Amerikan Savunma Bakanlığı, geleneksel yalancı testinin sınırlarını aşmak amacıyla yapay zeka ve makine öğrenmesi algoritmalarını kullanan yeni bir sistem için bütçe talebinde bulundu. Pentagon'un Kongre'ye sunduğu tasarıya göre, bu projeye gelecek beş yıl boyunca toplamda 30,3 milyon dolar harcama planlanıyor. Program, 'Polygraph+' veya 'Polygraph Next' adıyla anılıyor ve özellikle hassas kişisel verilerin sızdırılmasını önlemeyi hedefliyor.

Dokunmadan fizyolojik okuma: Standoff sensing

Projenin en dikkat çekici teknik detaylarından biri, 'standoff sensing' yani uzaktan algılama yöntemi olarak biliniyor. Bu teknoloji, deneklerin vücuduna herhangi bir cihaz bağlamadan fizyolojik okumalar almayı mümkün kılıyor. Bütçe belgelerinde yer alan bilgilere göre, sistemin temel amacı federal yalancı test ve güvenilirlik değerlendirme teknolojilerini modernize ederek doğruluk oranlarını artırmak ve sonuçların güvenilirliğini sağlamaktır. Ancak uzmanlar, yalancı testinin tarihsel başarısızlık geçmişine dikkat çekerek bu girişimin karmaşık psikolojik süreçleri basit ve somut verilere indirgeme riski taşıdığını savunuyor.

Kurumsal güvenlik ve eleman denetimi

Projenin operasyonel sorumluluğu, federal hükümet için arka plan kontrolü gerçekleştiren Savunma Karşı İstihbarat ve Güvenlik Ajansı'na (DCSA) bırakıldı. Plan kapsamında yeni teknolojinin, yeni işe alımların denetlenmesi ve kurum içi tehditlerin tespiti amacıyla kullanılacağı belirtildi. Pentagon'un bu adımı, son dönemde savcılık düzeyinde yaşanan bilgi sızıntıları endişesiyle ilişkilendiriliyor. Örneğin, İran ile olan çatışma sürecinde silah stoklarının azalmasına dair basında çıkan haberlerin ardından, ortak karargâhtaki yaklaşık 50 subayın yalancı testinden geçirildiği New York Times tarafından aktarılmıştı. Henüz Kongre tarafından onaylanmayan bu bütçe, ajansların şeffaflık taleplerine yanıt vermemesi nedeniyle detayları konusunda soru işaretlerini de beraberinde getiriyor.

Ne anlama geliyor?

Yapay zeka destekli doğrulama sistemleri, geleneksel fizyolojik ölçümlerin ötesine geçerek davranışsal örüntüleri ve mikro ifadeleri analiz etmeye yönelik bir yaklaşım benimser. Bu tür sistemler, insan gözünün fark etmediği nanosaniyel düzeydeki tepkileri ve kalp atış ritmindeki değişimleri algılayan sensörler aracılığıyla veri işler. Sektördeki temel amaç, subjektif değerlendirmelere dayalı manuel süreçlerin yerini, tekrarlanabilir ve ölçülebilir algoritma tabanlı sonuçların almasıdır. Kullanıcı ve kurumlar açısından bakıldığında, bu teknolojinin etkinliği, sahte negatif ve sahte pozif sonuçların azaltılmasına bağlıdır. Ancak yalan söylemenin biyolojik karşılığı tek bir fizyolojik belirtide toplanmadığı için, algoritmaların bu karmaşık biyometrik sinyalleri doğru yorumlama hassasiyeti, sistemin sahadaki başarısını belirleyecek temel faktör olmaya devam edecektir. Pratikte bu sistemler, yüksek güvenlikli kurumlarda işe alım süreçlerini hızlandırmak ve iç güvenlik açıklarını erken aşamada tespit etmek için bir filtre mekanizması olarak konumlandırılır.