如今人工智能發(fā)展火熱，機(jī)器學(xué)習(xí)預(yù)見(jiàn)成熟，智能化未來(lái)似乎指日可待。表面上似乎一切都在按部就班的進(jìn)行，但背后也不乏暴露出很多問(wèn)題。就像近期人工智能威脅論就引發(fā)了不少的言論激戰(zhàn)，揪其根源還是人工智能是否能夠有意識(shí)違背人類意愿操控事務(wù)的問(wèn)題。

因此，我們或許想問(wèn)：人工智能機(jī)器人究竟有多強(qiáng)大？機(jī)器人真的會(huì)“反噬”人類嗎？《終結(jié)者》里的Skynet（天網(wǎng)）會(huì)真的發(fā)生在現(xiàn)實(shí)生活中嗎？

強(qiáng)弱AI

首先我們應(yīng)該區(qū)分兩個(gè)概念：強(qiáng)AI和弱AI。強(qiáng)AI 是指一種能夠思考并可以感知自身存在的假想機(jī)器。它不僅可以解決人類為其定制的任務(wù)，還可以學(xué)習(xí)新事物。

弱AI目前很常見(jiàn)，它是一種用于解決特定問(wèn)題的應(yīng)用程序，例如圖像識(shí)別、汽車駕駛、playing Go（圍棋）等，也就是我們常說(shuō)的“機(jī)器學(xué)習(xí)”。

目前，我們還無(wú)法預(yù)測(cè)強(qiáng)AI什么時(shí)候能夠真正被研發(fā)出來(lái)。專家們經(jīng)過(guò)調(diào)研推斷的結(jié)果也是“有朝一日”。

相比強(qiáng)AI，弱AI目前已經(jīng)存在，很多領(lǐng)域都可以看到弱AI的身影，并且應(yīng)用范圍每年都在增長(zhǎng)。通過(guò)實(shí)例學(xué)習(xí)，機(jī)器學(xué)習(xí)幾乎可以讓我們?cè)跓o(wú)需編程的情況下處理實(shí)際任務(wù)。

人工智能威脅論真的存在嗎？

我們通過(guò)建立數(shù)學(xué)模型（“學(xué)習(xí)”算法），教會(huì)機(jī)器人解決具體問(wèn)題。機(jī)器人會(huì)按照我們規(guī)劃好的模型法去執(zhí)行任務(wù)，也就是說(shuō)機(jī)器學(xué)習(xí)的一切行為都是基于我們的操控，我們似乎不用擔(dān)心電影《終結(jié)者》天網(wǎng)的發(fā)生。但如果我們抱有這樣天真的想法，我們就錯(cuò)了，因?yàn)闄C(jī)器學(xué)習(xí)仍然可能違背人類的意愿去執(zhí)行錯(cuò)誤的任務(wù)。

1．不良企圖

如果我們教一個(gè)無(wú)人機(jī)軍隊(duì)使用機(jī)器學(xué)習(xí)去殺人，那么結(jié)果是否符合道德行為標(biāo)準(zhǔn)？

基于這個(gè)話題還發(fā)生過(guò)一場(chǎng)鬧聞。2017年，谷歌正在開(kāi)發(fā)一款用于軍事項(xiàng)目的軟件，名為Maven。該項(xiàng)目涉及到無(wú)人機(jī)，以及未來(lái)完全自主武器系統(tǒng)的制造。因此，谷歌的12名員工辭職以示抗議，另外有4000名員工簽署了一份請(qǐng)?jiān)笗蠊痉艞壟c軍方的合同。與此同時(shí)，人工智能、倫理學(xué)領(lǐng)域的1000多名知名科學(xué)家一起寫了一封致谷歌的公開(kāi)信，要求該公司放棄該項(xiàng)目并支持禁止自主武器的國(guó)際協(xié)議。

2．開(kāi)發(fā)者偏見(jiàn)

即使機(jī)器學(xué)習(xí)算法開(kāi)發(fā)人員沒(méi)有惡意，但他們中的很多人還是金錢價(jià)值觀，他們的最終目的還是為了賺錢。也就是說(shuō)，他們的算法是為了使自己受益而創(chuàng)建的，并非是為了社會(huì)利益。例如，一些醫(yī)療算法會(huì)推薦昂貴的治療方法，卻很少推薦最佳患者治療方案。

實(shí)際生活中算法的道德規(guī)范問(wèn)題似乎也沒(méi)有很大體現(xiàn)。例如，交通速度和車禍死亡率之間是可以存在折中方案的。我們可以將自動(dòng)駕駛汽車的最高行駛速度限制在15英里＼小時(shí)以下，這樣幾乎可以將車禍死亡率降到零，但這樣卻損失了汽車的其他優(yōu)勢(shì)。

3．違背邏輯規(guī)范

電腦系統(tǒng)在默認(rèn)的情況下，對(duì)邏輯規(guī)范一無(wú)所知。一種算法可以將國(guó)家預(yù)算與“最大化GDP／勞動(dòng)生產(chǎn)率／預(yù)期壽命”的目標(biāo)結(jié)合起來(lái)，但如果沒(méi)有在模型中編制限制，它可能會(huì)取消學(xué)校、收容所和環(huán)境的預(yù)算，因?yàn)樗鼈儾粫?huì)直接增加GDP。

為了一個(gè)目標(biāo)，我們可以讓機(jī)器學(xué)習(xí)執(zhí)行任何一個(gè)復(fù)雜任務(wù)，但前提是要融入相關(guān)的邏輯規(guī)范。

4．改變?nèi)祟惼?/p>

機(jī)器學(xué)習(xí)給我們的生活帶來(lái)了很多便利，但無(wú)形之中也在改變我們的生活常態(tài)甚至個(gè)人行為偏好。例如智能電影推薦，機(jī)器學(xué)習(xí)會(huì)根據(jù)您對(duì)電影的評(píng)分，將您的偏好與其他用戶進(jìn)行對(duì)比，然后向您推薦電影。長(zhǎng)期下來(lái)，您的偏好將因?yàn)殡娪巴扑]系統(tǒng)而被改變，興趣范圍也會(huì)被縮小。

但可怕的是，我們并沒(méi)有意識(shí)到這種改變的發(fā)生，沒(méi)有意識(shí)到計(jì)算機(jī)對(duì)我們的操控。

5．錯(cuò)誤的相關(guān)性

當(dāng)完全彼此獨(dú)立的事物表現(xiàn)出非常相似的行為時(shí)，就會(huì)產(chǎn)生一種虛假的關(guān)聯(lián)，這就會(huì)造成一種錯(cuò)覺(jué)，認(rèn)為它們之間存在某種聯(lián)系。例如，你會(huì)認(rèn)為美國(guó)的人造黃油消費(fèi)與緬甸州的離婚率密切相關(guān)嗎？

我想任何一個(gè)有點(diǎn)學(xué)識(shí)的人都不會(huì)認(rèn)為二者是相關(guān)的。但數(shù)學(xué)模型不具備這樣的經(jīng)驗(yàn)學(xué)識(shí)，它只是用來(lái)學(xué)習(xí)和數(shù)據(jù)概括的工具，在它的邏輯系統(tǒng)里，這樣相似性的曲線變化表明二者之間一定有著某種聯(lián)系。

6．反饋循環(huán)

相比錯(cuò)誤相關(guān)性，反饋循環(huán)影響更大。反饋循環(huán)是指算法決策影響現(xiàn)實(shí)的情況，反過(guò)來(lái)又使算法確信其結(jié)論是正確的。

例如，加利福尼亞的一項(xiàng)預(yù)防犯罪計(jì)劃表明，警察應(yīng)該根據(jù)當(dāng)?shù)氐陌讣?shù)量斷定犯罪率，然后根據(jù)犯罪率派遣相應(yīng)的警官。但最終會(huì)陷入到這樣一個(gè)循環(huán)里：一個(gè)街區(qū)的警察增加，當(dāng)?shù)鼐用竦膱?bào)警次數(shù)就會(huì)增多，從而增高犯罪率，按照預(yù)防犯罪計(jì)劃就要派遣更多的警察，警察數(shù)量增多，人們的報(bào)案數(shù)量就又增多，報(bào)案率上升，便又增加警察數(shù)量······

7．“被污染”的參考數(shù)據(jù)

算法學(xué)習(xí)的結(jié)果很大程度上取決于參考數(shù)據(jù)，它們構(gòu)成了學(xué)習(xí)的基礎(chǔ)。然而，數(shù)據(jù)很有可能會(huì)因?yàn)槟撤N偶然的情況或是個(gè)人意圖而發(fā)生扭曲，即數(shù)據(jù)“被污染”。

一個(gè)經(jīng)典的例子就是2016年微軟推出的聊天機(jī)器人Tay，微軟將這款機(jī)器人視為“對(duì)話理解”的實(shí)驗(yàn)。微軟表示，與Tay進(jìn)行的聊天越多，它就會(huì)越聰明。但是微軟的此次聊天實(shí)驗(yàn)卻只進(jìn)行了24小時(shí)就不得不停止，因?yàn)闊o(wú)辜的聊天機(jī)器人竟然在24小時(shí)內(nèi)被教會(huì)了大量種族歧視、性別歧視的用語(yǔ)。Tay的案例為機(jī)器學(xué)習(xí)的研發(fā)工作敲了警鐘，反應(yīng)了“被污染” 數(shù)據(jù)的嚴(yán)重性。

8．機(jī)器欺騙

即便是一個(gè)功能、數(shù)據(jù)都良好的模型，它工作原理的泄露也會(huì)讓惡人鉆了空子。例如，有一組研究人員研發(fā)了一種可以欺騙面部識(shí)別算法的特殊眼鏡，這種眼鏡會(huì)在圖像中引入最小的失真，從而改變面部識(shí)別結(jié)果。

怎樣解決？

2016年，奧巴馬政府的大數(shù)據(jù)工作組發(fā)布了一份報(bào)告，警告：“在自動(dòng)化決策中可能存在編碼歧視”。該報(bào)告還呼吁創(chuàng)建遵循平等原則的算法。

但將報(bào)告完全落實(shí)應(yīng)用就很難了。

首先，機(jī)器學(xué)習(xí)數(shù)學(xué)模型很難測(cè)試和修復(fù)。因?yàn)樵跈C(jī)器學(xué)習(xí)中，一切都取決于學(xué)習(xí)樣本的大小，樣本的數(shù)量是有限的。

舉一個(gè)經(jīng)典的例子：早在2015年，軟件工程師JackyAlciné曾指出谷歌照片中的圖像識(shí)別算法將他的黑人朋友歸類為“大猩猩”。谷歌對(duì)此錯(cuò)誤感到震驚，并向 Alciné表示歉意，承諾修復(fù)該錯(cuò)誤。然而三年后，谷歌除了禁止在圖像標(biāo)記中使用“大猩猩”等類似詞語(yǔ)外，并沒(méi)有其他更好的解決方案。

其次，機(jī)器學(xué)習(xí)算法的決策很難被理解和解釋。神經(jīng)網(wǎng)絡(luò)會(huì)在其內(nèi)部安排加權(quán)系數(shù)來(lái)得到答案。但其過(guò)程是怎樣的呢？錯(cuò)誤答案如何被修正呢？

舉兩個(gè)例子：2015年的一項(xiàng)研究顯示，谷歌廣告高薪工作的瀏覽次數(shù)，男性高于女性。亞馬遜當(dāng)天免費(fèi)送貨服務(wù)，非洲裔美國(guó)人社區(qū)（黑人社區(qū)）卻享受不到?；谶@兩種情況，兩家公司均表示無(wú)法解釋這些由算法做出的決定。

基于這些算法決策，沒(méi)有人應(yīng)用受到責(zé)備。因此我們需要對(duì)機(jī)器人制定出一套法律法規(guī)來(lái)規(guī)定機(jī)器人的行為決策。2018年5月，德國(guó)人邁出了第一步，他們發(fā)布了世界上第一個(gè)自動(dòng)駕駛汽車指南。部分內(nèi)容為：

與一切財(cái)產(chǎn)相比，人類生命至上。

不可避免性事故，不得有歧視，不得有任何區(qū)別性因素存在。

如果自動(dòng)駕駛比人類駕駛造成的事故少，那么自動(dòng)駕駛系統(tǒng)將成為道德要求。

很明顯，機(jī)器學(xué)習(xí)在個(gè)別任務(wù)的管理能力上確實(shí)比人類強(qiáng)，導(dǎo)致我們對(duì)機(jī)器學(xué)習(xí)的依賴程度越來(lái)越高。因此記住這些機(jī)器學(xué)習(xí)缺陷就顯得尤為重要，研發(fā)人員應(yīng)該在開(kāi)發(fā)階段測(cè)試好所有可能存在的問(wèn)題，并設(shè)置好算法的監(jiān)控措施。