱系障碍(autism spectrum disorder, ASD)儿童的相关研究中,研究者们发现这些儿童说谎的频率更低,也更难圆谎,很难坚持自己的谎言,表现出对情感和信念的认知不足[7]。当然,作为家长,一定有责任和义务去教育子女分辨是非对错,在发现孩子出现撒谎时及时地、恰当地引导子女。尤其是如果孩子出现了频繁、不合时宜的“病态”撒谎行为,更应及时干预(包括寻求专业医师的帮助)。因为这不仅反映孩子可能在自我管理和控制、道德发育上存在问题,还可能影响孩子在身边伙伴中的信誉度,引出其他继发问题[8]。正常的说谎行为在成长发育过程中呈现“倒U”形趋势,通常在小学阶段达到顶峰,而随着认知能力、道德水平的进一步提高,说谎的频率会随之下降。偶尔、恰当地使用谎言有利于我们应对复杂的人际关系和社交环境。
脑成像技术使我们可以观察到个体在进行各种身体和心理活动时大脑活动的变化。功能磁共振成像(functional magnetic resonance imaging, fMRI)就是近年来受到广泛应用的一项脑成像技术。神经元活动性升高时,需要消耗更多的氧气,所在脑区的血流量也会相应增加。fMRI就是基于此原理,检测大脑血氧水平的变化,从而反映神经元活动,并对神经活动进行实时、精准的定位,其空间分辨率可达立方毫米。自2001年以来,已有众多研究采用fMRI技术揭示了欺骗与诚实情况下神经活动的差异。由于不同研究涉及的欺骗行为和所采用的行为范式存在差异,说谎的情景、动机、自发性和回应方式不同,研究者观察到的参与欺骗的脑区也不尽相同。
在对大量文献数据进行元分析(meta-analysis)的结果显示,欺骗与诚实相比会调动更多的脑区,位于额顶叶的部分脑区表现出更强的神经活动,如前扣带回皮层(anterior cingulate cortex, ACC)、内侧前额叶皮层(medial prefrontal cortex, mPFC)、顶下小叶(inferior parietal lobule, IPL)、岛叶皮层(insula)等区域(图1)[9]。MFG 额中回;IPL 顶下小叶;IFG 额下回;insula 岛叶;AC/ACC 前扣带回;mPFC 内侧前额叶皮层由前文的儿童说谎行为与认知发育的关系中,我们已经知道说谎是一种高级的执行控制行为,撒谎往往比诚实需要更多的认知加工。因此,不难推断出,与执行控制过程有关的脑区在编造谎言时会尤为活跃,比如,前额叶(prefrontal cortex, PFC)、ACC,它们就在很多执行控制过程都发挥着关键作用。岛叶除了参与执行控制外,还参与控制内脏功能、表征机体的内感受器活动,而撒谎往往也伴随的一系列生理反应(如体温、心率、血压的变化)。图2对欺骗和其他执行控制任务时的神经成像数据进行了对比,发现工作记忆、抑制控制和任务转换这三项执行控制成分涉及的大脑活动存在明显的重叠,且主要分布在PFC和ACC。而欺骗与这些执行控制任务涉及的脑区也有许多重叠,主要在双侧岛叶、左侧IFG和MFG、右侧ACC等,而重叠较少或基本不重叠的区域包括双侧顶下小叶 ( inferior parietal lobule, IPL)、右侧额下回 (inferior frontal gyrus, IFG)。图2 欺骗和其他执行控制相关脑区的神经成像数据的元分析结果[10]工作记忆(绿色)、抑制控制(红色)、任务转换(蓝色)、欺骗(黑线轮廓)IPL和位于额叶的许多区域有信息交流,参与选择性注意(selective attention),检测那些低概率出现的、突出的(salient)事件。对于认知和道德水平正常的普通人而言,撒谎出现的概率通常很低,因此“说谎”相对于“诚实”就是低概率事件、更突出,IPL自然就更为活跃。那么,如果“诚实”事件比“说谎”事件出现的概率更低呢?在一项研究中,研究者们设定了两种不同的“诚实”场景,场景A的回答与“说谎”场景相同,均为 “no”,场景B的回答为“yes”(与“说谎”场景不一致)。右侧IPL在这些场景中的反应具有明显差异,激活强度表现为:诚实场景B>说谎场景>诚实场景A,(注意场景B的回答(yes)与说谎场景(no)和诚实场景A(no)不一致),这说明IPL的激活和更低概率出现的突出事件相关,IPL可能帮助个体维持对当前环境的注意力,捕捉那些突出事件,而如果说谎比诚实的回答还多,IPL就可能会更关注于那些更为少见的“诚实”了。右侧IFG则被认为是参与调节抑制力的一个关键脑区,在某些需要较高认知负荷(比如涉及更多的工作记忆)的说谎场景下,撒谎者为了掩盖真相,必须抑制大量真实记忆的干扰,相比于诚实时工作记忆负荷较小的情况而言,右侧IFG的活动更高[11]。不过,右侧IFG在其他执行控制任务中也具有广泛的作用[12]。由此可见,虽然说谎时调动的脑区更多,但这些脑区并非只在说谎时才会被激活,换而言之,大脑表现出这样的活动并不能说明个体在说谎。实际上,对于任何一项高级的认知功能,大脑的编码方式都是极其复杂的,往往涉及众多的高级脑区,而单一脑区的功能也是极为抽象和广泛的,因此很难断定某种认知行为与某一脑区与存在特异的关联,说谎行为也不例外。想要从大脑的神经活动模式(脑成像结果)推断出认知状态(是否说谎),可以基于贝叶斯定理进行“反向推理”(reverse inference)。比如我们想知道某脑区出现神经活动(A)时就代表说谎(S)的概率P(S|A),基于P(S|A) = P(A|S)×P(S) / P(A),需知:P(A|S):说谎时该脑区被激活的概率,源于脑成像数据;P(A):该脑区被激活的先验概率,源于大量的脑成像数据。P(A)在脑成像技术中又被称为base rate,如果P(A)很高(越接近于1),说明该脑区会被大量不同的任务所激活,就很难将它与特定任务相关联;而如果P(A)越低(接近于0),则说明该脑区活动有极大可能是由这一认知状态引起的。[5]在一些影视剧中有时能看到“测谎仪”的身影,这些“测谎仪”一般指的是多导生理记录仪(polygraph),最早由John Larson在1921年开发,后在1926年由Leonarde Keeler进行了改进。个体在撒谎时通常会因为担心或内疚,表现出焦虑、紧张等情绪,从而引起自主神经系统(autonomic nervous system)的一系列反应,体现在心率、血压、呼吸频率、皮肤电反应(汗液)的变化。“测谎仪”通过捕捉这些生理变化,推测当事人的心理状态[13]。图3 左为 John Larson发明的早期测谎仪右为 Leonarde Keeler设计的the Keeler Polygraph,现代测谎仪的原型但是,这一技术有着明显的劣势,这些受自主神经系统支配的反应很容易受到其他小动作(如屏息、咬舌头)的影响,导致结果判读出现偏差。在实际审讯过程中,“训练有素”或做好心理准备的犯罪嫌疑人可能表现得非常“坦然”,而与案件无关的普通人则可能会因紧张或是担心,表现出被认为是“撒谎”的生理反应。随着科学技术的不断发展,fMRI和脑电图(electroencephalography, EEG)日趋成熟,能够克服原有方法的劣势,直接检测大脑的神经功能活动,有望成为新一代的“测谎仪”。在介绍这些技术的测谎应用之前,我们有必要了解一项测谎常用的测试:隐藏信息测试(concealed information test, CIT),又称有罪信息测试(guilty knowledge test, GKT),这一方法检测的是只有真正的嫌疑犯才知道的案件细节,其原理是:当大量信息是无关信息时,混入其中的熟悉信息会引起生理和心理上非常不同的反应。通常,这项测试包含三种刺激:探针刺激(probes):只有罪犯和官方才知道的信息,罪犯通常会对这类信息进行隐瞒,谎称自己没见过、不知情。无关刺激(irrelevants):与案件无关,对罪犯和无罪者来说都是陌生的。目标刺激(targets):通常也与案件无关,但被要求在看到这一刺激时作出反应(比如按键)。如果受试者知道探针刺激所包含的信息,那么他/她对探针刺激的反应就会更接近于对目标刺激的反应,而与无关刺激的差异较大,这种探针刺激与无关刺激之间的反应差异被称为探针效应(probe effect)。反之,如果受试者没有接触过探针刺激,对于他/她而言,这类刺激就与无关刺激更接近。[15]
自上世纪80年代,脑电图(EEG)就被用于研究欺骗行为。通过贴合在头皮上的电极,研究者可以记录神经元群体在事件发生时的电生理信号,即事件相关电位(event related potentials, ERP)。这种技术的空间分辨率比fMRI低,但由于检测的是直接反映神经兴奋性的电信号(而非神经活动引起的间接血氧变化),时间分辨率更好一些(可达毫秒量级)。主要出现在顶叶中缝附近的P300(P3)脑波被认为与所谓的“oddball”刺激(即小概率刺激)相关,该脑波通常出现在个体遇到罕见事件(如小概率出现的视觉、听觉刺激)的300~800ms后。在基于P300的CIT中,目标事件(target)通常会诱发明显的P300脑波,而如果受试者知晓探针事件(probe),由于探针事件的罕见属性,往往也会诱发相似的P300脑波[14, 15]。因此,在遇到目标事件时,无罪者和罪犯均有较强的P300脑波,而与无关事件对应的P300都很弱,但在对探针事件的反应上却有极大的不同(图5)。
图5 不同事件引发的P300脑波的差异
只有“有罪组”知晓探针信息,探针信息引发明显的P300脑波,而对于“无罪组”而言,探针信息等于无关信息,不会引发较强的P300脑波,红色方框区域为P300脑波出现的时间段[15]基于P300脑波的EEG测谎技术在1999年首次被用于案件侦查,连环杀人犯James B. Grinder在测谎实验后承认并供述了自己犯罪的事实,最终被判处无期徒刑不得假释。负责此项技术的Lawrence Farwell将此技术称之为脑指纹(Brain Fingerprinting),并于2003年成立了脑指纹实验室(Brain Fingerprinting Laboratories)。图6 连环杀人犯James B. Grinder 在审问中多次翻供、前后自相矛盾,由于事发较久,且Grinder的血液样本与犯罪现场采集的不一致,警方原本担心无法定罪。Lawrence Farwell(右)采用脑指纹技术对Grinder(左)进行测谎,审问涉及了案件的多数细节,Grinder在测谎后供述了犯罪事实。(Brain Fingerprinting Laboratories, Inc)前面提及的fMRI技术揭示了诚实和说谎场景下大脑的不同反应,当然也可以用于测谎。但是与EEG相比,fMRI设备更加昂贵,其庞大的体积也限制了在实际场景中的灵活应用。然而,即使是基于EEG和fMRI的测谎技术,也并不是完美的。不管是脑指纹技术检测的P300脑波,还是fMRI检测的与说谎相关的脑区活动,都不是只在说谎时才特有的。比如,前面提到的PFC、ACC、IPL、岛叶等脑区在负责执行控制、选择性注意和调控生理反应中具有重要地位,如果采用某些特殊的认知对策,理论上就可以有效地干扰由神经成像得到的判断。在一项采用fMRI技术的CIT研究中[16],研究者首先告知受试者一个目标数字(target),在之后的测试中,随机、依次地呈现包括目标数字在内的一系列数字,这些数字还包括1个探针数字(probe)和4个无关数字(irrelevants),但这些数字在不同的场景下有不同的意义。测试中受试者需要通过按“是”或“否”键来回答“是否认识这一数字”。被试场景包括三种:无信息场景(NK, no knowledge condition);隐瞒信息场景(CK, concealed knowledge condition)和使用对策的场景(CM, countermeasures)。对于目标数字,受试者在所有场景中都诚实地按“是”键,表明其认识这一数字。在NK场景下,受试者不会得知探针数字,因此这一数字相当于无关数字,此时诚实地按“否”键;但在CK 和CM场景下,受试者被预先告知这一探针数字,且需要在实验中按下“否”键以隐瞒其认识这一数字;不同的是,在CM场景下,受试者还会被指导在任务中使用某些心理对策(mental countermeasures),比如当呈现探针数字时,关注于数字的物理特征(如字体、颜色、大小等等)而不专注于本身的含义。对于无关数字,被试在所有场景下按“否”键,但在CM场景下可以随机地使用某些对策,比如将这些数字与自己的某些记忆相关联。对于需要撒谎(隐瞒信息)的个体而言,探针数字和无关数字所包含的意义不同,二者之间的反应也具有差异(即前面提到的探针效应)。图7展示了不同场景下探针效应的神经元活动。NK场景下没有明显激活的区域;而在CK场景下,探针数字相比无关数字明显激活了ACC、MFG、IFG、岛叶、右侧IPL、右侧楔前叶、右侧尾状核等额顶叶脑区;而CM场景与NK场景下的探针效应没有明显差异。图7 CK和CM情景下探针效应的脑活动模式,颜色越暖表示探针效应越显著,NK情境下无激活。[16]说明,通过人为地减弱探针事物的意义(转移注意至探针数字的表面特征),或者提高无关事物的意义(想象无关数字与记忆中其他事件的关联),简单来说,使得探针事件没那么突出,或原本无关的事件看起来更突出,就足以有效地干扰这种基于探视效应的测谎准确性。在之前的研究中,被试者在呈现部分无关事物时仅仅用物理对策(physical countermeasures),比如不被察觉地偷偷动一动自己的手指或脚趾,就可以使得测谎正确率从100%降至33%[17]。此外,脑成像技术也很难判断个体所知的犯罪信息是来源于自身参与了犯罪,还是从其他方式获得的(比如仅仅目睹犯罪),也不能区分个体所描述的信息是真实发生的还是“误以为”发生过[5, 18]。使用EEG测谎同样存在着类似的问题,这些技术都不能完美地规避认知对策的使用。我们仍需要探索新的实验范式和分析方法,并寻求可以针对认知对策的检测手段和审问技巧。迄今,测谎结果仍不属于我国民诉法规定的合法证据形式。人心难测,而认识大脑的旅途依旧道阻且长,我们寻找到答案的同时又总会随之产生更多新的疑问,或许我们永远无法企及真正的认知密码,但至少可以努力离真相更近一点
文章插图:
图1-2, 6-7 参考文献
图3-5 http://www.kellypolygraphe.com/polygraph-history.php
参考文献:
1. Lewis, M., C. Stanger, and M.W. Sullivan, Deception in 3-year-olds. Developmental Psychology, 1989. 25(3): p. 439-443.
2. Talwar, V. and K. Lee, Development of lying to conceal a transgression: Children’s control of expressive behaviour during verbal deception. International Journal of Behavioral Development, 2002.26(5): p. 436-444.
3. Talwar, V., H.M. Gordon, and K. Lee, Lying in the elementary school years: Verbal deception and its relation to second-order belief understanding. Developmental Psychology, 2007. 43(3): p. 804-810.
4. Talwar, V. and K. Lee, Social and Cognitive Correlates of Children’s Lying Behavior. Child Development, 2008. 79(4): p. 866-881.
5. Meibauer, J., The Oxford handbook of lying. 1 ed. 2018: Oxford University Press.
6. Carlson, S.M., L.J. Moses, and H.R. Hix, The Role of Inhibitory Processes in Young Children's Difficulties with Deception and False Belief. Child Development, 1998. 69(3): p. 672-691.
7. Talwar, V., et al., Lie-Telling Behavior in Children With Autism and Its Relation to False-Belief Understanding. Focus on Autism and Other Developmental Disabilities, 2012. 27(2): p. 122-129.
8. Talwar, V. and A. Crossman, From little white lies to filthy liars: the evolution of honesty and deception in young children. Advance in Child Development Behavior, 2011. 40: p. 139-179.
9. Ganis, G., Chapter 7 - Detecting Deception and Concealed Information With Neuroimaging, in Detecting Concealed Information and Deception, J.P. Rosenfeld, Editor. 2018, Academic Press. p. 145-166.
10. Christ, S.E., et al., The Contributions of Prefrontal Cortex and Executive Control to Deception: Evidence from Activation Likelihood Estimate Meta-analyses. Cerebral Cortex, 2009.19(7): p. 1557-1566.
11. Vartanian, O., et al., Right inferior frontal gyrus activation as a neural marker of successful lying. Frontiers in Human Neuroscience, 2013. 7(616).
12. Hampshire, A., et al., The role of the right inferior frontal gyrus: inhibition and attentional control. NeuroImage, 2010. 50(3): p. 1313-1319.
13. Littlefield, M.M., The lying brain: Lie detection in science and science fiction. The Lying Brain: Lie Detection in Science and Science Fiction. 2011. University of Michigan Press. 1-203.
14. Farwell, L.A. and E. Donchin, The Truth Will Out: Interrogative Polygraphy (“Lie Detection”) With Event-Related Brain Potentials. Psychophysiology, 1991. 28(5): p. 531-547.
15. Abootalebi, V., M.H. Moradi, and M.A. Khalilzadeh, A new approach for EEG feature extraction in P300-based lie detection. Computer Methods and Programs in Biomedicine, 2009. 94(1): p. 48-57.
16. Hsu, C.-W., et al., The effect of mental countermeasures on neuroimaging-based concealed information tests. Human Brain Mapping, 2019. 40(10): p. 2899-2916.
17. Ganis, G., et al., Lying in the scanner: Covert countermeasures disrupt deception detection by functional magnetic resonance imaging. NeuroImage, 2011. 55(1): p. 312-319.
18. Peth, J., et al., Memory detection using fMRI — Does the encoding context matter? NeuroImage, 2015. 113: p. 164-174.