謹慎一點是必須的 我們對人工智能能夠信任到什么程度？

• 2017年9月13日 ZhouXun來源：網(wǎng)易智能 516 28
• 繁體

人工智能是典型的軟件主導(dǎo)，而軟件是容易出現(xiàn)漏洞的?？紤]到這一點，我們?nèi)绾沃廊斯ぶ悄鼙旧硎亲銐蚩煽咳ネ瓿晒ぷ鞯?或者更確切地說，我們對于人工智能的成果能夠信任到什么程度?

關(guān)于人工智能(AI)這個相當(dāng)過時的概念，最近引起了大量的討論。人工智能充斥著我們的生活，涉及了無數(shù)的應(yīng)用程序，從谷歌搜索，到Uber或Lyft打車軟件，到機票價格，到智能助手Alexa或Siri。對一些人來說，人工智能是一種拯救，它會提高生活質(zhì)量，同時在眾多成熟的行業(yè)中注入創(chuàng)新元素。然而，另一些人則發(fā)出了可怕的警告：我們很快就會完全被高超的機器智能所征服。人工智能是典型的軟件主導(dǎo)，而軟件是容易出現(xiàn)漏洞的?？紤]到這一點，我們?nèi)绾沃廊斯ぶ悄鼙旧硎亲銐蚩煽咳ネ瓿晒ぷ鞯?或者更確切地說，我們對于人工智能的成果能夠信任到什么程度?

盲目信任的風(fēng)險

我們來討論一下自動駕駛汽車。汽車自動駕駛系統(tǒng)的發(fā)展中，人工智能的元素發(fā)揮了很大的作用。現(xiàn)在制造出了大部分時間都遵守道路規(guī)則的車輛。這里有一個案例，一輛自動駕駛汽車在佛羅里達州側(cè)面撞上一輛轉(zhuǎn)彎的卡車，導(dǎo)致“司機”死亡。這起事故最終被歸咎于“司機”的失誤，因為自動控制裝置被認為是在他們的設(shè)計范圍內(nèi)運行的。當(dāng)時的躲避系統(tǒng)設(shè)計要求雷達和視覺系統(tǒng)的結(jié)果達成一致后做出閃避的動作。

然而，有證據(jù)表明，白色卡車在明亮的陽光下轉(zhuǎn)彎時造成眩光晃到了這輛車的視覺系統(tǒng)。于是這個系統(tǒng)既沒有察覺到，也沒有對即將到來的危險做出反應(yīng)。并且，在這次事故中，還有其他證據(jù)表明，當(dāng)時“司機”正在看《哈利波特》電影。這名“司機”顯然對自動駕駛系統(tǒng)過于自信，并沒有對其行為進行積極的監(jiān)控，也沒能發(fā)現(xiàn)它的漏洞，盡管估計有7秒鐘的可以讓他預(yù)見到風(fēng)險的時間。

設(shè)計的保護等級已經(jīng)確定，但司機沒有意識到他的自動駕駛儀仍然需要他全神貫注的注意力。在這種罕見的情況下，對于人工智能系統(tǒng)的錯誤信任引發(fā)了致命的結(jié)果。

建立信任的門檻

人工智能的發(fā)展確實令人印象深刻。美國國防部高級研究計劃局(DARPA)在2016年年底完成了“網(wǎng)絡(luò)大挑戰(zhàn)”(CGC)競賽。CGC上，機器可以獨立地玩一種被稱為“奪旗必死”的實時黑客游戲。在這里，“旗幟”隱藏在代碼中，黑客的工作就是利用漏洞攻擊對手的“旗幟”。CGC為最成功的球隊提供了200萬美元的獎金。CGC最后一輪在一個普通的封閉網(wǎng)絡(luò)上，在沒有人為干預(yù)的情況下，七臺機器相互競爭。這些機器必須識別對手系統(tǒng)中的漏洞，在自己的系統(tǒng)上進行修復(fù)，并在對手的系統(tǒng)中利用這些漏洞來奪旗。卡內(nèi)基梅隆大學(xué)的Mayhem團隊獲得勝利。

美國國防部高級研究規(guī)劃局信息創(chuàng)新辦公室主任John Launchbury將與CGC有關(guān)的人工智能的特征描述為手工制造的知識。這項技術(shù)從早期的專業(yè)系統(tǒng)中脫穎而出，對于現(xiàn)代人工智能的發(fā)展至關(guān)重要。在手工制造的知識中，系統(tǒng)根據(jù)復(fù)雜的、手動定義的規(guī)則集進行推理。這種人工智能具有推理能力，但在感知方面是有限的，它沒有學(xué)習(xí)和進行抽象的能力。

在對于未來的推理型人工智能可以快速診斷和修復(fù)軟件漏洞這方面建立信心的同時，需要指出CGC是有范圍限制的。出于競賽的目的，開源操作系統(tǒng)的擴展被簡化了，被植入的惡意軟件版本，相對于真實生活中的惡意軟件來說，是大打折扣的。這就有意地減輕了開發(fā)負擔(dān)，為競爭評估建立了統(tǒng)一的基礎(chǔ)，并降低了將競爭對手的軟件不經(jīng)重大修改就發(fā)布到更大的聯(lián)網(wǎng)世界的風(fēng)險。

在游戲中使用“卑鄙的手段”來擊敗對手，是一個更黑暗的維度。盡管重新設(shè)計代碼以快速隔離和修復(fù)漏洞是好的，但將這些漏洞轉(zhuǎn)化為有效利用其他代碼的機會是另一回事。一些人擔(dān)心，如果這種能力得到釋放并失去控制，它可能會變成一種“超級代碼”——既規(guī)避了常見的漏洞，也能利用同樣的漏洞來控制他人的網(wǎng)絡(luò)，包括日益增長和可能還很脆弱的物聯(lián)網(wǎng)。這種擔(dān)憂促使電子前沿基金會呼吁人工智能開發(fā)者“道德規(guī)范”，以限制推理系統(tǒng)在可信賴的狀態(tài)下執(zhí)行。

機器學(xué)習(xí)增加了信任的賭注

Launchbury把統(tǒng)計學(xué)習(xí)這個詞歸于他認為的第二次浪潮。在這里，感知和學(xué)習(xí)能力很強，但這項技術(shù)缺乏執(zhí)行推理和抽象的能力。雖然統(tǒng)計數(shù)據(jù)令人印象深刻，但機器學(xué)習(xí)會周期性地產(chǎn)生不可靠的結(jié)果，通常表現(xiàn)為奇怪的異常值。隨著時間的推移，機器學(xué)習(xí)也會因受到污染的訓(xùn)練數(shù)據(jù)而出現(xiàn)偏差?？紤]到并非所有的人工智能學(xué)習(xí)都能產(chǎn)生可預(yù)測的結(jié)果，這導(dǎo)致了人工智能系統(tǒng)可能會以意想不到的方式出錯。那么，有效地定義人工智能工具的信任等級就是個很大的障礙。

從本質(zhì)上講，人工智能是一種高階結(jié)構(gòu)。在實踐中，大量松散聯(lián)合的實踐和算法似乎構(gòu)成了大多數(shù)人工智能的組成部分——通常跨越許多局部領(lǐng)域。事實上，人工智能已經(jīng)遠遠超出了計算機科學(xué)的范疇，涵蓋了神經(jīng)科學(xué)、語言學(xué)、數(shù)學(xué)、統(tǒng)計學(xué)、物理學(xué)、心理學(xué)、生理學(xué)、網(wǎng)絡(luò)科學(xué)、倫理學(xué)等領(lǐng)域。下圖描繪了一組不完全統(tǒng)計的算法，這些算法是第二波人工智能現(xiàn)象的基礎(chǔ)，通常被統(tǒng)稱為機器學(xué)習(xí)。

為了實現(xiàn)機器學(xué)習(xí)的某種狀態(tài)，有大量的潛在算法和方法存在，這就帶來了一些嚴重的信任問題，特別是對于那些為了確保信任等級而參與軟件測試的人來說。當(dāng)人工智能與任務(wù)臨界狀態(tài)相關(guān)時，就像越來越多的情況一樣，測試人員必須為多個因素建立基礎(chǔ)，例如程序一致性、可重復(fù)性、穿透性、應(yīng)用路徑跟蹤，或可識別的系統(tǒng)故障模式。

關(guān)于什么是最合適的人工智能算法這個關(guān)鍵問題的歷史，可以追溯到1976年。人工智能從業(yè)者都面臨著一個復(fù)雜的問題，那就是如何使用合適的算法來適應(yīng)所需的人工智能設(shè)計。給定一個預(yù)期結(jié)果，那么，哪種算法最準確?哪一種效率最高?在預(yù)期的環(huán)境中，哪一種最容易實現(xiàn)?哪一種隨時間擁有最大的潛力?哪些是最熟悉、最有可能讓用戶參與其中的?設(shè)計是基于某種集中式還是分布式代理、或者是集群軟件代理?這一切要怎么進行測試呢?

延伸閱讀

推薦閱讀

猜您喜歡