بر اساس یک سند بودجه وزارت دفاع (Department of Defense)، دولت ایالات متحده میخواهد طی پنج سال آینده مبلغ ۳۰.۳ میلیون دلار برای شکل پیشرفتهتری از دروغسنج هزینه کند.
این برنامه که «پلیگراف پلاس» (Polygraph+) یا «پلیگراف بعدی» (Polygraph Next) نام دارد، بر الگوریتمهای امتیازدهی با استفاده از هوش مصنوعی (Artificial Intelligence) و یادگیری ماشین (Machine Learning) و تکنیکی به نام «سنجش از راه دور» (standoff sensing) تمرکز خواهد کرد که به قابلیت خواندن سیگنالهای فیزیولوژیک از روی سوژه بدون اتصال دستگاه به بدن فرد اشاره دارد.
بر اساس جزئیات سند بودجه که نخستین بار توسط اینساید دیفنس (Inside Defense) گزارش شد، این پروژه «فناوریهای ارزیابی اعتبار و پلیگراف فدرال را مدرنسازی میکند» تا دقت و قابلیت اطمینان آنها را افزایش دهد. اما این پروژه ممکن است تنها آخرین مورد در یک رشته طولانی از تلاشهای ناموفق برای استفاده از فناوری جهت تشخیص دروغ باشد. کیری کوتسوقلو (Kyri Kotsoglou)، استاد دانشکده حقوق نورثامبریا (Northumbria Law School) در بریتانیا که استفاده از پلیگرافها را در سیستم قضایی مطالعه میکند، میگوید: «این تلاشی گمراهکننده برای تقلیل دادن موضوعات پیچیده به چیزی ملموس است.»
این اقدام در زمانی انجام میشود که تنشها در وزارت دفاع بالا است. تحتخواب پیت هگستث (Pete Hegseth) به عنوان وزیر دفاع، پنتاگون فزایندهای به سمت استفاده از آزمایشهای پلیگراف برای یافتن منابع درز اطلاعات ادعا شده به مطبوعات روی آورده است. در ماه سپتامبر، روزنامه نیویورک تایمز (New York Times) گزارش داد که حدود ۵۰ افسر در ستاد مشترک پس از انتشار اخبار مربوط به کاهش ذخایر تسلیحاتی ایالات متحده در جنگ با ایران، تحت آزمایش پلیگراف قرار گرفتهاند.
پروژه پلیگراف پلاس توسط آژانس امنیت و ضدجاسوسی دفاعی (DCSA) اجرا خواهد شد که بررسیهای پسزمینه را برای دولت فدرال انجام میدهد. بر اساس سند بودجه که هنوز به تصویب کنگره نرسیده است، این فناوری جدید برای بررسی استخدامشدگان احتمالی و «تشخیص تهدیدات داخلی» استفاده خواهد شد. هنوز مشخص نیست که از چه فناوریهای خاصی استفاده خواهد شد و آژانس امنیت و ضدجاسوسی دفاعی به درخواستی برای اطلاعات بیشتر پاسخ نداد.
اما سایر تلاشها در وزارت دفاع سرنخهای بالقوهای را ارائه میدهند. در سال ۲۰۲۳، واحد نوآوری دفاعی (DIU) این آژانس یک فرایند ارسال پیشنهادهای آزاد را برای یافتن شرکتهایی با محصولات قابلاستفاده برای تشخیص فریب اجرا کرد.
این واحد دو شرکت را برای ساخت نمونههای اولیه انتخاب کرد: شرکت پریساژ تکنالوجیز (Presage Technologies) که ادعا میکند قادر به اندازهگیری ضربان قلب و میزان تنفس با استفاده از دوربینهای استاندارد است، و شرکت آلتک ریسرچ (Altec Research)، یک شرکت حسگر پزشکی که اکنون در حال گسترش به سمت فناوریهای سنجش بدون تماس است. تصویری از نمونه اولیه فناوری آلتک که توسط واحد نوآوری دفاعی منتشر شده نشان میدهد که این فناوری حرکت سر، دمای پوست صورت و فعالیت منافذ پوست را ردیابی میکند. شرکتهای پریساژ تکنالوجیز و آلتک ریسرچ به درخواستهای اظهارنظر پاسخ ندادند. واحد نوآوری دفاعی از اظهارنظر خودداری کرد.
فناوری فعلی پلیگراف از زمان اختراع این دستگاه در دهه ۱۹۲۰ تاکنون به سختی تغییر کرده است. بازرسان برای تعیین اینکه آیا فردی در حال دروغ گفتن است، به اندازهگیریهای فشار خون، نبض، تنفس و عرق تکیه میکنند. آنها قضاوتهای خود را در مورد صحت پاسخهای پاسخگو بر اساس تفاوت در پاسخ فیزیولوژیک آنها به سوالات مبنایی مانند «آیا آسمان آبی است؟» و سوالات هدف مانند «آیا تا به حال مرتکب جرمی شدهاید؟» انجام میدهند.
دولت فدرال سالانه دههها هزار از این آزمایشها را در حین غربالگری کارمندان انجام میدهد، اما پلیگراف بارها رد اعتبار شده است و نتایج آن بهندرت در دادگاه قابل پذیرش است. در سال ۱۹۸۳، دفتر ارزیابی فناوری کنگره به این نتیجه رسید که شواهد بسیار محدودی از استفاده پلیگراف برای غربالگری کارمندان پشتیبانی میکند و در سال ۲۰۰۳، شورای تحقیقات ملی ایالات متحده (NRC) اعلام کرد که شواهد مربوط به اثربخشی آن «در بهترین حالت ضعیف» است.
تحقیقات نشان میدهد که انسانها میتوانند در کمی بیش از نیمی از موارد بدون هیچ کمکی فنی دروغ را تشخیص دهند. انجمن پلیگراف آمریکا ادعا میکند که پلیگراف بین ۸۰ تا ۹۴ درصد دقت دارد. اما گزارش شورای تحقیقات ملی در سال ۲۰۰۳ اشاره کرد که یک آزمون غربالگری با این سطح از دقت همچنان میتواند منجر به اشتباهات زیادی شود. وزارت دفاع ۲.۸ میلیون کارمند استخدام میکند - یک سیستم ناقص که در آن مقیاس اعمال شود میتواند در نهایت دهها هزار نفر را به اشتباه متهم کند.
مشکلات دیگری نیز وجود دارد. تعابیر پلیگراف اغلب ذهنی هستند: بازرسان مختلف نتایج کاملاً متفاوتی به دست میآورند و افراد متعلق به گروههای اقلیت بیشتر احتمال دارد که فریبکار قضاوت شوند. علاوه بر این، با آموزش، مصاحبهشوندگان میتوانند تکنیکهای مقابلهای مختلفی را یاد بگیرند که میتواند به غلبه بر آزمایش کمک کند؛ بهطور معمول، آنها پاسخهای فیزیولوژیکی بدن خود را به سوالات مبنای به طور مصنوعی افزایش میدهند، برای مثال، با فشار دادن پا روی یک پین پنهان در کفش خود.
سوفی فان در زی (Sophie van der Zee)، استاد دانشیار که فریب را در دانشگاه اراسموس در روتردام مطالعه میکند، میگوید: «اگر بدانید چگونه کار میکند، میتوانید بر آن غلبه کنید.» او میگوید بزرگترین اثر این دستگاه بازدارندگی است - اغلب، افراد قبل از اینکه حتی شروع شود، اعتراف میکنند. «اما این تنها در صورتی کار میکند که مردم فکر کنند یک پلیگراف کار میکند.»
در طول دههها تلاشهای زیادی برای ساخت انواع جدیدی از دروغسنجها انجام شده است، از دوربینهای حرارتی گرفته تا ردیابهای مردمک چشم یا اسکنهای مغزی. هیچکدام نتایج قابل اعتمادی خارج از آزمایشگاه به دست نیاوردهاند. مشکل ساختاری است: هیچ علامت مشخصه واحدی برای دروغ گفتن وجود ندارد که برای همه در تمام زمانها صادق باشد. فان در زی میگوید: «هنوز هیچ بینی پینوکیویی وجود ندارد.»
هوش مصنوعی از نظر تئوری میتواند پلیگرافها را بهبود بخشد اگر بتواند الگوهایی را در دادهها پیدا کند که بازرسان نمیتوانند. الگوریتمهای هوش مصنوعی همچنین بیشتر احتمال دارد برای تشخیص فریب «چند وجهی» استفاده شوند، که به دنبال ترکیب اندازهگیریهای متعدد برای ایجاد یک «امتیاز» فریب کلی است که بازی کردن با آن برای افراد دشوارتر است. فان در زی میگوید سه چیز در زیر سطح اتفاق میافتد که تشخیص دروغتلاش میکند روی آنها تمرکز کند: استرس فیزیولوژیکی، بار شناختی، و تلاشهای آگاهانه افراد برای پنهان کردن این واقعیت که در حال دروغ گفتن هستند. فناوری فعلی پلیگراف تنها یکی را پوشش میدهد.
فان در زی میگوید: «هرچه بیشتر بتوانید روشهای ترکیبی داشته باشید که از این سه زاویه مختلف به آن نزدیک شوند، موفقتر خواهید بود.» این یک مفهوم جدید نیست - در دهه ۲۰۰۰، محققان دانشگاه متروپولیتن منچستر سیستمی به نام «سایلنت تاکر» (Silent Talker) را توسعه دادند که امتیاز فریب را از فیلمهای ویدیویی تولید میکرد و بعدها در iBorderCtrl، یک برنامه آزمایشی با بودجه اتحادیه اروپا ادغام شد. در ایالات متحده، پروژهای به نام آواتار (AVATAR) ردیابی چشم، تجزیه و تحلیل صدا و تشخیص حرکت بدن را برای استفاده در گذرگاههای مرزی ترکیب کرد. همه این پروژهها به آرامی از بین رفتهاند.
کوتسوقلو میگوید ترکیب هوش مصنوعی و پلیگراف «بدترین هر دو جهان» است زیرا عدم قطعیت را به بالای بیاعتباری اضافه میکند. حتی اگر هوش مصنوعی یا یادگیری ماشین بتواند الگوهای قبلاً دیدهنشده را در دادههای فیزیولوژیکی تشخیص دهد، به دلیل کمبود حقیقت زمینی نمیتواند آنها را به طور قابل اعتماد به دروغ گفتن مرتبط کند.
ماریون اسوالد (Marion Oswald)، استاد حقوق که با کوتسوقلو در مورد استفاده از پلیگراف در سیستم عدالت نوشته است، میگوید: «حتی اگر تمام سوابق جهان را از آزمایشهای پلیگراف داشته باشید، نمیدانید که آیا آن آزمایشهای پلیگراف درست هستند یا خیر.» او میترسد که اشکال جدید تشخیص دروغ، مانند پلیگراف، بیشتر به عنوان یک تکیهگاه روانی استفاده شوند تا یک ابزار علمی.
اسوالد میگوید: «این بسیار شبیه پاسخی به نگرانی دولت فعلی در مورد درز اطلاعات و عدم وفاداری ادراکشده به نظر میرسد. [تشخیص دروغ] به عنوان یک تهدید، برای ارعاب و مجبور کردن افراد به اعتراف به چیزها استفاده میشود، برخلاف هر چیز دیگری که در واقع اطلاعات معتبری به دست آورد.»
منبع: technologyreview.com