Inicio Nuestras firmas PRUEBA TESTIMONIAL E INTELIGENCIA ARTIFICAL (IA)

PRUEBA TESTIMONIAL E INTELIGENCIA ARTIFICAL (IA)

198
0

Por Moisés Abraham González

Para valorar el testimonio de una persona, el juzgador toma en cuenta determinadas circunstancias, las cuales afectan la fiabilidad de la información disponible, parecieran funcionar como un algoritmo, es decir, la mayoría de los doctrinarios hacen uso con los parámetros de la psicología del testimonio, como si se tratara de una especie de automatización.

El testimonio de una persona es menos fiable de acuerdo con las circunstancias que pueden alterar su percepción, la distancia del lugar de los hechos, la distancia entre testigo a la persona acusada, los padecimientos que causan afecciones al órgano sensorial de la vista, la ingesta, así como los efectos de sustancias que alteran la voluntad, la poca o mucha iluminación, e inclusivo el lapso de tiempo de observación.

Agregando cuestiones de la memoria, Diges (2016), refiere “la dificultad para recordar una cara que no es de la raza del observador, o bien que un sujeto, atacado con un arma de fuego, enfoca su visión en la misma (efecto foco), y no en la cara del atacante, es difícil que pueda recordar realmente las facciones de dicho rostro” (p.36), todos estos factores no pueden ser tomados en cuenta de forma individual sino periféricamente mediante la corroboración con el resto del acervo probatorio.

En consecuencia, resulta complejo introducir el uso de la Inteligencia Artificial (de ahora en adelante IA) y establecer aspectos para tratarla, sobre todo, ante la existencia de determinados supuestos, por ejemplo, una persona pueda haber percibido de manera íntegra el hecho, aun estando en algún estado en el que la voluntad haya sido socavada, el algoritmo de la IA la calificaría como no creíble sin ser tomada en cuenta por encontrarse en ese supuesto.

Lo anterior, no fue impedimento para que los académicos escoceses desarrollaran el sistema experto denominado ?ADVOKATE?, según NISSAN (2017), “es un programa que contiene aspectos y factores relacionados con la credibilidad, para evaluar la idoneidad y confiabilidad de los testigos oculares” (p. 443).

Referido sistema experto fue una inspiración que recuerda a las TurnBull Guidelines de 1977, para valorar la credibilidad de los testigos, Nieva Fenoll (2018), indica “la aplicación se basa principalmente en la distancia del observador, la visibilidad, el conocimiento previo entre el testigo y lo observado, el lapso de tiempo de la información, la competencia del testigo, edad, capacidad mental y errores en la descripción del acusado en contraste con la realidad del mismo” (p. 83). Siendo difícil la correlación lógica entre ellos, dando origen a un sin número de combinaciones como resultado.

La psicología del testimonio se encarga de dejar de lado aspectos subjetivos como elementos para la justificación de una decisión (no se trata de la percepción de gestos que haga el declarante, su comportamiento, tono de voz, entre otras), se debe tratar la información que se vierte al proceso mediante las técnicas de litigación idóneas, para su valoración por parte del juzgador existen parámetros objetivos, al momento justificar externamente la conexión lógica entre prueba y hechos, Nieva Fenoll (2010), refiere que esos parámetros son “la coherencia” (libertad de las contradicciones en su declaración, “la contextualización del testimonio” (descripción del escenario donde sucedieron los hechos), “la corroboración periférica” (corroboración entre los demás elementos de prueba existentes) y “los comentarios oportunistas” ( afirmaciones acerca de los detalles que el litigante no pregunta, y que buscan reforzar externamente la declaración), (p. 158).

Todas las aplicaciones funcionan con el “algoritmo”, los aspectos mencionados podrán incluirse en uno, con el debido cuidado, algunos requieren de valoración netamente humana, por ejemplo, la corroboración periférica con las demás informaciones obrantes en el proceso, por otro lado, la coherencia, Nieva Fenoll (2018) refiere que “una aplicación de IA se le puede decir que el declarante no ha sido coherente, pero es muy difícil que pueda detectarlo por sí sola que los es” (p. 85), lo anterior debido a las variaciones que puede presentar el discurso, sin que exista forma de recolectarlas correctamente y que una aplicación pueda evaluarlas.

Abundando más sobre el tema de la “corroboración periférica”, la recopilación de información arrojada por medio de la práctica de actos de pruebas podría ser recibida por una aplicación de IA, para después contrastarla, como si tratara de un modelo holista de valoración probatorio, pudiendo ser altamente eficiente.

La información objetiva puede ser vertida en comentarios oportunistas, esto no significa que el testigo esté distorsionando la verdad, por lo que sería complicado para una aplicación de IA el no excluir dicha información trascendente. Por ejemplo, lo que pueda decir un familiar del acusado, o un perito cuando siente presión por quien interroga, pues nada de ello significa que esté mintiendo, es necesario analizar el caso en concreto, la personas que declaran, las circunstancias, resultan un poco difícil solamente incluirlas en un algoritmo por el vínculo que de ellas pudieran surgir.

Por otro lado, “la contextualización” consiste en el análisis de los detalles, sobre el cómo sucedieron los hechos, la descripción a grandes rasgos de las circunstancias; hora, lugar, forma, etc., que puede ser contrastada con la información vertida por los demás medios de prueba, en ese sentido, probablemente una aplicación de IA pueda realizar esa función objetivamente sin caer en subjetivismos.

Es decir, como en el caso de los sesgos o atajos del pensamiento para efecto de poder alcanzar una conclusión con mayor facilidad, estos pueden hacer presencia en la valoración probatoria independientemente, Nieva Fenoll, enfoca en análisis en los siguientes: “representatividad, accesibilidad, anclaje y ajuste o afección” (2010, pp. 120-128).

Otro ejemplo de Inteligencia Artificial es ?VERIPOL?, con la capacidad de detectar denuncias falsas en delitos frecuentes (disuade a las personas de presentar denuncias falsas, así como el análisis del texto de la denuncias por robo con violencia o intimidación), según el portal de internet Confilegal (2019), “este programa único en el mundo, funciona desde el 26 de octubre del 2018 en Madrid, utilizado por el cuerpo nacional de policía de España, con un altísimo porcentaje de efectividad, disminuyendo el porcentaje de denuncias falsas detectadas por la Policía Nacional de España, en un 40% durante el primer bimestre de 2019, respecto a los años anteriores”.

A través de la entrada de texto, análisis y procesamiento, se puede dar cuenta de las frases o líneas que comúnmente se utilizan al momento de presentar una denuncia falsa, el programa toma los datos, los analiza y posteriormente determina la credibilidad de la denuncia en atención a la práctica reconocida, para su desarrollo fue necesario la utilización de 500 denuncias que se habían comprobado eran falsas y 500 que no lo eran.

Como se ha mencionado, “la Inteligencia Artificial funciona siempre con parámetros estadísticos, o al menos comparativos sobre una lista de datos cerradas, ampliables, pero, cerradas al momento de la evaluación” (Nieva Fenoll, 2018, p. 86). Dada la complejidad de la valoración del testimonio, la IA podría apoyar en las cuestiones con posibilidades de automatización, cuando al ser humano se le complique el uso de mucha información al mismo tiempo, sin suplantar referida actividad que corresponde al juzgador.


Moisés Abraham González

Egresado de la Universidad Autónoma “Benito Juárez” de Oaxaca. Certificación en “Actualización de Prueba Científica” por la SCJN y la Universitat de Girona, España. Diplomado en “actualización sobre la Jurisprudencia de la Corte Interamericana de Derechos Humanos” (2° generación), por el CJF y la Corte IDH, Costa Rica.

Facebook: Moisés Abraham González

Referencia bibliográfica:

• Diges, Margarita (2016). Los Testigos, sospechosos y recuerdos falsos. Editorial Trotta, España.
• Nieva Fenoll, Jordi (2010). Valoración de la prueba. Editorial Marcial Ponds, Madrid.
• Nieva Fenoll, Jordi (2018). Inteligencia artificial y proceso judicial. Editorial Marcial Ponds, Madrid.
• Nissan, Ephraim. (2017). Digital technologies and artificial intelligence’s present and foreseeable impact on lawyering, judging, policing and law enforcement. AI & SOCIETY. 32. 10.1007/s00146-015-0596-5.
• https://confilegal.com/20190326-veripol-la-discreta-herramienta-que-la-policia-nacional-utiliza-para-detectar-denuncias-falsas-empieza-a-dar-sus-frutos/