AI 거짓말탐지기에 3,030만 달러…약점은 그대로

3,030만 달러. 미국 국방부가 거짓말탐지기를 손보겠다며 예산 요청서에 적어 넣은 5년 치 금액이다. 사업 이름은 ‘Polygraph+’, 혹은 ‘Polygraph Next’.

내용은 두 갈래로 나뉜다.

• AI 채점 알고리즘: AI와 머신러닝으로 검사 결과를 채점한다.
• 원격 감지(standoff sensing): 몸에 장치를 붙이지 않고 떨어진 곳에서 생리 반응을 읽는다.

내건 목표는 폴리그래프 판정의 정확도와 신뢰성을 끌어올리는 것이다.

바깥의 시선은 차갑다. MIT Technology Review는 이 계획을 전하며 기술로 거짓말을 잡으려다 실패한 긴 역사에 사례 하나를 더할 뿐일지 모른다고 짚었다. 전문가들이 AI 거짓말 탐지에 붙인 이름은 “양쪽의 최악(the worst of both worlds)”이다.

필자의 판단도 크게 다르지 않다. AI를 얹는다고 거짓말탐지기의 근본 약점이 사라지지는 않는다. 오히려 새 문제가 하나 더 붙는다. 그 이유는 폴리그래프가 실제로 무엇을 재는 기계인지부터 보면 드러난다.

폴리그래프는 거짓말 대신 몸의 긴장을 잰다

폴리그래프(polygraph)는 이름 그대로 여러 신호를 한꺼번에 그래프로 기록하는 장치다. 흔히 이렇게 붙인다.

• 가슴과 배: 호흡을 재는 띠
• 팔: 혈압·맥박을 재는 커프
• 손가락: 땀 분비에 따른 피부 전기 반응 센서

검사관이 질문을 던지면 답하는 순간 신호들이 어떻게 출렁이는지 기록된다. 판정은 검사관이 그 파형을 읽어서 내린다.

걸리는 대목은 이 신호들이 거짓말에만 나타나는 반응이 아니라는 데 있다. 심장이 빨라지고 손에 땀이 차는 현상은 두려움, 억울함, 당혹감, 분노에서도 똑같이 일어난다. 오판은 양방향으로 난다.

• 거짓 양성: 결백하지만 의심받는 상황 자체가 무서운 사람은 거짓말쟁이처럼 보인다. 무고한 사람이 거짓말쟁이로 몰리는 경우다.
• 거짓 음성: 거짓말에 익숙해 태연한 사람은 결백해 보인다. 진짜 거짓말을 놓치는 경우다.

정확히 부르면 ‘거짓말 탐지기’보다 ‘긴장 반응 기록기’에 가깝다. 거짓말을 하면 긴장하고, 긴장하면 몸이 반응한다. 폴리그래프는 이 두 단계 가정 위에 서 있는데, 두 단계 모두 사람마다 편차가 크다. 전제가 흔들리는 한 판정 도구를 아무리 다듬어도 출발점의 오차는 남는다. 뒤에 나올 Polygraph+ 논의가 결국 이 지점으로 되돌아오는 이유다.

Polygraph+가 고치는 건 채점과 측정 단계뿐

검사 과정을 측정 → 해석 → 판정 순서로 쪼개 보면 Polygraph+가 어디를 건드리는지 보인다.

AI 채점 알고리즘의 표적은 해석·판정 단계다. 사람 검사관이 파형을 읽으면 경험이나 선입견에 따라 결론이 달라질 여지가 생긴다. 이를 알고리즘 점수로 대체하거나 보조해 판정을 일관되게 만들겠다는 발상이다.

원격 감지는 측정 단계를 바꾼다. 센서를 몸에 붙이는 대신 떨어진 위치에서 생리 반응을 읽는 방식. 어떤 센서를 쓸지는 공개된 설명에 나오지 않는다. 원격 생체 측정 분야에서는 카메라 영상 속 얼굴 피부색의 미세한 변화로 맥박을 추정하는 기술 등이 연구돼 왔지만, 국방부 사업이 이 방식을 택했는지는 확인되지 않았다. 센서 종류조차 모르는 상태라 정확도를 가늠할 근거도 아직 없는 셈이다.

구분	기존 폴리그래프	AI 채점 알고리즘	원격 감지
바꾸는 단계	기준점	해석·판정	측정
측정 방식	몸에 센서를 부착	측정보다 판정 방식을 바꿈	장치 부착 없이 떨어진 곳에서 측정
판정 주체	검사관의 파형 해석	AI·머신러닝이 산출한 점수	공개된 설명에 명시 없음
기대하는 점	–	판정 일관성 향상	장치 부착 절차 생략
남는 우려	긴장을 거짓말로 오판	판정 근거 설명의 어려움, 학습 데이터 문제	당사자가 측정 사실을 모를 가능성, 환경 오차

고치는 단계는 서로 다르다. 공통점은 하나다. 어느 쪽도 ‘생리 반응이 곧 거짓말의 신호’라는 첫 번째 가정에는 손대지 않는다. 비판이 모이는 곳도 바로 여기다.

‘양쪽의 최악’이 가리키는 세 가지 문제

전문가들이 무슨 근거로 이 표현을 골랐는지는 원문 요약에도 설명이 없다. 아래 내용은 확인된 논리가 아니라 해석이다. AI 판정 시스템에 흔히 따라붙는 비판을 폴리그래프의 약점과 겹쳐 봤다.

① 옛 약점이 그대로 넘어온다. AI가 하는 일은 입력 신호에서 패턴을 찾는 것뿐이다. 입력인 생리 반응과 거짓말의 연결이 느슨하면, 모델이 아무리 정교해도 그 느슨함은 메워지지 않는다. 흐릿한 사진을 아무리 확대해도 찍히지 않은 정보가 되살아나지 않는 것과 같은 이치.

② 정답 데이터를 구하기 어렵다. 머신러닝이 ‘거짓말할 때의 반응’을 배우려면 실제로 거짓말을 했는지 확실히 아는 사례가 대량으로 필요하다. 실험실에서 지시받아 하는 거짓말은 잃을 게 없어 긴장의 질부터 다르다. 현실 사건은 진실 여부를 끝내 확정하지 못하는 경우가 많다. 정답이 흐릿한 데이터로 학습한 모델이 내세우는 ‘정확도’는 그 숫자부터 해석이 까다롭다.

③ 새 약점이 붙는다. 검사관의 판단에는 “왜 그렇게 봤느냐”고 따져 물을 상대라도 있다. 알고리즘 점수는 왜 그 값이 나왔는지 설명하기 어렵다. 숫자로 찍힌 결과는 사람의 해석보다 객관적으로 보이기 쉽고, 오판이 나와도 반박할 여지가 줄어든다.

불확실한 입력 위에 불투명한 판정. 양쪽의 단점만 모인다는 평가는 이렇게 읽힌다.

장치를 떼면 ‘동의’의 의미가 바뀐다

기존 폴리그래프는 불편하다. 대신 투명하다. 센서가 몸에 닿는 순간 검사받는 사람은 자신이 측정되고 있다는 사실을 안다.

원격 감지는 이 절차를 없앤다. 편해지는 건 맞다. 문제는 기술 구조상 당사자가 측정 사실을 모른 채 반응이 기록되는 상황도 가능해진다는 점이다. 국방부가 이 기술을 어떤 조건에서 쓸지는 밝혀지지 않았다. 지금 단계에서 이건 확인된 계획이 아니라 구조적 우려로 봐야 한다.

정확도 부담도 커진다. 몸에 밀착한 센서보다 떨어진 곳에서 읽는 신호가 잡음에 약하다는 건 원격 측정 전반에 해당하는 이야기다. 카메라 기반이라면 조명, 움직임, 촬영 각도 같은 환경 요인이 결과를 흔든다. 긴장을 곧 거짓말로 보는 불안한 가정 위에 측정 오차가 한 겹 더 얹히는 셈이다.

감시 기술이 내세운 성능과 현장 결과가 어긋난 사례는 이미 있다. 같은 매체가 추적한 미국 남부 국경의 감시탑 ‘가상 장벽’이다. 수십억 달러가 들어간 이 시설을 두고, 감시탑이 내세운 탐지 범위 안에서 1,000명이 넘는 사람이 적발되지 않은 채 숨졌다는 조사 결과가 나왔다. 거짓말 탐지와는 다른 기술이긴 하다. 약속된 성능을 믿기 전에 검증 자료부터 요구해야 하는 이유로는 이 정도면 충분하다.

국내에선 수사는 증거력, AI 면접은 동의서가 관건

선부터 긋자. Polygraph+는 미국 국방부의 예산 요청 단계 사업이다. 한국 사용자의 일상에서 당장 달라지는 부분은 거의 없다. 다만 이 기술이 던지는 질문은 국내에서도 그대로 유효하다.

국내 수사기관도 거짓말탐지기 검사를 수사 보조 수단으로 쓴다. 현재 기준은 이렇다.

• 검사는 원칙적으로 본인 동의를 받아 진행한다.
• 법원은 결과를 유죄의 직접 증거로 삼는 데 매우 신중하다.
• 증거로 받아들여지더라도 진술의 신빙성을 판단하는 참고 자료 정도로 제한되는 것이 일반적이다.

채점을 AI가 맡는다고 이 기준이 곧바로 바뀔 가능성은 낮아 보인다. 법원이 문제 삼아 온 것은 채점 방식이 아니라 생리 반응과 거짓말 사이의 연결 자체이기 때문이다(필자의 추측).

생활에서 더 가까운 접점은 채용 과정 등에서 쓰이는 영상 분석 도구다. 일부 기업의 AI 면접처럼 표정이나 목소리를 분석하는 도구를 만나면 동의서에서 네 가지를 확인해 두자.

• 어떤 항목을 수집하는가: 영상, 음성, 생체 신호
• 목적은 무엇인가
• 얼마나 보관하는가
• 최종 판단을 사람이 하는가

국내 개인정보 법제에는 사람의 개입 없이 완전히 자동화된 결정에 대해 설명을 요구하거나 거부할 권리가 마련돼 있다. 어떤 절차가 여기에 해당하는지는 사안마다 판단이 갈린다. 네 번째 항목, 최종 판단을 사람이 하는지를 따로 챙겨 둘 가치가 있는 이유다.

웹 기반 면접이나 검사를 마친 뒤에는 카메라·마이크 권한을 회수해 두면 깔끔하다.

• PC용 크롬: 설정 → 개인정보 보호 및 보안 → 사이트 설정 → 카메라(또는 마이크)에서 사이트별 허용 목록 삭제
• 아이폰: 설정 → 개인정보 보호 및 보안 → 카메라에서 앱별로 끄기
• 안드로이드: 대체로 설정 → 애플리케이션 → 해당 앱 → 권한

기기와 버전에 따라 메뉴 이름과 위치는 다르다.

확인된 것과 아직 불확실한 것

확인된 것

• 미국 국방부 예산 요청서에 5년간 3,030만 달러 규모의 거짓말탐지기 개선 사업이 담겼다.
• 사업명은 ‘Polygraph+’ 또는 ‘Polygraph Next’다.
• AI·머신러닝 기반 채점 알고리즘과, 장치 부착 없이 생리 반응을 읽는 원격 감지가 두 축이다.
• 목표는 폴리그래프 판정의 정확도와 신뢰성 개선이다.
• 전문가들은 AI 기반 거짓말 탐지를 “양쪽의 최악”이라고 평가했다.

아직 불확실한 것

• 예산 요청이 그대로 승인될지 여부
• 원격 감지에 쓰일 구체적인 센서와 측정 방식
• AI 채점 알고리즘의 학습·검증 데이터와 성능 기준
• 개발된 기술이 어떤 대상과 상황에 적용될지
• 국내 수사기관이나 기업의 유사 기술 도입 여부

정확도 숫자보다 먼저 물어야 할 세 가지

AI 거짓말 탐지를 내건 기술은 이름을 바꿔 가며 계속 나올 것으로 보인다. 성능 수치에 휘둘리지 않으려면 세 가지를 순서대로 물으면 된다.

1. 무엇을 재는가. 거짓말 자체를 직접 재는 센서는 없다. 심박, 땀, 표정, 목소리 가운데 어떤 신호를 거짓말의 대리 지표로 삼는지, 그 신호를 긴장이나 두려움과 어떻게 가려내는지 설명이 붙어 있어야 한다. 이 설명이 빠져 있다면 뒤에 나오는 정확도 수치도 믿을 근거가 약하다.
2. 정답은 어디서 왔는가. 정확도를 내세운다면 실제 거짓말 여부가 확인된 사례로 검증했는지, 실험실에서 연출한 거짓말로 검증했는지부터 확인할 것. 둘은 긴장의 강도부터 다르다.
3. 결과가 어떤 결정에 쓰이는가. 수사 방향을 잡는 참고 자료인지, 채용 탈락이나 보안 심사 불합격으로 곧장 이어지는지. 여기에 따라 오판의 비용이 달라진다. 결과가 무거울수록 사람의 최종 검토와 이의 제기 절차가 반드시 붙어 있어야 한다.

Polygraph+가 성과로 남을지, 실패 목록에 한 줄을 더할지도 이 세 질문에 내놓는 답에 달렸다. 지켜볼 대목은 하나다. 3,030만 달러가 첫 번째 가정을 검증하는 데 쓰이는지, 그 위에 알고리즘을 쌓는 데만 쓰이는지.

출처: MIT Tech Review AI