米国防総省、AI嘘発見器の開発に3000万ドルを投じる

編集者注：人工知能が人の生理的シグナルや微表情を読み解き始めるとき、「嘘」は技術によって見破られるのか。米軍は3000万ドルを賭けてその答えを探し求めている。一方、生命科学の分野では、臓器の年齢に関する一本の線引きが、倫理と効率をめぐる攻防を揺さぶっている。

米国防総省のAI嘘発見器計画

MIT Technology Reviewの報道によると、米国政府は今後5年間で約3030万ドルを投じ、より高性能な嘘発見装置の研究開発を行う計画だ。この予算の核心的な目標は、人工知能を用いて20世紀以来ほぼ根本的な刷新が行われてこなかった技術体系——ポリグラフ——を革新することにある。

従来のポリグラフの動作原理は難解ではない。心拍数・血圧・呼吸数・皮膚電気伝導度などの生理指標を監視し、被験者が特定の質問に答える際のストレス反応を判定することで、嘘をついているかどうかを推測する仕組みだ。問題は、この論理が必ずしも堅固ではない前提の上に成り立っている点にある——嘘をつくことには必ず測定可能な生理的覚醒が伴うという前提だ。しかし緊張・不安・疾病、あるいは単純に審問を受けるプレッシャーも、ほぼ同じシグナルを生み出してしまう。

こうした理由から、ポリグラフに対する科学界の信頼は長年にわたり疑問視されてきた。米国科学アカデミーはすでに2003年の報告書において、多くのポリグラフ研究に方法論上の欠陥があり、その精度はリスクの高い判断を支えるには程遠いと指摘していた。米国の司法制度においてポリグラフの証拠は通常法廷では採用されないが、情報機関によるスクリーニング・法執行機関の取調べ・一部政府の身元調査では依然として広く使用されている。米国防総省の新プロジェクトは、AIによってこの「信頼性のギャップ」を埋めることを目指している。

単一シグナルからマルチモーダル判定へ

次世代システムの発想は、「一本の曲線を読む」から「人物全体を読む」への転換だ。研究者たちは概して、AIの介入が三つの次元で変化をもたらし得ると考えている。

第一はシグナル次元の拡張だ。従来の生理指標に加え、音声の韻律・顔の微表情・眼球運動の軌跡、さらには機能的近赤外線分光法（fNIRS）や脳波信号も取り込み、欺瞞検出のマルチモーダルモデルを構築する。第二はベースラインの個人化だ。機械学習によって被験者自身の通常データから個別ベースラインを確立し、「生来の緊張体質」による誤判定を減らす。第三はリアルタイムの推論能力だ。深層学習モデルは対話中に動的に追加質問の戦略を調整できるため、事後に波形を分析するだけにとどまらない。

ただし、技術楽観主義は慎重に扱う必要がある。現時点で発表されているAI嘘発見器の研究の多くは、小規模サンプルかつ実験室環境で実施されたものであり、実際の高圧的な取調べ環境に入ると、モデルの性能は往々にして顕著に低下する。さらに厄介なのは「ブラックボックス」問題だ。AIが「この人物は嘘をついている」という結論を出したとき、どのような特徴を根拠にしたのかを説明することは難しい。そのような結論が人身の自由の制限や国家安全保障上の判断に用いられるとなれば、説明可能性の欠如はすなわち説明責任の欠如を意味する。

「精度が1パーセントポイント向上すれば、誤判定の代償は一人の人生になりかねない。」——これはすべての嘘発見技術が避けては通れない倫理的方程式だ。

さらに、プライバシーと同意の問題も際立っている。生理的・神経的シグナルの収集は、質問に答えさせるよりもはるかに侵襲的であり、厳格な認可と監督の仕組みがなければ、AIによる嘘発見は「嘘の識別」から「思考の読み取り」へと容易に変質しかねない。これが、この計画の予算公表後に市民的自由団体の関心を迅速に集めた理由でもある。

もう一方の論点：若い臓器の年齢制限をめぐる議論

軍事技術とは異なり、今回のThe Downloadが注目するもう一つの動向は生物医学の分野——臓器移植における若年ドナーの臓器年齢制限をめぐる問題だ。長年にわたり、臨床現場ではある種の直感的な選好が存在してきた。若いドナーからの臓器は品質が高く、移植後の生存率も高いという考え方だ。この選好はやがて不文律の年齢基準へと変化し、本来使用可能な一部の臓器が分配体系から除外される事態を生んできた。

しかし近年の研究はこの直感を揺るがしつつある。複数の後ろ向き分析によれば、適切なマッチングが行われた場合、高齢ドナーからの臓器でも十分に許容できる長期予後が得られることが示されている。さらに「若い臓器」にこだわりすぎることで、需給の不均衡が悪化し、待機リスト上の患者の待機時間が延びる可能性すら指摘されている。一方、反対側の問題も存在する。極めて若いドナーの臓器は、解剖学的サイズ・血管条件・発育成熟度において成人の受者に適合しない場合があり、単純な年齢の線引きではなく、より精緻な評価基準が求められる。

このことは、臓器配分が「年齢を見る」から「品質を見る」へと移行しつつあることを意味する。ドナーの年齢・虚血時間・臓器機能指標・受者の状態を組み合わせた総合スコアリングモデルが、より科学的な代替手段として台頭しつつある。しかしいかなるモデルも、同じ問いに向き合わなければならない——アルゴリズムが誰が先に臓器を受け取れるかを決めるとき、公平性はいかに定義されるべきか。

技術拡張の時代における共通の命題

この二つのニュースを並べて見ると、共通の構造的緊張が浮かび上がる。AIとデータ技術は、最も失敗が許されない領域——ある人が嘘をついているかどうかの判断、ある臓器が使用可能かどうかの判断——へと進出しつつある。技術がもたらす確実性の幻想が強ければ強いほど、制度設計の重要性はより一層際立つ。

米国防総省にとって、3030万ドルで手に入れるのはより精度の高い嘘発見器だけではなく、それと同時に構築されなければならない監督のフレームワークでもある。移植医学にとって、年齢制限の緩和の前提条件は、より透明で再現可能な評価基準の確立だ。技術そのものは「すべきかどうか」には答えない——「できるかどうか」にしか答えない。そして後者と前者の間にある距離こそ、この時代が最も真剣に埋められるべき部分にほかならない。

本稿はMIT Technology Reviewを基に編訳したものです。