人工智能時代亦需“反人工智能”

李雅琪 馮曉輝

人工智能實現(xiàn)高速發(fā)展的同時也潛藏風險，反人工智能技術的出現(xiàn)凸顯了人類對人工智能的憂慮，有其存在的必要性。當前，反人工智能尚處起步階段，技術效能依然較低，且反人工智能本質(zhì)上與人工智能相同，也須“三思而后用”。

2018年12月，歐盟人工智能高級專家組發(fā)布《可信賴的人工智能道德準則草案》。該準則草案提出了實現(xiàn)“可信賴人工智能”的兩個核心要素——道德目的、技術可靠。在此之前，學術界已經(jīng)開始從技術角度探索防范人工智能潛在風險的“反人工智能”技術。2018年8月，加拿大學者公布了關于人臉檢測動態(tài)擾亂系統(tǒng)的研究成果，該技術能將人臉檢測準確率從接近100%大幅降低至0.5%。當前，人工智能尚處于“弱人工智能”階段，反人工智能的早早出現(xiàn)，既凸顯出人類對人工智能的潛在憂慮，也從技術角度提供了一條確保人工智能不會危及人類自身的新思路。因此，有必要梳理反人工智能技術的發(fā)展現(xiàn)狀與前景，并統(tǒng)籌考慮人工智能與反人工智能的協(xié)同發(fā)展，確保人工智能可控、可靠、可信地造福人類。

人工智能高速發(fā)展引發(fā)風險擔憂

人工智能引發(fā)的憂慮日漸增多

人臉檢測是當前人工智能領域最為成熟的技術之一，已經(jīng)開始在多個領域應用推廣。但許多人認為，人臉檢測等人工智能技術在為人類提供便利的同時，也帶來了數(shù)據(jù)隱私泄露等安全隱患，有必要從各個角度開展防范策略研究，以防止用戶數(shù)據(jù)隱私泄露。事實上，在人工智能蓬勃發(fā)展的光環(huán)之下，其所引發(fā)的憂慮遠不止數(shù)據(jù)隱私泄露。當前，雖然各國大力倡導人工智能的應用推廣，但現(xiàn)階段的“弱人工智能”與真正的人腦智慧相差甚遠，缺乏自主認知意識與學習能力，十分依賴海量數(shù)據(jù)訓練，并且還無法學習形成人類的道德倫理觀念，這就意味著“弱人工智能”在應用過程中存在大量令人擔憂的隱患環(huán)節(jié)。

人工智能高速發(fā)展?jié)摬貎纱箫L險

對人工智能的憂慮，主要源自人工智能的自身技術缺陷和技術潛在濫用兩方面。

在自身技術缺陷方面，第一，當前的機器學習本質(zhì)上是一項黑盒技術，其訓練過程具有難以解釋、不可控制的特點，且隨著人工智能的應用復雜度、需求數(shù)據(jù)量的指數(shù)式增長，機器學習尤其是基于多層神經(jīng)網(wǎng)絡的深度學習復雜程度愈發(fā)超出人類理解和控制范疇，在快速進化過程中極易偏離人類為其預設的軌跡。例如，微軟發(fā)布的人工智能機器人Tay在與網(wǎng)友聊天的過程中很快學會了臟話，甚至學會了種族歧視的言論，導致微軟被迫緊急下線該產(chǎn)品。第二，機器學習模型訓練過程完全依賴于海量數(shù)據(jù)，數(shù)據(jù)的好壞將直接決定人工智能技術效能，訓練數(shù)據(jù)的任何偏差都將在人工智能應用中如實反映。例如，由于用于模型訓練的簡歷具有男多女少的特點，因此，亞馬遜的智能簡歷篩選系統(tǒng)學會了性別歧視，一旦抓取到簡歷中“女”這一關鍵詞，便會降低應聘者的考核分數(shù)。

在技術濫用方面，隨著人工智能應用領域的快速延伸，人工智能技術觸及人類道德倫理底線，乃至威脅人類自身安全的事件不斷出現(xiàn)。例如，斯坦福大學的研究人員于2017年發(fā)布了一種依靠面部圖像識別來判斷性取向的算法，該算法判斷男同性戀和女同性戀的準確率分別高達91%和83%。因此，該應用只需提取人類上傳在社交網(wǎng)絡的照片即可判斷其性取向，這無疑是嚴重侵犯個人隱私的行為。而人工智能一旦在黑客網(wǎng)絡攻擊，甚至大規(guī)模殺傷性武器等方面濫用，將引發(fā)難以估量的嚴重后果。

防范人工智能風險已經(jīng)“在路上”

隨著“AlphaGo戰(zhàn)勝李世石”等標志性事件接連出現(xiàn)，人工智能引發(fā)的憂慮隨之加深，人類開始從法律法規(guī)、道德準則、技術等多個角度探索防范人工智能潛在風險的手段。法律法規(guī)方面，2017年，歐美多個國家提出要積極開展人工智能相關的立法研究。例如，英、美分別在《人工智能：未來決策制定的機遇與影響》、《人工智能未來法案》中強調(diào)，要密切關注人工智能可能的負面影響，并提出要確保人工智能威脅的最小化。道德準則方面，2018年，谷歌因參與軍方人工智能項目而引發(fā)內(nèi)部員工的強烈反對，最終被迫發(fā)布了11條運用人工智能技術的“不作惡”準則。2018年12月，歐盟發(fā)布人工智能道德指南草案，提出了規(guī)范人工智能應用的幾大問題。

此外，在技術方面，人臉檢測動態(tài)擾亂系統(tǒng)并非反人工智能的首次技術嘗試。此前，美國麻省理工學院（MIT）的研究人員就曾嘗試通過構建3D對抗樣本來欺騙圖像識別系統(tǒng)。此外，生成對抗網(wǎng)絡（GAN）的創(chuàng)造者伊恩·古德費洛曾在2017年牽頭組織對抗攻擊防御競賽，引導研究人員開展人工智能算法的攻防比拼，以期引起各方對反人工智能技術的關注和研究。

從某種意義上講，當人類出于自身福祉的考慮開發(fā)出的人工智能難免令人擔憂，而相關法律法規(guī)和技術倫理又大為滯后時，相比于法律道德的“防君子不防小人”，在技術層面實實在在地開發(fā)人工智能的對抗技術顯然更能讓人心安。因此，雖然現(xiàn)在的人工智能技術還很弱，但反人工智能的出現(xiàn)也是必然的。

反人工智能仍處于起步探索階段

反人工智能歷經(jīng)兩大階段

截至目前，反人工智能技術的發(fā)展大致經(jīng)歷了兩個階段。早期，反人工智能技術主要聚焦于通過污染訓練數(shù)據(jù)來攻擊機器學習模型。這是一種簡單直接的反制方法。但由于機器學習模型一般都在封閉環(huán)境中開展訓練，很難受到外部干擾，因此這類技術并未獲得進一步發(fā)展。2014年，伊恩·古德費洛提出的生成對抗網(wǎng)絡為反人工智能技術開辟了第二條技術路徑，研究人員可基于生成對抗網(wǎng)絡對源數(shù)據(jù)施加微擾，從而構造動態(tài)對抗數(shù)據(jù)，這一微擾難以被用戶感知，卻能使機器學習模型在檢測識別時做出錯誤判斷。該方法與人工智能技術相同，都基于機器學習算法。

反人工智能技術效能仍然較低

人工智能尚處于初級階段，而反人工智能在技術效能和應用領域等方面處于更加早期的階段。從技術效能看，構造對抗數(shù)據(jù)的方法易于被有效防御。只要在人工智能模型訓練初期利用已知的對抗性數(shù)據(jù)進行訓練，就能提升模型辨別良性、惡性數(shù)據(jù)的能力，進而抵御對抗性數(shù)據(jù)對模型系統(tǒng)的壓制。從應用領域看，由于反人工智能技術亦基于機器學習，因此與人工智能技術在圖像和語音識別領域發(fā)展類似，反人工智能技術也集中在這兩個領域。自然語言處理、認知推理等其他人工智能應用領域尚無可行的反人工智能解決方案。此外，此類方法只能在人工智能模型系統(tǒng)的推斷環(huán)節(jié)實施干擾，無法在訓練環(huán)節(jié)發(fā)揮作用。

反人工智能也須“三思而后用”

反人工智能技術的出現(xiàn)反映了人類對人工智能發(fā)展的憂慮，但該技術的發(fā)展與應用同樣需要審慎。本質(zhì)上，人工智能和反人工智能都是基于機器學習算法的技術，只是在技術效能上構成相互對抗的關系，即以人工智能對抗人工智能。因此，反人工智能在某種程度上同樣具有不可靠性，也同樣面臨著不可控、被濫用的風險。例如，自動駕駛高度依賴人工智能的圖像識別技術，倘若反人工智能技術被非法地運用在自動駕駛領域，就可能導致自動駕駛汽車無法有效識別道路信息，從而引發(fā)災難性后果。因此，在人工智能演進路徑尚不清晰的情況下，要審慎思考人工智能與反人工智能的關系，綜合性、互補性地發(fā)展和運用人工智能與反人工智能技術，從而在最大程度上確保人工智能在造福人類時可控、可靠、可信。

對策建議

布局反人工智能技術研究

圍繞確保人工智能技術可控、可靠、可信的總體目標，加快推進反人工智能的基礎理論研究和應用技術研發(fā)，爭取未來技術的發(fā)展主動權。一是支持開展基于生成對抗網(wǎng)絡的反人工智能技術研發(fā)，提升反人工智能技術的抗干擾能力和實用性，防止其被人工智能技術“反對抗”。二是在開展圖像識別、語音識別領域反人工智能技術研發(fā)的同時，在自然語言處理、認知推理等其他人工智能應用領域積極開展反人工智能技術研究。三是支持開展針對人工智能機器學習模型訓練環(huán)節(jié)反人工智能技術的理論研究和技術開發(fā)。四是前瞻布局適用于反人工智能技術研發(fā)的基礎理論，探索機器學習以外的革新性技術路徑。

探索反人工智能應用場景

面向人工智能應用過程中潛在風險防控的現(xiàn)實需求，推動反人工智能技術的落地應用，積極探索人工智能與反人工智能的協(xié)同發(fā)展路徑。一是圍繞智能終端、云端軟件系統(tǒng)等各類人工智能應用模式，支持將反人工智能技術作為風險防控模塊，嵌入現(xiàn)有的人工智能產(chǎn)品服務，提升其可靠和可控程度。二是針對用戶隱私保護、敏感系統(tǒng)防護等特定場景，將反人工智能技術作為獨立產(chǎn)品，探索信息安全防護產(chǎn)品、服務的開發(fā)與應用。三是積極推動圖像識別對抗系統(tǒng)、語音識別對抗系統(tǒng)等相對成熟的反人工智能技術的商業(yè)化落地。

深化人工智能與反人工智能理論研究

從確保人工智能健康發(fā)展、造福人類的根本立場出發(fā)，在理論、倫理等層面上加強對人工智能、反人工智能的綜合性研究。一是前瞻布局腦科學、計算機科學、哲學等領域的跨領域基礎理論研究，探索人工智能發(fā)展的客觀規(guī)律和根本目標。二是積極開展關于人工智能的系統(tǒng)研究，提高對人工智能與反人工智能的本質(zhì)及二者之間關系的認識，明確人工智能與反人工智能的研發(fā)標準、認證體系、應用范圍。三是積極參與國際合作，共同開展人工智能道德倫理準則研究，推進相關法律法規(guī)的研究制定，加快完善人工智能和反人工智能的管理規(guī)范和監(jiān)管手段。