دادگاه‌ها مکان‌هایی پر از شک و ابهام هستند. روند حقیقت‌یابی توسط قضات مراحل خاص خود را دارد؛ اما یک متهم تمام تلاش خود را می‌کند تا هیئت منصفه را متقاعد کند که گناهکار نیست و خود را از اتهام وارده تبرئه کند. در این بین، هیئت منصفه باید بر اساس شواهد موجود خود تلاش کند تا بفهمد آیا متهم مجرم است یا خیر. شواهد یادشده ممکن است در یک دادگاه شهادت یک شاهد بی‌طرف و در دادگاهی دیگر مدارک فیزیکی کشف‌شده باشند.

در مواردی که متهم قصد فریب دادگاه را دارد، حالت‌های مشخصی در رفتار او مشاهده می‌شود. سیستم مبتنی بر یادگیری ماشینی با علم به این موارد می‌تواند با بررسی حرکات متهم، اظهارات او را راستی‌آزمایی کند. این سیستم از بینایی کامپیوتری برای تشخیص و دسته‌بندی حرکات بسیار کوچک چهره و تحلیل فرکانس صدای افراد استفاده می‌کند و از این طریق با دقت ۹۰ درصد متوجه دروغ می‌شود. این آمار با بررسی ویدیوی ۱۰۴ دادگاه صوری با حضور هنرپیشه‌هایی که به آن‌ها گفته شده بود راست بگویند یا قصد فریب داشته باشند انجام گرفت.

بر اساس این مطالعه، در زندگی عادی شاید دروغ‌هایی گفته شود که آسیبی به کسی وارد نکند. این دروغ‌ها که به دروغ‌ مصلحتی شهرت دارند، شاید جزو جدانشدنی زندگی افراد باشند؛ اما موقعیت‌هایی مانند دادگاه وجود دارد که دروغ گفتن در آن‌ها به‌شدت مذموم است؛ چرا که ممکن است منجر به محاکمه‌ی فرد بی‌گناه و آزادی فرد مجرم شود.

مدل‌های یادگیری ماشینی به کمک ویژگی‌هایی که به آن‌ها تعلیم داده می‌شود، قادر به تشخیص صحت اظهارات متهم می‌شوند.

ویژگی‌های مذکور شامل حالت‌های چهره مانند حالت لب‌ها، ابروها و... به‌عنوان مهم‌ترین عوامل هستند و علاوه‌ بر این‌، مواردی مانند صدای متهم و دست‌خط وی در اظهارات کتبی مورد تحلیل ماشینی قرار می‌گیرد. البته دو مورد اخیر معمولا تأثیر چندانی ندارند و راست یا دروغ اظهارات متهم معمولا با همان تحلیل چهره مشخص می‌شود.

نکته‌ی قابل توجه این است که برای تعلیم هر چه بهتر یک مدل تشخیصی، باید داده‌های درستی در اختیار آن قرار بگیرد. داده‌های مدل مورد بحث داده‌هایی هستند که اساتید کامپیوتر دانشگاه میشیگان و دانشگاه نورت تگزاس تهیه و منتشر کردند. این داده‌ها شامل ویدیوهایی هستند که در آن‌ها از افراد خواسته شده بود که راست یا دروغ بگویند. البته روند کار به این سادگی نبود؛ اما به هر حال با داده‌هایی که ممکن است در دنیای واقعی به دست بیاید فاصله دارد. با این حساب اگر قرار باشد تشخیص‌های هوش مصنوعی نیز به دلیل ضعف در تعلیم با ضریب اطمینان پایین انجام شود، کمک چندانی به روند قضاوت نخواهد کرد.