
TechCrunch Disrupt 2026: Anna Goldie و Azalia Mirhoseini در زمانی که AI شروع به طراحی سخت افزار خود می کند
September 26, 2026
در تابستان امسال، فریب نخورید
September 26, 2026پنتاگون می خواهد ۳۰ میلیون دلار برای ساخت یک آشکارساز دروغی با قدرت AI بسازد
دولت آمریکا می خواهد 30.3 میلیون دلار در طول پنج سال آینده به شکل بهبود یافته ای از آشکارساز دروغ اختصاص دهد. این برنامه که Polygraph + یا Polygraph Next نامیده می شود، بر الگوریتم های امتیاز دهی تمرکز خواهد کرد که از هوش مصنوعی و یادگیری ماشین و تکنیک به نام “تعامل بینایی” استفاده می کنند که به توانایی خواندن فیزیولوژیکی بدون اتصال یک دستگاه به یک فرد موضوع اشاره دارد.
با توجه به جزئیات سند بودجه، که برای اولین بار توسط دفاع داخلی گزارش شده است، این پروژه "مدرن سازی مقالات فدرال و فن آوری های ارزیابی اعتبار" برای بهبود دقت و اطمینان خود را. اما این پروژه ممکن است تنها آخرین پروژه در یک خط طولانی از تلاش های شکست خورده برای استفاده از تکنولوژی برای تشخیص دروغ باشد. "این یک تلاش گمراه کننده برای کاهش پیچیده به چیزی است که ملموس است"، می گوید کایری Kotsoglou، یک محقق حقوقی در دانشگاه Northumbria در انگلستان که استفاده از پلی بند در سیستم عدالت را مطالعه می کند.
این حرکت در یک زمان تنش بالا در بخش رخ می دهد. تحت وزیر دفاع، پیت هیگزیت، پنتاگون به طور فزاینده ای به آزمایش های چند پاراگراف در تلاش برای پیدا کردن منابع نشت ادعایی به مطبوعات تبدیل شده است. در ماه سپتامبر، نیویورک تایمز گزارش داد که حدود 50 افسر در ستاد مشترک پس از پوشش خبری گزارش شده در مورد کاهش ذخایر سلاح های آمریکا در جنگ با ایران، آزمایش های چند پاراگرافی انجام داده اند.
Polygraph + توسط آژانس ضد امنیت و امنیت دفاعی (DCSA) اداره می شود که چک های پس زمینه را برای دولت فدرال انجام می دهد. با توجه به سند بودجه، که هنوز توسط کنگره تایید نشده است، فناوری جدید برای بررسی کارکنان آینده نگر و "تحقیق تهدید" استفاده خواهد شد، هنوز مشخص نیست که چه فن آوری های خاص مورد استفاده قرار خواهد گرفت و DCSA به درخواست اطلاعات بیشتر پاسخ نمی دهد.
اما تلاش های دیگر پنتاگون سرنخ های بالقوه ای ارائه می دهد. در سال 2023، واحد نوآوری دفاعی بخش (DIU) یک فرآیند ارسال باز را برای پیدا کردن شرکت هایی با محصولاتی که می توانند برای تشخیص فریب استفاده شوند، اجرا کرد.
این شرکت دو شرکت را برای ساخت نمونه های اولیه انتخاب کرد: فن آوری های پیش سن، که ادعا می کند قادر به اندازه گیری ضربان قلب و میزان تنفس با استفاده از دوربین های استاندارد، و Altec Research، یک شرکت سنسور پزشکی که در حال حاضر به فناوری های سنجش غیر تماس می رود. تصویری از تکنولوژی نمونه اولیه Altec که توسط DIU منتشر شده نشان می دهد که حرکت سر، دمای پوست صورت و فعالیت منافذ را ردیابی می کند. فن آوری های پیش زمینه و تحقیقات Altec به درخواست ها برای اظهار نظر پاسخ ندادند. DIU از اظهار نظر خودداری کرد.
Altec Research یک نمونه اولیه ساخته است که حرکت سر، دمای پوست صورت و فعالیت منافذ را دنبال می کند. ALTEC RESEARCH
فناوری تشخیص دروغ فعلی به سختی از زمان اختراع پلی بند در دهه ۱۹۲۰ تغییر کرده است. محققان به فشار خون، پالس، تنفس و اندازه گیری های عرق برای تعیین اینکه آیا کسی دروغ می گوید، تکیه می کنند. آنها قضاوت در مورد صحت پاسخ های پاسخ دهندگان بر اساس تفاوت در پاسخ فیزیولوژیکی خود به پرسش های پایه مانند "آیا آسمان آبی است؟" و سوالات هدف مانند "آیا تا به حال مرتکب جرم شده اید؟"
دولت فدرال هر ساله ده ها هزار آزمایش را انجام می دهد، اما قابلیت اطمینان این تکنولوژی بارها به چالش کشیده شده است و نتایج آن به ندرت در دادگاه قابل قبول است. در سال ۱۹۸۳، دفتر ارزیابی فناوری کنگره به این نتیجه رسید که شواهد بسیار محدودی برای حمایت از استفاده چند پاراگراف برای کارکنان غربالگری وجود دارد 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 می دهد که انسان ها می توانند یک دروغ را بیش از نیمی از زمان بدون هیچ گونه کمک فنی پیدا کنند. انجمن Polygraph آمریکا ادعا می کند که این پولیپ بین 80 تا 94 درصد دقیق است. اما گزارش سال ۲۰۰۳ NRC نشان داد که آزمایش غربالگری با این سطح دقت هنوز می تواند منجر به اشتباهات زیادی شود. DOD 2.8 میلیون نفر را استخدام می کند؛ یک سیستم ناقص که در آن مقیاس اعمال می شود، می تواند به اشتباه ده ها هزار نفر را متهم کند.
مسائل دیگری نیز وجود دارد. تفاسیر چند پاراگراف اغلب ذهنی هستند: بررسی کنندگان مختلف نتایج بسیار متفاوتی دارند و افراد گروه های اقلیت به احتمال زیاد به عنوان فریبنده مورد قضاوت قرار می گیرند. علاوه بر این، با آموزش ممکن است برای مصاحبه کنندگان برای یادگیری انواع اقدامات متقابل که می تواند به ضرب و شتم آزمون کمک کند؛ به عنوان مثال، آنها ممکن است پاسخ فیزیولوژیکی خود را به سوالات پایه با گام بر روی یک پین پنهان در کفش خود افزایش دهد.
"اگر شما می دانید که چگونه کار می کند، شما می توانید آن را ضرب و شتم"، می گوید سوفی ون در Zee، استادیار که مطالعه فریب در دانشگاه اراسموس در روتردام. او می گوید که بزرگترین اثر دستگاه بازدارندگی است – اغلب افراد قبل از شروع آن اعتراف می کنند. اما این تنها زمانی کار می کند که مردم فکر کنند یک کار چند پاراگرافی است، بلکه اشاره می کند.
استراتژی های مختلف جدید برای تشخیص دروغ در طول دهه ها با فن آوری های مختلف از دوربین های حرارتی تا ردیاب های دانش آموز به اسکن مغز تلاش شده است. هیچ یک از آنها نتایج قابل اعتماد در خارج از آزمایشگاه به دست نیاورده اند. مشکل این است که هیچ نشانه ای از دروغ گفتن وجود ندارد که همیشه برای همه صادق است. "هنوز هیچ بینی پینوکیو وجود ندارد" می گوید ون در زین.
AI از نظر تئوری می تواند چند پاراگراف را بهبود بخشد اگر بتواند الگوهایی را در داده هایی پیدا کند که بررسی کنندگان نمی توانند. الگوریتم های AI نیز بیشتر احتمال دارد برای تشخیص فریب چند منظوره استفاده شوند، که به دنبال ترکیب چندین اندازه گیری به یک فریب کلی است که برای مردم سخت تر است. سه چیز در زیر سطح اتفاق می افتد که تشخیص دروغ تلاش می کند تا به خانه برسد، ون در زین می گوید: استرس فیزیولوژیکی، بار شناختی و تلاش آگاهانه مردم برای پنهان کردن این واقعیت که دروغ می گویند. تکنولوژی فعلی فقط یک مورد را حل می کند.
هر چه بیشتر شما می توانید روش های ترکیبی داشته باشید که از این سه زاویه مختلف به آن نزدیک می شوند، موفق تر خواهید بود، ون در زین می گوید. این یک مفهوم جدید نیست – در دهه ۲۰۰۰، محققان دانشگاه منچستر متروپولیتن در انگلستان یک سیستم به نام Silent Talker را توسعه دادند که یک امتیاز فریب از فیلم های ویدئویی را به دست آورد. این 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 به ابزاری برای استفاده در گذرگاه های مرزی تبدیل کرد. تمام این پروژه ها به آرامی محو شده اند.
Kotsoglou می گوید که ترکیب AI و Polygraph "بدترین هر دو جهان" است، زیرا عدم اطمینان را در بالای بی اعتبار بودن اضافه می کند. حتی اگر هوش مصنوعی یا یادگیری ماشینی بتواند الگوهایی را که قبلاً در داده های فیزیولوژیکی دیده می شد، شناسایی کند، نمی تواند آنها را به دروغ گفتن پیوند دهد، زیرا حقیقت واقعی وجود ندارد.
حتی اگر شما تمام سوابق جهان را از آزمون های چند پاراگرافی داشته باشید، نمی دانید که آیا این تست های چند پاراگراف درست هستند یا خیر، می گوید مار اوسوال، استاد قانون که با Kotsoglou نوشته شده است در استفاده از چند پاراگراف در سیستم عدالت. او می ترسد که شکل های جدید تشخیص دروغ، مانند پلی بند، بیش از یک ابزار روان شناختی استفاده شود.
"به نظر می رسد بسیار پاسخ به نگرانی از دولت فعلی برای نشت و عدم وفاداری درک شده است،" اوسوالد می گوید. [تحقیق] به عنوان یک تهدید مورد استفاده قرار می گیرد و مردم را مجبور می کند به چیزها اعتراف کنند، به جای هر چیزی که در واقع اطلاعات معتبر دریافت می کند."

💻 کدزن | طراحی سایت و سامانههای آنلاین
🚀 ایدهات رو به یک محصول آنلاین حرفهای تبدیل کن
🌐 www.codzan.ir
💬 طراحی • توسعه • پشتیبانی




