美国国防部近日提交的一项预算申请显示，未来五年内将投入 3030 万美元用于升级测谎技术。该项目被命名为“Polygraph+”或“Polygraph Next”，核心研发方向包括基于人工智能和机器学习的评分算法，以及一种名为“standoff sensing”（非接触式传感）的技术。后者旨在无需在受试者身上佩戴任何设备的情况下，远程获取其生理指标读数。
根据预算文件描述，此举意在“现代化联邦测谎仪和可信度评估技术”，以提升检测的准确性与可靠性。然而，这被视为一系列利用技术手段识别谎言的尝试中最新的一环。英国诺森布里亚法学院教授 Kyri Kotsoglou 长期研究司法系统中的测谎仪应用，他对此持保留态度：“试图将复杂的人性简化为可量化的有形数据，本身就是一种错误的努力。”
这一计划出台之际，五角大楼内部正面临紧张局势。在国防部长 Pete Hegseth 领导下，测谎测试的使用频率显著增加。据《纽约时报》9月报道，在有关美国对伊朗战争武器库存耗尽的新闻曝光后，联合参谋部约有 50 名军官接受了测谎仪审查。
负责推进该项目的机构是国防反情报和安全局 (DCSA)。尽管国会尚未批准相关预算，但文件指出新技术将主要用于潜在员工的背景审查。目前具体采用的技术细节尚不明朗，DCSA 也未回应进一步的置评请求。
不过，国防部过往在其他领域的探索提供了参考线索。2023年，该机构下属的国防创新部门 (DIU) 曾公开征集用于欺诈检测的产品方案，并最终选定两家公司开发原型：Presage Technologies 声称能利用标准摄像头测量心率和呼吸率；而 Altec Research 的原型技术则展示了追踪头部运动、面部皮肤温度及毛孔活动的能力。这两家公司均未回应采访请求，美国政府也拒绝就此发表评论。
自 20 世纪 20 年代发明以来，传统测谎仪的技术原理几乎没有实质性突破。检查人员主要依赖血压、脉搏、呼吸和出汗等生理指标的变化来判断受试者是否说谎。通过对比受访者回答基础问题（如“天空是蓝的吗？”）与关键问题（如“你曾犯过罪吗？”）时的生理反应差异，人工做出真实性判断。
联邦政府每年在对员工进行背景调查时会执行数以万计的此类测试。然而，科学界对其有效性一直存在争议。美国国会技术评估办公室早在 1983 年就得出结论，支持使用测谎仪进行员工筛查的证据非常有限。2003 年，美国国家研究委员会 (NRC) 的报告进一步指出，即便某些测试显示出较高的精确度，仍可能导致大量误判。考虑到美国国防部拥有 280 万名员工，这种不完美的系统可能引发成千上万起虚假指控。
此外，测谎结果往往具有主观性，不同检查人员可能得出截然不同的结论，且少数群体更容易被判定为不诚实。受访者也常通过训练掌握对策，例如踩踏鞋内隐藏的钉子以人为增强基线问题的生理反应，从而干扰测试结果。
鹿特丹伊拉斯谟大学研究欺骗行为的副教授索菲·范德泽指出：“如果你了解其工作原理，就能战胜它。”她认为，测谎机最大的作用在于心理威慑，许多人在测试开始前便因恐惧而承认事实，但这仅建立在人们相信测谎仪有效的前提之上。
过去几十年间，从热成像摄像机到瞳孔追踪器，各种新型谎言探测器层出不穷，但在实验室之外均未取得可靠成果。根本原因在于缺乏普适性的“谎言标志”。范德泽比喻道：“皮诺曹的鼻子并不存在。”
理论上，人工智能有望通过发现人类检查员难以察觉的数据模式来改进测谎技术。AI 算法更适合处理“多模式”欺骗检测，即结合多种生理测量数据生成综合的欺骗“得分”。范德泽解释说，谎言检测需同时捕捉三个维度的信号：生理压力、认知负载以及刻意隐瞒的努力。现有测谎技术仅能解决其中一个方面，若能整合这三种视角，成功率或许会提升。2000 年代，曼彻斯特大都会大学研究人员开发了名为“沉默谈话者”的系统；在美国，AVATAR 项目结合了眼动追踪、语音分析和身体运动检测。然而，这些项目最终都销声匿迹。
Kotsoglou 教授认为，将人工智能与传统测谎仪结合可能是“两害相权取其轻”的最差选择。即使 AI 能从生理数据中提取出前所未有的模式，由于缺乏关于“谎言”本身的客观基准真相，这些模式无法被可靠地关联到撒谎行为上。
法律教授 Marion Oswald 与 Kotsoglou 合著了多篇关于司法系统中测谎仪使用的文章。她对新型谎言检测仪的前景表示担忧，认为它们可能重蹈覆辙，沦为心理施压工具而非科学仪器。“这似乎是对当前政府对泄密和忠诚度焦虑的直接回应，”Oswald 说道，“谎言检测正在被用作威胁、恐吓手段，以迫使人们招供。”
