2026年10月23日，APPI News 刊出一篇對美國國防部 Polygraph+ 計畫的評估文章。這項計畫由國防部相關單位與國防創新單位（DIU）自2023年起公開徵案，選出 Presage 與 Altec 兩家廠商探索新型生理感測，目的是把 AI 評分與非接觸式量測納入「可信度評估」。TechNews 於2026年9月報導，五角大廈預算文件提出五年約3,030萬美元的經費構想，2027財年申請尚待國會審議。換句話說，這是原型與研發階段，不是已部署的產品。
多數人以為的進步路徑很直觀：機器能讀取的生理訊號變多了，判斷自然更準。但這條推論在中間斷了兩次。
感測、分類、決策：斷開的三層
測謊推論可以拆成三層。感測器負責取得資料，例如心跳、呼吸、皮膚電反應；演算法負責把資料分類；最後是人把分數解讀成「這個人可不可信」。量測準確，只解決第一層。模型分類一致，也只解決第二層。第三層的問題始終存在：這個分數適合拿來決定錄取、續聘或立案調查嗎？
用日常比喻的話，這就像手錶能精準記錄你心跳變快，但心跳變快可能是因為說謊，也可能是因為緊張、沒睡飽，或者面試房間冷氣太強。儀器量到的是反應，不是謊言本身。
美國國家研究委員會（NRC）2003年的測謊回顧報告早就指出，測謊反應的心理與生理歷程尚未被充分理解，誠實受測者也可能因情境壓力出現類似反應。報告的建議至今仍適用：測謊篩檢的陽性結果應觸發後續詳細調查，不應單獨作為人事處分的依據。
AI 在這裡能做的，其實是資料處理層的事：擷取訊號、統一評分、找出模式。但這也帶來新的風險。如果訓練資料把緊張標記為說謊，模型會更一致地複製這個錯誤；少數族羣的生理資料不足，正常的個體差異就可能被判為異常。一致性高，不代表判對。
整體準確率是最沒有用的數字
要判斷 AI 有沒有減少誤判，至少要同時看敏感度、特異度、假陽性、假陰性，以及基準率。來源文章給了一個假設例子（非 Polygraph+ 實測數據）：一萬人中只有百分之一符合目標條件，即使模型敏感度與特異度都達到九成，陽性結果裡真正符合條件的人也只有約8.3%。其餘九成以上的陽性，是誠實卻被標記的人。
這就是低盛行率篩檢的結構性問題：指標看起來不差，誤報卻佔多數。而在安全審查的情境裡，假陽性代表的可能是失去工作資格的人，假陰性代表的是被漏掉的調查事件。降低其中一種錯誤往往會增加另一種，這種取捨應該被公開討論，而不是藏在一個總分裡。
這個道理與我們先前整理過的AI 代理弱化監控的評測檢查相通：驗收結果要可信，先要確認評測本身的條件與資料獨立性。外部驗證也是同樣邏輯，測試資料應獨立於訓練資料，涵蓋不同時間、設備、地點與族羣，並與傳統人工判讀及現行流程比較，確認新技術真的帶來增益。實驗室結果若無法在現場重現，就不能推論實際效益。
所以呢
Polygraph+ 目前可確認的事實只有：原型開發中、經費構想待審、用途被稱為可信度評估。至於它能否降低誤判，公開資料不足以回答。
對需要評估這類工具的組織來說，可操作的檢查點其實很具體。先要求廠商寫清楚使用場景：要預測的結果是什麼、使用對象是誰、什麼算陽性、陽性之後會採取什麼行動。再要求兩種錯誤的方向性數據，而非單一準確率。最後要求獨立資料上的驗證結果。模糊的「可信度」若沒有可重複的定義，就沒有可信的標準答案，這句話對測謊器和對所有高影響決策的演算法都成立。