Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

几十年来，对儿童性兴趣的评估在很大程度上依赖于人们的陈述。临床医生和法医专家依赖于访谈、自我报告的历史，以及个人是否愿意承认那些他们已知在社会层面不可接受或在法律层面危险的想法或行为。然而，这一主题本身的性质——羞耻感、对后果的恐惧以及自我保护的欲望——往往导致回答不完整或不诚实。这在理解上造成了一个巨大的鸿沟，特别是在利害关系极高的法律和治疗环境中。为了弥补这一差距，研究人员长期以来一直在寻找间接测量吸引力的方法，试图寻找可能绕过意识控制的生理或行为信号。其中一种途径是眼动追踪技术，这种技术可以记录一个人注视的具体位置以及注视时长。其背后的原理很简单：眼睛看向哪里，思想往往就跟向哪里，而这些模式可能会揭示出一个人试图隐藏的偏好。

德国的一项新研究通过将眼动追踪数据与先进的计算机分析相结合，将这一概念向前推进了一步。研究人员旨在观察他们是否可以仅通过参与者在屏幕上的眼球运动，来区分具有记录在案的学前儿童性兴趣的男性与没有此类兴趣的男性。他们没有要求参与者描述他们的感受或对图像进行评分。相反，他们在参与者执行特定任务的同时，观察他们对成年人和儿童照片的反应。其目标是观察机器是否能学会识别出区分这两类人群的细微且自动的注视差异，从而为高风险情况下的临床判断提供潜在工具。

该研究涉及从德国五个不同地点招募的124名成年男性。该群体被分为两个主要类别：34名具有记录在案的恋童癖诊断的男性，其中许多是具有针对儿童犯罪史的法医患者；以及90名没有此类诊断的男性。对照组包括健康志愿者，以及一些犯有其他类型犯罪但未涉及针对儿童性犯罪的人员。为了测试他们的眼睛，参与者坐在屏幕前并完成了三个不同的任务。在第一个任务中，他们看到左右并排的两张图像——一张是成年人，一张是同性别的儿童——并被要求决定哪一个更具吸引力。在第二个任务中，他们需要解决涉及旋转3D形状的心理谜题，但在解题时，成年人或儿童的照片会作为干扰项在屏幕上闪现。第三个任务则涉及简单地对各种图像的唤起程度或愉悦程度进行评分。在这些练习过程中，一台高速摄像机记录了他们眼睛的每一次运动，记录了他们具体注视的位置、停留的时长以及注视转移的速度。

随后，研究人员将这些海量的视觉数据输入到一个机器学习系统中。这个计算机程序旨在发现人类观察者可能忽略的复杂模式。它观察了成千上万个微小的细节，例如一个人盯着儿童头部或腹部的时间，与盯着成年人时间的长短对比；他们的眼睛移动到干扰图像的速度有多快；以及他们的注意力如何在谜题和图片之间切换。系统经过训练，能够仅基于这些眼动模式来区分这两类人群。结果令人震惊。当计算机同时分析初始定向任务和干扰任务的数据时，它能以极高的准确度正确识别出该男子是否具有记录在案的恋童癖兴趣。具体而言，该模型整体上能正确分类约88%的病例。在针对另一组健康志愿者进行测试时，它在正确识别没有此类兴趣的男性方面表现尤为出色，几乎在所有情况下都能将其正确标记为阴性。

之所以能取得这些成果，不仅是因为观察了单一的行为，而是结合了许多微小的信号。研究发现，具有恋童癖兴趣的男性比其他男性更频繁、停留时间更长地注视儿童图像，即使他们在尝试专注于其他任务时也是如此。当儿童作为干扰项出现时，他们也表现出不同的注意力模式，通常比对照组更早、更久地注视儿童，这表明他们抑制性相关刺激的能力较弱。相比之下，没有这种兴趣的男性始终倾向于注视成年人图像，并且能更好地忽略儿童图像以专注于他们的谜题。有趣的是，计算机并不需要使用收集到的所有数据。即使研究人员将模型简化到仅保留少数最重要的眼动特征，准确率依然保持得非常高。这表明该信号是稳健的，并不依赖于复杂的变量网络。

研究还考察了这些眼动模式是否会根据参与者的背景而改变。研究人员观察了犯有针对儿童犯罪行为的男性与未犯此类罪行的男性之间的差异，在囚犯与在释放人员之间的差异，以及承认拥有这些想法的人与否认的人之间的差异。机器学习模型的表现几乎在所有这些不同的子群体中都保持了一致的高水平。无论该男子是法医患者还是健康志愿者，或者他是公开承认自己的兴趣还是试图掩饰，模型都能检测到相同的眼动模式。这种一致性具有重要意义，因为它表明眼动追踪方法捕捉到了一个基本的性兴趣方面，即使在一个人试图隐藏时，这一方面依然存在。唯一的例外是在一些具有特定犯罪史的极小群体中，由于样本量过小，无法得出确切结论。

然而，研究人员谨慎地说明了这项技术是什么以及它不是什么。他们强调，这并不是一种可以取代临床访谈或法律判决的诊断工具。该研究是一项概念验证，证明了在研究环境中，眼动追踪数据可以被用于对个体进行高准确度的分类。作者指出，误报（即错误地将一名无辜者标记为具有恋童癖兴趣）可能会产生严重后果，因此在应用于现实世界的临床或法律决策之前，该方法需要在更大规模、更多样化的群体中进行进一步测试。他们还指出，研究并未证明眼动行为会导致犯罪行为，仅证明了眼动与记录在案的诊断之间存在相关性。任务的情绪影响也受到了监测，虽然计算机评分与愤怒或悲伤等情绪变化有关，但研究并未发现参与者在测试前的心理状态能预测结果。

最终，这项工作为未来提供了一个愿景，即对性兴趣的评估可能不再仅仅依赖于人们说了什么，而是取决于他们的眼睛做了什么。通过将简单的视觉任务与强大的计算机分析相结合，研究人员证明了通过检测独特的注意力模式，可以将具有恋童癖兴趣的男性与没有此类兴趣的男性区分开来。虽然这项技术尚未准备好进入法庭或诊所，但研究结果表明，眼睛可能握有一把钥匙，可以理解人类行为中长期以来难以测量的隐秘方面。研究结论认为，随着进一步的验证，这些方法可能会成为新一代工具的一部分，它们更难被欺骗，评估更精确，并可能在社会如何应对预防和治疗方面具有变革性的意义。