五角大楼寻求3030万美元开发人工智能测谎系统
MIT Technology Review AI··作者 Amit Katwala
关键信息
该项目将由国防反情报与安全局负责，但预算尚未获得国会批准，具体采用哪些技术也尚不明确。可能的技术路线包括利用摄像头测量心率和呼吸频率，以及远程追踪头部运动、面部皮肤温度和毛孔活动。
资讯摘要
根据美国国防部的一份预算申请，美国政府希望在未来五年投入3030万美元，开发升级版测谎系统。该项目名为“Polygraph+”或“Polygraph Next”，计划通过人工智能和机器学习评分算法，以及远距离感知技术，改进联邦政府的测谎和可信度评估技术。远距离感知是指在不将设备连接到受测者身体的情况下，获取其生理测量数据。该项目将由国防反情报与安全局执行，用于审查拟录用员工和发现内部威胁，但预算仍需获得国会批准。
此前，国防创新部门曾在2023年选中 Presage Technologies 和 Altec Research，开发利用非接触式生理测量进行欺骗检测的原型。现有测谎仪主要比较受测者回答基准问题和目标问题时血压、脉搏、呼吸及出汗情况的变化，而其基本技术自20世纪20年代发明以来几乎没有改变。美国国会技术评估办公室和美国国家研究委员会此前都认为支持测谎有效性的证据有限或至多薄弱；由于国防部拥有280万名工作人员，即使系统只是不够完美，也可能造成大量误判和错误指控。
资讯正文
根据美国国防部的一份预算申请，美国政府计划在未来五年内投入3030万美元，研发一种改进型测谎仪。该项目名为“Polygraph+”或“Polygraph Next”，将重点开发使用人工智能和机器学习的评分算法，以及一种名为“远距离传感”（standoff sensing）的技术，即无需将设备连接到受测者身上，就能获取其生理指标。
Inside Defense率先报道了这份预算文件的细节。文件称，该项目将“推动联邦测谎和可信度评估技术的现代化”，以提高其准确性和可靠性。但这一项目可能只是利用技术识别谎言的一系列失败尝试中的最新一个。英国诺森比亚大学法学院教授Kyri Kotsoglou研究测谎仪在司法系统中的应用。他表示：“这是一种误入歧途的尝试，试图把复杂的问题简化为某种切实可见的东西。”
这一举措出台之际，美国国防部内部正处于高度紧张状态。在国防部长Pete Hegseth领导下，五角大楼越来越多地借助测谎测试，试图找出涉嫌向媒体泄密的消息源。《纽约时报》9月报道称，在有关美国对伊朗战争中武器库存耗尽的新闻报道出现后，参谋长联席会议约有50名军官接受了测谎测试。
Polygraph+项目将由国防反情报与安全局（DCSA）负责实施，该机构承担联邦政府的背景调查工作。根据尚未获得国会批准的预算文件，这项新技术将用于审查潜在雇员以及“内部威胁检测”。目前尚不清楚具体将采用哪些技术，DCSA也未回应进一步提供信息的请求。
不过，美国国防部的其他项目可能提供一些线索。2023年，国防部下属的国防创新部门（DIU）开展了一项公开征集活动，寻找拥有可用于欺骗检测产品的公司。
该部门选中了两家公司开发原型产品：Presage Technologies声称可以使用普通摄像头测量心率和呼吸频率；医疗传感器公司Altec Research目前正拓展非接触式传感技术。DIU发布的一张Altec原型技术截图显示，该技术可以追踪头部运动、面部皮肤温度和毛孔活动。Presage Technologies和Altec Research均未回应置评请求，DIU也拒绝发表评论。
自测谎仪于20世纪20年代发明以来，现有测谎技术几乎没有发生变化。检测人员依靠血压、脉搏、呼吸和出汗情况来判断一个人是否在说谎。他们会比较受测者回答基准问题和目标问题时的生理反应差异，据此判断其回答是否属实。基准问题可能是“天空是蓝色的吗？”，目标问题则可能是“你是否曾经犯罪？”
五角大楼希望获得3000万美元，用于打造一款由人工智能驱动的测谎仪
联邦政府每年在筛查员工时会进行数万次测谎测试，但测谎仪一直被反复证明并不可靠，其测试结果也很少能在法庭上被采纳。1983年，美国国会技术评估办公室得出结论称，支持使用测谎仪筛查员工的证据非常有限；2003年，美国国家研究委员会（NRC）表示，有关测谎仪有效性的证据“充其量也很薄弱”。
研究表明，在没有任何技术辅助的情况下，人类识别谎言的准确率仅略高于一半。美国测谎协会则声称，测谎仪的准确率在80%至94%之间。但NRC在2003年的报告中指出，即使筛查测试达到这样的准确率，仍可能造成大量错误。美国国防部（DoD）拥有280万名工作人员——如果一个并不完美的系统以如此大的规模应用，最终可能会错误地指控数万人。
此外还存在其他问题。测谎结果的解读往往带有主观性：不同测试人员得出的结果可能大相径庭，而且少数族裔更容易被判定为在欺骗。更重要的是，经过训练，被测试者可以学会多种有助于骗过测试的反制措施；最常见的做法是，他们会人为增强自己在回答基准问题时的生理反应，例如踩住藏在鞋里的大头针。
“如果你了解它的工作原理，就能骗过它。”荷兰鹿特丹伊拉斯姆斯大学研究欺骗行为的副教授 Sophie van der Zee 说。她表示，这种机器最大的作用是威慑——很多时候，被测试者甚至在测试开始前就会认罪。“但前提是人们相信测谎仪有效。”
几十年来，人们曾尝试打造多种新型测谎仪，从热成像相机、瞳孔追踪器到脑部扫描仪，不一而足。但除了在实验室环境中之外，这些设备都未能取得可靠结果。问题在于其结构性缺陷：不存在一种对所有人始终适用的、能够单独标志谎言的信号。van der Zee 说：“至今仍然没有所谓的匹诺曹鼻子。”
从理论上说，如果人工智能能够从数据中找出测试人员无法发现的模式，就可能改进测谎仪。人工智能算法也更有可能被用于“多模态”欺骗检测，即试图结合多种测量结果，生成一个整体的欺骗“评分”，让人更难通过人为操纵来蒙混过关。van der Zee 说，测谎技术试图锁定的，是表面之下正在发生的三件事：生理压力、认知负荷，以及人们为掩饰自己正在撒谎而有意识采取的努力。当前的测谎技术只能处理其中一种。
五角大楼希望获得3000万美元，用于打造一款由AI驱动的测谎仪
“越是能够将从这三个不同角度出发的方法结合起来，成功的可能性就越大。”van der Zee说。这并不是一个新概念——2000年代，曼彻斯特城市大学的研究人员开发了一个名为“Silent Talker”的系统，通过视频画面生成欺骗评分，后来该系统被纳入由欧盟资助的试点项目iBorderCtrl。在美国，一个名为AVATAR的项目结合了眼动追踪、语音分析和身体动作检测，用于边境检查。所有这些项目最终都悄然销声匿迹。
Kotsoglou表示，将AI与测谎仪结合起来是“两个世界最糟糕部分的叠加”，因为这会在无效性的基础上再增加不确定性。即便AI或机器学习能够发现生理数据中此前未被观察到的模式，由于缺乏真实可靠的基准数据，它也无法可靠地将这些模式与撒谎联系起来。
“即使你拥有全世界所有的测谎测试记录，你也不知道这些测谎测试究竟对不对。”曾与Kotsoglou共同撰写有关测谎仪在司法系统中应用的法律学教授Marion Oswald说。她担心，新的测谎形式会像测谎仪一样，更多地被用作一种心理威慑工具，而不是科学工具。
Oswald说：“这似乎在很大程度上是对现任政府担忧泄密以及认为忠诚度不足的一种回应。”她表示：“[测谎]正被用作一种威胁，用来恐吓人们、迫使他们承认某些事情，而不是用于获取任何真正有效的信息。”
来源与参考