Pentagono chiede 30,3 milioni per Polygraph+, poligrafo potenziato AI
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Il Dipartimento della Difesa propone finanziamenti quinquennali per combinare algoritmi di scoring e sensori a distanza per valutare l'attendibilità del personale e individuare leak.
Trenta virgola tre milioni di dollari in cinque anni per “modernizzare le tecnologie federali di poligrafo e valutazione della credibilità”. È la richiesta di budget per “Polygraph+” (o “Polygraph Next”), un rilevatore di menzogne con intelligenza artificiale destinato a selezione del personale e caccia alle fughe di notizie1.
Il documento individua due assi del programma. Primo: algoritmi di scoring basati su AI e machine learning. Secondo: “standoff sensing”, letture fisiologiche a distanza, senza cavi o sensori sul corpo. I modelli dovrebbero tradurre quei segnali in un punteggio di credibilità da usare nei processi federali1.
Lo stanziamento coprirebbe sviluppo e integrazione delle nuove tecniche nei flussi di verifica del governo per l’intero quinquennio1. MIT Technology Review ha analizzato i dettagli di bilancio e ricostruito scopi e componenti del programma, inclusa l’idea di combinare sensori non a contatto e modelli di machine learning per supportare decisioni di credibilità1.
Non mancano le critiche sul merito e sulle prove a supporto. La storia dei poligrafi resta controversa, e l’idea di automatizzare la valutazione della veridicità con un algoritmo apre problemi di metodo e di affidabilità1. Il programma punta a migliorare accuratezza e affidabilità, ma la soglia di evidenza richiesta per l’uso in contesti federali è elevata1.
Kyri Kotsoglou, docente alla Northumbria Law School che studia l’uso dei poligrafi, definisce Polygraph+ “uno sforzo fuorviante per ridurre il complesso a qualcosa di tangibile”1. Secondo lui, il progetto ripete un copione noto: incasellare la menzogna in schemi misurabili e trasformarla in un output numerico1.
Il lessico del budget è netto sul perno dell’innovazione: sensori a distanza più algoritmi di scoring1. L’obiettivo resta operativo e concreto: selezionare il personale e identificare chi fa filtrare informazioni, all’interno di procedure federali già esistenti1.
Se il Congresso approverà i fondi, il programma dovrà dimostrare sul campo che la nuova combinazione di letture a distanza e modelli supera gli approcci attuali per accuratezza e affidabilità, nelle specifiche applicazioni federali indicate dal budget1. Intanto, tra gli esperti c’è chi bolla il rilevamento della menzogna abilitato dall’AI come “the worst of both worlds”1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.