پنتاگون 30 میلیون دلار برای ساخت یک دروغ سنج مجهز به هوش مصنوعی می خواهد

طبق درخواست بودجه وزارت دفاع، دولت ایالات متحده می خواهد طی پنج سال آینده 30.3 میلیون دلار برای یک شکل بهبودیافته دروغ سنج هزینه کند. این برنامه که «Polygraph+» یا «Polygraph Next» نامیده می‌شود، بر الگوریتم‌های امتیازدهی که از هوش مصنوعی و یادگیری ماشینی استفاده می‌کنند و بر روی تکنیکی به نام «سنگر ایستاده» تمرکز می‌کند که به توانایی گرفتن خوانش‌های فیزیولوژیکی از یک سوژه بدون اتصال دستگاه به فرد اشاره دارد.

با توجه به جزئیات سند بودجه، که برای اولین بار توسط Inside Defense گزارش شد، این پروژه «تکنولوژی‌های پولی‌گراف فدرال و ارزیابی اعتبار را مدرن می‌کند» تا دقت و قابلیت اطمینان آنها را بهبود بخشد. اما این پروژه ممکن است آخرین مورد از یک سری تلاش های ناموفق برای استفاده از فناوری برای کشف دروغ باشد. کایری کوتسوگلو، استاد دانشکده حقوق نورثامبریا در بریتانیا که به مطالعه استفاده از پلی گراف در سیستم قضایی می پردازد، می گوید: «این یک تلاش نادرست برای کاهش پیچیدگی به چیزی است که قابل لمس است.

این اقدام در زمان تنش شدید در وزارت دفاع صورت می گیرد. در زمان وزیر دفاع، پیت هگزث، پنتاگون به طور فزاینده ای به آزمایش های پلی گراف روی آورده است تا منابع افشاگری های ادعایی به مطبوعات را بیابد. در ماه سپتامبر، نیویورک تایمز گزارش داد که حدود 50 افسر در ستاد مشترک پس از گزارش اخباری مبنی بر تخلیه ذخایر تسلیحات ایالات متحده در جنگ با ایران، آزمایشات پلی گرافی داده شده اند.

Polygraph+ توسط آژانس ضد جاسوسی و امنیت دفاعی (DCSA) اداره می شود که بررسی پیشینه را برای دولت فدرال انجام می دهد. بر اساس سند بودجه، که هنوز توسط کنگره تایید نشده است، از فناوری جدید برای بررسی کارمندان احتمالی و "تشخیص تهدیدات خودی" استفاده خواهد شد. هنوز مشخص نیست که از کدام فناوری های خاص استفاده خواهد شد و DCSA به درخواست اطلاعات بیشتر پاسخ نداد.

اما تلاش های دیگر در وزارت دفاع سرنخ های بالقوه ای را ارائه می دهد. در سال 2023، واحد نوآوری دفاعی آژانس (DIU) یک فرآیند ارسال آزاد را برای یافتن شرکت‌هایی با محصولاتی که می‌توان برای تشخیص فریب استفاده کرد، اجرا کرد.

دو شرکت را برای ساخت نمونه‌های اولیه انتخاب کرد: Presage Technologies، که ادعا می‌کند می‌تواند ضربان قلب و ضربان تنفس را با استفاده از دوربین‌های استاندارد اندازه‌گیری کند، و Altec Research، یک شرکت حسگر پزشکی که اکنون به فناوری‌های حسگر غیر تماسی منشعب شده است. تصویری از فناوری نمونه اولیه Altec که توسط DIU منتشر شده است نشان می دهد که حرکت سر، دمای پوست صورت و فعالیت منافذ را ردیابی می کند. Presage Technologies و Altec Research به درخواست‌ها برای اظهار نظر پاسخ ندادند. DIU از اظهار نظر خودداری کرد.

Altec Research نمونه اولیه ای ساخته است که حرکت سر، دمای پوست صورت و فعالیت منافذ را ردیابی می کند. (پژوهش آلتک)

از زمانی که دستگاه در دهه 1920 اختراع شد، فناوری فعلی پلی گراف به سختی تغییر کرده است. معاینه‌کنندگان به اندازه‌گیری فشار خون، نبض، تنفس و عرق برای تشخیص اینکه آیا کسی دروغ می‌گوید تکیه می‌کنند. آنها در مورد صحت پاسخ های پاسخ دهندگان بر اساس تفاوت در پاسخ فیزیولوژیکی آنها به سؤالات پایه مانند "آیا آسمان آبی است؟" و سوالاتی مانند "آیا تا به حال مرتکب جرمی شده اید؟" قضاوت می کنند.

دولت فدرال در حین غربالگری کارمندان، ده ها هزار آزمایش را در سال انجام می دهد، اما پلی گراف بارها از بین رفته است - و نتایج آن به ندرت در دادگاه قابل قبول است. در سال 1983، دفتر ارزیابی فناوری کنگره به این نتیجه رسید که شواهد بسیار محدودی وجود دارد که از استفاده از پلی گراف برای غربالگری کارکنان پشتیبانی می کند، و در سال 2003، شورای تحقیقات ملی ایالات متحده (NRC) گفت که شواهد در مورد اثربخشی آن در بهترین حالت ضعیف است.

تحقیقات نشان می‌دهد که انسان‌ها می‌توانند بیش از نیمی از دفعات دروغ را بدون هیچ کمک فنی تشخیص دهند. انجمن پولیگراف آمریکا ادعا می کند که پلی گراف بین 80 تا 94 درصد دقت دارد. اما گزارش NRC در سال 2003 اشاره کرد که یک آزمایش غربالگری با این سطح از دقت همچنان می تواند منجر به اشتباهات زیادی شود. وزارت دفاع 2.8 میلیون پرسنل استخدام می کند - یک سیستم ناقص اعمال شده در این مقیاس می تواند به دروغ ده ها هزار نفر را متهم کند.

مسائل دیگری هم هست تفاسیر پلی گراف اغلب ذهنی است: بررسی کنندگان مختلف نتایج بسیار متفاوتی دریافت می کنند، و افراد از گروه های اقلیت بیشتر به عنوان فریبنده قضاوت می شوند. علاوه بر این، با آموزش، این امکان برای مصاحبه شوندگان وجود دارد که انواع اقدامات متقابل را بیاموزند که می تواند به شکست آزمون کمک کند. معمولا، آنها معمولا به طور مصنوعی پاسخ فیزیولوژیکی بدن خود را به سؤالات پایه افزایش می دهند، مثلا با پا گذاشتن روی سنجاق پنهان در کفش خود.

سوفی ون درزی، دانشیار که در دانشگاه اراسموس روتردام مطالعه می کند، می گوید: «اگر می دانید چگونه کار می کند، می توانید آن را شکست دهید. او می‌گوید بزرگ‌ترین اثر دستگاه بازدارندگی است – اغلب افراد قبل از شروع آن اعتراف می‌کنند. اما این تنها زمانی کار می کند که مردم فکر کنند پلی گراف کار می کند.

در طول دهه‌ها تلاش‌هایی برای ساخت انواع جدیدی از دروغ‌سنج‌ها انجام شده است، از دوربین‌های حرارتی گرفته تا ردیاب مردمک و اسکن مغز. هیچ یک از آنها نتایج قابل اعتمادی را در خارج از آزمایشگاه به همراه نداشته اند. مشکل یک مشکل ساختاری است: هیچ نشانه گویایی از دروغگویی وجود ندارد که همیشه برای همه صادق باشد. ون درزی می گوید: «هنوز بینی پینوکیو وجود ندارد.

در صورتی که هوش مصنوعی بتواند الگوهایی را در داده‌ها بیابد که آزمایش‌کنندگان نمی‌توانند از نظر تئوری، پلی‌گراف‌ها را بهبود بخشد. الگوریتم‌های هوش مصنوعی همچنین بیشتر برای تشخیص فریب «چند وجهی» استفاده می‌شوند، که به دنبال ترکیب چندین اندازه‌گیری برای ایجاد یک «امتیاز» فریب کلی است که بازی کردن برای افراد سخت‌تر است. ون درزی می‌گوید: سه چیز در زیر سطح رخ می‌دهد که تشخیص دروغ سعی می‌کند آن‌ها را منطقه‌بندی کند: استرس فیزیولوژیکی، بار شناختی، و تلاش‌های آگاهانه‌ای که افراد برای پنهان کردن این واقعیت انجام می‌دهند که دروغ می‌گویند. فناوری پلی گراف فعلی فقط با یک مورد مقابله می کند.

ون درزی می‌گوید: «هرچه بیشتر بتوانید روش‌های ترکیبی داشته باشید که از این سه زاویه متفاوت به آن نزدیک شوند، موفق‌تر خواهید بود. این مفهوم جدیدی نیست - در دهه 2000، محققان دانشگاه متروپولیتن منچستر سیستمی به نام «سخن‌گوی خاموش» ایجاد کردند که امتیاز فریب را از فیلم‌های ویدئویی ایجاد می‌کرد و بعدا در iBorderCtrl، یک برنامه آزمایشی با بودجه اتحادیه اروپا، قرار گرفت. در ایالات متحده، پروژه ای به نام AVATAR ردیابی چشم، تجزیه و تحلیل صدا و تشخیص حرکت بدن را برای استفاده در گذرگاه های مرزی ترکیب کرد. همه این پروژه ها بی سر و صدا از بین رفته اند.

کوتسوگلو می‌گوید ترکیب هوش مصنوعی و پلی‌گراف «بدترین هر دو جهان» است، زیرا علاوه بر عدم اعتبار، عدم اطمینان را اضافه می‌کند. حتی اگر هوش مصنوعی یا یادگیری ماشینی بتواند الگوهای نادیده قبلی را در داده‌های فیزیولوژیکی تشخیص دهد، به دلیل عدم وجود حقیقت اصلی، نمی‌تواند به طور قابل اعتماد آنها را به دروغ ربط دهد.

ماریون اسوالد، استاد حقوق که با کوتسوگلو در مورد استفاده از پلی گراف در سیستم قضایی نوشته است، می گوید: «حتی اگر تمام سوابق دنیا را از تست های پلی گراف داشته باشید، نمی دانید که آیا آن تست های پلی گراف درست هستند یا نه. او می‌ترسد که اشکال جدید تشخیص دروغ، مانند پلی‌گراف، بیشتر به عنوان یک تکیه‌گاه روان‌شناختی استفاده شود تا ابزاری علمی.

اسوالد می‌گوید: «به نظر می‌رسد که این بسیار پاسخی است به نگرانی دولت فعلی در مورد افشای اطلاعات و عدم وفاداری درک شده». «[تشخیص دروغ] به‌عنوان یک تهدید، برای ارعاب و وادار کردن مردم به اعتراف کردن به چیزهایی استفاده می‌شود، برخلاف هر چیزی که در واقع اطلاعات معتبر دریافت می‌کند.»