AI也會看走眼

文森特·納瑞格特 陳雯潔

它們是世界上最高級的算法，它們的視覺識別能力比人類還厲害：深度神經網絡只需一瞥便能識別各式各樣的物體，動物、人臉、指示牌……人工智能技術正在掀起一場全方位的革命。

但這一成功的背后隱藏著一個漏洞，一個誰也沒有料到的驚人軟肋……盡管問題還未在大眾媒體上曝光，但近兩年來已有不少研究團隊投入這場救火行動。究竟是什么問題？聽好了：這套無與倫比的算法會被莫名其妙的視錯覺干擾，從而犯下低級錯誤！

選取某物體的一張數碼照片，巧妙地改動它的幾個像素值……人眼完全看不出修改前后的差別，可算法系統立刻就“看到”了另一個毫不相干的物體。一張稍作處理的熊貓照片，人工智能看到的卻是一只猴子，而且確定程度超過99%。把烏龜看成沖鋒槍，把滑雪者看成狗，把貓看成公交車，把喬治·克魯尼看成達斯汀·霍夫曼，把橙子看成直升機……此類案例不一而足。

更糟糕的是，據美國麻省理工學院機器學習理論家安德魯·伊利亞斯透露，“現在還沒有人能解釋這一現象”。必須承認，信息科學家至今仍不能理解，在這些極高維度的計算空間里究竟發生了什么。

這些超現實主義畫派風格的“黑客”實驗或許令人發笑。但你若是知道這些算法將被用于我們的日常生活，就一定笑不出來了。它們可能會把標記“?！钡慕煌ㄖ甘九瓶闯伞皟炏韧ㄐ小?，把紅燈看成綠燈，把惡性腫瘤看成健康器官的一部分，把學?？闯绍娛麓驌裟繕?，把炸彈看成三明治，把恐怖分子看成執法人員，把一起謀殺看成平常事件，或者反過來……或許幾十年后的信息戰就是這個樣子？

極其簡單的攻擊

在一些大學及行業巨頭，如谷歌或臉書的實驗室里進行的最新研究顯示，上述風險確實存在。“最初的實驗在嚴格控制的實驗室條件下進行，哪怕開放了目標模型的所有內部參數，計算時間還是很長?！北壤麜r根特大學神經網絡數學專家喬納森·佩克介紹道，“但現在情況不一樣了，這種襲擊已經變得輕而易舉。”

近期的研究表明，這種細微的視錯覺在現實應用中仍然存在。例如用普通的智能手機在運動中拍照，在不同角度與光線條件下都會造成人工智能判斷錯誤。美國的一個研究團隊證實，在標記“?！钡慕煌ㄖ甘九粕险成弦粚淤N紙，對標記進行精心篡改，人類駕駛員不會上當，卻能騙過所有自動駕駛汽車：卡耐基梅隆大學的研究人員則借助印有圖案的眼鏡，把一個用于面部識別的人工智能程序騙得團團轉。

此類攻擊不但有可能出現在我們的日常生活中，而且實施者根本不需要侵入目標系統?！霸谖易罱鼌⑴c的對某些形式的攻擊的研究中，對手只需用幾張準備好的圖片對相關算法進行測試，觀察其反應即可?！辟e夕法尼亞州立大學的尼古拉斯·帕佩爾諾表示。他利用這種方法騙過了亞馬遜和谷歌的人工智能機器人，二者的確信度分別為96%和88%。而雪上加霜的是，針對某一種人工神經網絡設計的攻擊，通常也能干擾其他架構的人工智能。

更何況現在每天都會增加一些新的攻擊形式！谷歌的一個團隊剛剛研制出一種奇特而令人生畏的武器：一張貼紙。它十分顯眼，看起來毫無破壞性，可它能讓今天所有的人工智能相信，被它標記過的物品或生物都是同一件東西——烤面包機。

軍備競賽

面對上述威脅，信息技術領域的部分人員已經積極行動起來，尋找解決辦法?！捌鸪跞藗冊O計這些系統時，并沒有想到它們會面對對手?！蹦峁爬埂づ僚鍫栔Z提醒道。人們想出很多策略來檢測和清除此類惡意干擾，但暫時還沒有找到行之有效的辦法。研究人員幾乎無法從理論上證明人工神經網絡運行可靠，而且一直沒有找到被誤判的圖片的共同特點——去年秋天，加州大學伯克利分校的一個研究團隊輕輕松松就騙過了目前提出的十種探測攻擊圖片的方法。“這段時間我們就像在進行某種軍備競賽：研究人員不斷提出新的保護方案，而其他人幾乎立刻就能攻破它們?！眴碳{森·佩克說。這是一場永遠不會真正結束的小游戲。

人工智能的未來會系于此嗎？該漏洞會讓方興未艾的數碼革命完結嗎？那些投入數十億歐元的項目會因此中斷嗎？現在下結論還為時過早……喬納森·佩克認為“風險實在太大，可能會減緩甚至終結自動駕駛汽車的發展”，而另一些研究人員將這個漏洞看作在關鍵應用中使用人工智能之前所必須克服的一個挑戰。但所有人都同意，這個漏洞可能產生有益的刺激，推動我們在使用這些偶爾“行為詭異”的人工智能算法時，不斷尋求更可靠、更適宜的方式。

（奇 點摘自《新發現》2018年第9期）