AI 测谎仪实验室
测的不是欺骗，是唤醒度——提高准确率无法修复的那一类失败
🤥AI 测谎仪实验室·为什么它在数学上就不可能——与算法水平无关
📖 五角大楼为 Polygraph+ 申请 $30.3M（五年）📖 standoff sensing：非接触读取生理信号📖 专家：这是"two worlds 里最糟的那个"
MIT Technology Review（2026-09-25）原文：预算来自国防部预算文件，由 Inside Defense 首先报道；项目由 国防 counterintelligence and Security Agency（DCSA）执行，用于雇员审查与「内部威胁检测」，尚未获国会批准， 具体技术也未选定。三级标注：📖 可回源 · 🧮 浏览器真算 · ⚠ 教学参数（无源）。
🧠 构念效度崩塌——本工具存在的理由
测谎仪测的是唤醒度（arousal），不是欺骗（deception）。这不是准确率不够，是测的那个量根本不承载你要的信息——换更深的模型、更多的数据都救不了。
接触式噪声 0.15 → 非接触噪声 0.9（⚠ 教学参数）
两条分布在「唤醒度」轴上几乎完全重叠
判定阈值 θ0.80
ROC 曲线：整条曲线就是你能达到的全部
当前（接触式）对照（standoff）
敏感度 TPR
62.7%
抓到的说谎者比例
假阳性 FPR
37.3%
冤枉的紧张无辜者
AUC 🧮
0.676
0.5 = 抛硬币
PPV 🧮
1.7%
π = 1.00%
说谎基准率 π（你自己填，工具不预设）1.00%
0.01% → 30%。⚠️ 这个数必须由使用场景决定，不存在"人类说谎率"这种常量。
🧮 把 θ 从 −2 扫到 +3（501 个采样点），找 Youden J = TPR − FPR 的最大值
最优 θ
0.80
最优 J
0.254
此时 TPR
62.7%
此时 FPR
37.3%
把 θ 拖到 0.80 试试——那是这条曲线上能做到的最好： TPR 62.7% 换来 FPR 37.3%。再打开 standoff sensing 看一遍：AUC 会从当前值掉下去。技术升级不是把曲线往外推，而是把两条分布压得更扁。
⭐ 提高准确率无法修复构念效度
这是本站事实核查清单里的第九类错误：测的量不是你要的量。前八类（引用真≠数据真、数字错、建模错、 指标假、呈现误导、口径不一致、解释方向反、公式前提不成立）都还能靠"再核一遍"修；这一类不行—— 因为输入的那个量（唤醒度）本身就不承载目标信息（欺骗）。焦虑、怕被冤枉、被盘问的愤怒、 单纯紧张，都会产生和说谎一样的读数。学术界对此的现成说法是：不存在"匹诺曹的鼻子"。
📖 MIT TR 引述 Northumbria 法学院 Kyri Kotsoglou： "It's a misguided effort to reduce the complex to something that is tangible." 另：研究显示人在没有技术辅助时识破谎言的正确率也只是"略高于一半"。