거짓말 탐지기는 이미 평판 문제를 안고 있습니다. 미 국방부는 이제 AI가 그들을 더 좋게 만들 수 있는지 확인하고 싶어합니다. Polygraph Next라고 불리는 새로운 국방 방첩 및 보안 기관(Defense Counterintelligence and Security Agency) 프로그램은 비접촉식 생리학적 모니터링과 신뢰성 평가 점수를 매기는 데 도움이 되는 AI 및 기계 학습 알고리즘을 결합합니다.
미 국방부는 2027회계연도에 642만 달러를 요청하고 있으며, 2031년까지 약 3,030만 달러에 달하는 자금 지원을 계획하고 있습니다(MIT Technology Review 참조). 예산에는 여전히 프로그램의 전체 비용이 계속해서 나열되어 있으므로 이 수치를 최종 평생 비용으로 간주해서는 안 됩니다. 이 시스템은 직원 조사 및 내부자 위협 탐지를 위해 개발되고 있습니다. DCSA는 또한 소프트웨어를 개선하고 새로운 진단 기능을 식별하는 데 도움이 되는 자동 채점, 의사 결정 지원, 중앙 집중식 저장소 및 분석 도구를 원합니다.
그렇다면 AI는 정확히 무엇을 보고 있을까요?
전통적인 거짓말 탐지기는 누군가가 질문에 답하는 동안 호흡, 심박수, 혈압, 피부 전도도와 같은 생리적 변화를 추적합니다. Polygraph Next는 감지 중 일부를 물리적 접촉에서 멀어지게 합니다. 그러면 AI와 기계 학습 알고리즘이 수집된 신호를 분석하고 자동 점수를 생성하는 데 도움이 됩니다.
DCSA는 비접촉식 모니터링을 통해 센서 설정으로 인한 불일치를 줄이고 평가 속도를 높일 수 있다고 말합니다. 연구자들이 소프트웨어를 개선하고, 격차를 해소하고, 추가 진단 기능을 연구하는 데 도움이 되도록 클라우드 기반 스토리지 및 분석도 계획되어 있습니다.
소프트웨어가 속임수의 징후를 찾아내도록 한다는 아이디어는 새로운 것이 아닙니다. 우리는 이전에 서면 진술서의 패턴을 찾아 잠재적인 허위 강도 신고를 표시하기 위해 스페인 경찰이 사용하는 기계 학습 시스템인 VeriPol에 대해 다루었습니다. 원래 보안군의 거짓말 탐지기로 음성 분석 기술을 개발한 후 기계 학습을 사용하여 음성 데이터에서 미묘한 패턴을 찾는 감정 분석으로 확장한 Nemesysco가 있습니다.
아직은 꽤 큰 과학적 문제가 남아있습니다
거짓말 탐지기는 거짓말을 직접 감지하지 않습니다. 그들은 생리적 반응을 기록하고 그 신호를 사용하여 누군가가 기만적일 수 있는지 여부를 추론합니다. 랜드마크인 2003년 미국 국립 아카데미(National Academies) 보고서에서는 호흡, 심박수, 혈압, 피부 전도도의 변화가 속임수를 수반할 수 있지만 다른 이유로 인해 동일한 종류의 반응이 발생할 수 있다고 지적합니다.
따라서 정확성은 여전히 중요한 문제로 남아 있습니다. 국립 아카데미(National Academies)의 검토에서는 보안 검색에서 거짓말 탐지기의 정확성을 뒷받침하는 과학적 증거가 제한적이고 약하다는 사실을 발견했으며, 이는 인사 결정을 위해 테스트에 크게 의존하는 것에 대한 우려를 불러일으켰습니다. AI는 채점을 더 빠르고 일관되게 만들 수 있지만 DCSA는 기계 학습이 거짓말 탐지기 테스트의 기본 한계를 극복할 수 있음을 보여주는 증거를 발표하지 않았습니다.
이 주제에 대해 더 알고 싶다면 아래를 참고하세요