美国国防部最新预算文件显示，五角大楼正计划在未来五年投入3030万美元，开发一套被称为“Polygraph+”或“Polygraph Next”的新一代测谎系统。该项目希望借助人工智能和机器学习改进现有测谎评分算法，并引入一种无需接触被测者即可采集生理信号的“远距离感知”技术。这一动向引发关注：在测谎技术长期被质疑准确性不足、伦理争议未解的背景下，AI是否真能让“识别谎言”变得更可靠？
从传统测谎到AI测谎：五角大楼想解决什么问题
按照预算文件说明，该项目目标是“现代化联邦测谎与可信度评估技术”，以提升准确性和可靠性。项目将由负责联邦政府背景调查的国防反情报与安全局（DCSA）执行。文件提到，新技术可能用于雇员审查和“内部威胁检测”。不过，预算尚未获得国会批准，DCSA也未回应有关具体技术路线的进一步询问。
目前尚不清楚Polygraph+最终会采用哪些具体技术。但从五角大楼此前的相关尝试中，可以看到一些方向。2023年，国防部下属的国防创新部门（DIU）曾公开征集可用于欺骗检测的企业方案，并选择两家公司制作原型：Presage Technologies和Altec Research。前者声称可通过普通摄像头测量心率和呼吸频率；后者是一家医疗传感器公司，正拓展至非接触式传感技术。DIU发布的一张Altec原型技术截图显示，该系统可追踪头部动作、面部皮肤温度和毛孔活动。两家公司及DIU均未回应置评请求。
与传统测谎相比，这类技术的核心变化在于，测谎不再依赖将传感器绑在被测者身上，而是试图通过摄像头、远程传感器和算法，捕捉更细微的生理变化。这种“远距离感知”如果成熟，理论上可以降低部署门槛，也可能扩大应用场景。
AI测谎的吸引力与局限：没有“匹诺曹的鼻子”
传统测谎仪自20世纪20年代问世以来，基本原理变化不大。测谎人员通常通过血压、脉搏、呼吸和出汗等指标，对比被测者回答“天空是蓝色吗？”这类基线问题与“你是否犯过罪？”这类目标问题时的生理反应差异，从而判断其是否撒谎。美国政府每年在雇员筛查中进行数万次此类测试，但这项技术的可靠性一直受到质疑，其结果也很少被法庭采纳。
早在1983年，美国国会技术评估办公室就认为，支持将测谎用于雇员筛查的证据非常有限。2003年，美国国家研究委员会（NRC）更明确指出，测谎有效性的证据“充其量是薄弱的”。即便美国测谎协会声称测谎准确率在80%到94%之间，NRC报告也提醒，这种准确率用于大规模筛查仍可能造成大量误判。以美国国防部雇佣280万人为例，一个并不完美的系统一旦大规模部署，可能错误指控数万人。
除了准确性，传统测谎还存在明显主观性问题。不同测谎人员可能得出差异很大的判断，少数群体更容易被判定为“具有欺骗性”。此外，经过训练的被测者可以通过反制手段干扰结果，例如在鞋里藏一根针，在回答基线问题时人为放大生理反应。
研究欺骗行为的鹿特丹伊拉斯谟大学副教授Sophie van der Zee表示：“如果你知道它怎么运作，你就能骗过它。”她认为，测谎仪最大的作用其实是威慑——很多被测者在测试开始前就已经坦白。但这种威慑只有在人们相信测谎仪有效时才起作用。
几十年来，研究人员尝试过热成像、瞳孔追踪、脑扫描等多种新技术，但没有任何一种方法在实验室之外被证明足够可靠。van der Zee指出，问题在于并不存在一种对所有人、在所有时刻都适用的“说谎信号”。“仍然没有匹诺曹的鼻子。”她说。
在她看来，AI理论上可能改进测谎，因为它或许能发现测谎人员无法察觉的数据模式。AI算法也更适合进行“多模态”欺骗检测，即把多种测量指标合并成一个整体“欺骗评分”，从而更难被人为规避。她表示，测谎技术真正要捕捉的是三层信号：生理压力、认知负荷，以及人们掩饰自己撒谎时所做出的有意识努力。现有测谎技术只处理其中一层，而结合多种方法、从这三个角度同时入手，可能会更有效。
这一思路并非全新概念。21世纪初，英国曼彻斯特城市大学研究人员曾开发名为Silent Talker的系统，试图通过分析对话者行为来辅助判断欺骗。但这类探索至今仍未形成被广泛认可的成熟方案。
伦理与监管问题不容忽视
AI测谎的吸引力不难理解。相比依赖人工判断的传统测谎，算法看起来更客观、更可规模化，也更容易嵌入政府审查、安全筛查和内部调查流程。但问题在于，技术上的“更先进”并不必然等于判断上的“更准确”。如果AI只是把原本主观的判断过程包装成算法评分，而底层生理信号与欺骗之间仍缺乏稳定对应关系，那么错误可能被系统化放大。
英国诺森比亚大学研究测谎在司法系统中应用的法律学者Kyri Kotsoglou认为，这种努力方向本身就存在问题。他表示，这是“一种把复杂问题简单化、试图将其变成某种具体可测之物的错误尝试”。
这种担忧并非多余。政府若将AI测谎用于雇员审查和内部威胁检测，结果可能直接影响个人职业前途、安全许可甚至法律责任。一旦算法存在偏差、训练数据不足或验证标准不透明，误判成本将由个体承担。更现实的问题是，被测者很难真正理解并质疑一个由多个传感器和机器学习模型共同生成的“可信度评分”。
此外，五角大楼此时推进该项目，也带有内部治理背景。据报道，在国防部长Pete Hegseth任内，五角大楼正越来越多地使用测谎测试，试图查明向媒体泄露信息的来源。《纽约时报》9月报道称，在美国与伊朗战争期间，有关美国武器库存消耗的报道出现后，约50名参谋长联席会议相关军官接受了测谎测试。
当测谎从安全筛查工具进一步延伸到泄密调查和内部威慑手段时，其争议性也随之上升。AI或许能让测谎设备更隐蔽、更高效，但如果技术本身的科学基础仍不稳固，围绕公平性、误判率和权力边界的质疑不会自动消失。
对政策制定者而言，真正需要回答的问题不只是五角大楼是否应该花这笔钱，还包括：在AI测谎尚未证明足够可靠之前，政府应在多大程度上使用它？谁来决定算法是否有效？被误判的人又如何获得救济？
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/wu-jiao-da-lou-ni-tou-3030-wan-mei-yuan-sheng-ji-ce-huang
