• 移动端
    访问手机端
    官微
    访问官微

    搜索
    取消
    温馨提示:
    敬爱的用户,您的浏览器版本过低,会导致页面浏览异常,建议您升级浏览器版本或更换其他浏览器打开。

    院士何积丰:构建安全可信的人工智能

    来源:信息安全与通信保密 2019-10-17 15:18:52 何积丰 人工智能 金融安全
         来源:信息安全与通信保密     2019-10-17 15:18:52

    核心提示数据隐私种类不同,如果在特定领域大量数据被出售,那么可能会牵涉国家安全,而且数据隐私问题的级别处理相差很大,大数据存在被滥用的迹象。

    人工智能的技术特点

    人工智能作为一项无处不在的赋能技术, 越来越被大众所熟知。技术发展方向从智能认知、智能感知到现在的通用性泛在智能。

    人工智能技术的突破和应用需要巨大的资金投入, 投入应当产生经济价值,如果开发出优秀的人工智能产品,但是由于价格昂贵无人买单,技术研发和产品量化生产成本无法降低,那么这种发展是不可持续的。

    目前人工智能的发展主要有三大特点。

    首先,现阶段人工智能的通用性较弱,行业应用场景差异较大,技术大规模的普及应用仍未真正实现。因此需要有更多的技术推动人工智能通用发展,此趋势不可阻挡,不仅是技术发展的需求,更是整个社会经济发展的需求。

    其次,人工智能是一种赋能技术,并非一门学科。人工智能能够与行业、社会治理结合,具备新的赋能功能。

    以上海为例,人工智能的发展关系到上海的经济中心、金融中心、航运中心、科技中心建设,能够与四大中心建设紧密结合。目前上海人工智能发展共有两大试验区,一是科技部支持的国家新一代人工智能创新发展试验区,另一个是全国首个人工智能创新应用先导区。无论是科学中心还是科创中心, 其面临的重要挑战都是缺少“以人为本”。

    最后,人工智能最大的特点是以人为基本单位,而不是技术需要。现阶段技术的发展已经触碰到了应用边线,在很大程度上属于边界问题。早期人工智能充满趣味性,能够与人类下棋,微软公司也开发过打麻将的游戏。

    但是, 笔者并不认同此种人工智能的发展方向,人工智能赋能并不是与人类玩游戏,关键在于能够给人类生活提供帮助。大型企业更多地在做游戏软件开发,比如教会人工智能如何下棋、打麻将,然而笔者认为这种方向并不太受欢迎。

    人工智能技术发展需要大数据和行业的应用能力结合,产生良好的效应。其实质是通过计算耗费算力与产生结果,并不需要消耗大量的燃料,需要的是各种软硬件集合支持。

    在这种情况下,并非人类大脑参与了人工智能技术的发展,因此,如今的人工智能发展方向出现了偏差。如果是人为参与指导,人工智能发展的发展速度会比较快,这应当是我们所关心和重视的发展方向。

    无论是研究机器视觉、策略游戏,还是语言文本、辅助工具、安全防范,都应当有很强的人机交互过程。过去强调得比较少,更多的是强调机器自动生成。

    人工智能在学习一些最简单的算法,而算法的标签都是由人类打的。人类制作了大量标签,使机器懂得哪个是“狗”, 哪个是“猫”。如果是在家庭环境中,父母利用两张卡片便能够教会孩子如何区分清楚“狗” 和“猫”。当前,人工智能仍处于发展的初步阶段,并没有找到机器如何向人类学习的方法。

    人工智能引领产业革命

    人工智能引领新一轮产业革命。中国人工智能产业发展迅速,处于全球第二位,以上海为例,上海拥有六大产业模块,在全国范围内处于领先地位,而传统产业的改造并非一朝一夕能够完成,因此人工智能赋能传统产业显得尤为重要。

    传统产业的改造面临着新的挑战, 最重要的在于人工智能技术如何为传统产业服务,这应当是最值得关注的问题。

    关于无人驾驶的问题,笔者并不赞成无人驾驶,“智能驾驶”已经足够,只有人、路、机、车联在一起才能组成智能的交通系统。

    比如在无人驾驶的过程中,人类坐在车上会感到胆战心惊,无人驾驶是否会闯祸乘客无从得知。技术的发展与产业发展、社会发展、城市发展应当有合理的界限,而不是当新技术产生之后, 人类便停止工作,这种情形是不可能实现的。

    人工智能的应用行业十分广泛。在一些资源稀缺的行业,应当尽快推动人工智能的应用。例如在教育行业,由于资源的稀缺,西部山区的学生无法跟北京、上海等大城市的学生达到相同的英文水平。

    通过一些教育类的在线产品, 使得西部学生能够学到标准英语,这种应用普遍受到家长的欢迎,对社会的发展十分有利。再比如特大城市管理,中国人口密集的大城市在全世界排名第一,我国政府面临的城市治理难度远超其他国家。

    人工智能信任危机

    随着人类生活被人工智能广泛渗透,公众接受人工智能的程度也越来越高,随之而来的是人工智能的可信问题。从国外的例子来看:

    比如特斯拉“自动驾驶”致死事故,其原因在于人工智能未能识别道路清扫车;

    聊天机器人被黑客教会种族主义,经过训练以后“懂得” 了黑人与白人之间的差别,这种聊天机器人显然不符合伦理道德,更不符合公正公平;

    达芬奇手术机器人事故,其原因在于血溅到了摄像头,导致机器人“失明”,感知系统无法正常工作;

    蓝牙音箱被监控的案例,由于音响失控, 结果导致用户被邻居投诉,最终警察误闯民宅;

    数据隐私问题,典型的例子包括人脸识别公司数据库泄露事件等。

    数据隐私种类不同,如果在特定领域大量数据被出售,那么可能会牵涉国家安全,而且数据隐私问题的级别处理相差很大,大数据存在被滥用的迹象。

    导致安全隐患的原因在于“内忧”和“外患”,内忧包括样本均衡、数据偏移、用户隐私等。比如产品的品质问题,如果产品品质不高, 很容易产生安全隐患。外患则包括对抗攻击、信息安全、场景受限等。

    人工智能的安全类型多种多样,主要包含三大方面。

    第一是技术安全,涵盖数据安全、网络安全、算法安全、隐私安全,具体而言:在数据安全方面,数据安全始终处在解决的道路上,尤其体现在金融科技方面。数据尤其宝贵,技术人员利用区块链技术,使得数据的安全性较高,但是并没有充分计算去中心的管理信息的代价,银行数据的安全性是否能够利用区块链完全解决仍值得商榷,也有诸多分析证明区块链是可以被攻破的;在网络安全方面,网信办最重要的职能是保障网络信息安全,在保障互联网安全上我国已经积累了大量的经验,同时在国家层面也有专门的队伍进行保障,但是,对于工业网络安全的关心相对较少。

    以电网为例,美国国家电网曾经被攻破过,部分小国也出现过被攻击的事件,一旦人工智能和工业相结合,那么工业网安全性的保障尤为值得关注;在算法安全方面,算法的工作原理需要充分解析,如果算法正确,其结果便能够令人满意,而算法错误则会导致安全问题;在隐私安全方面,隐私安全的范围十分广泛,虽然从伦理道德的角度有诸多分析,但是并没有有效的办法解决隐私安全。

    第二是应用安全,涵盖智能安防、舆情监测、金融风控、网络防护。比如在智能安防方面,国内摄像头的安全性令人担忧,很容易被攻破并进行数据造假。

    第三是法律与伦理,涵盖法律法规、标准规范、社会伦理三个方面,目前在行业规范方面已经有深入研究,但是还没有国家能够真正制定相关标准和法律。

    安全可信人工智能

    人工智能的创新和安全应是平衡发展,创新能够推动安全,没有创新,安全便没有意义。在国际层面,已经有国家和组织提出了可信人工智能的基本准则。

    首先是 G20 会议上提出的原则。

    具体包括:包容性增长、可持续发展及人类福祉、以人为本的价值观和公平、透明度和可解释性、健壮性、信息安全与物理安全、问责制。

    其次是欧盟提出的原则。

    具体包括:

    福祉原则——向善;

    不作恶原则——无害,假设机器人与人类在同一工作岗位上,机器人出现失控并对人类造成伤害,责任主体该如何判定;

    自治原则——人类能动性,假设自主系统创造了独有的语言,人类无法读懂,安全性的保障至关重要;

    公正原则——公平,高新技术发展应当造福全人类,因此现阶段应不断完善通用人工智能的发展;

    可解释性原则——透明运行,人工智能的工作原理必须透明,这也是人类面临的困难和挑战。

    可信人工智能包含三个要素:人、信息、物理。过去是人类社会和物理世界的交互,现在的安全是指可信安全的强人工智能系统,实现复杂的信息、物理与人的融合交互。

    人工智能算法的关键安全问题包括:

    第一, 尽量避免人工智能的副作用;

    第二, 避免奖励条件的错误解读;

    第三, 分布转变的稳定性,一旦数据的分布函数转变,过去训练的模型可能无法工作;

    第四, 探索的安全性;

    第五,可扩展的监管。

    从可信人工智能的特征分析,可信人工智能应具备与人类智能类似的特质。

    第一,鲁棒性,在人工智能的训练过程中部分场景可能没有出现过,因此对未知的情况应当具备一定的应对能力。

    第二,自我反省,对自身性能或错误能够有所感知。

    第三,自适应,当人类把一个通用系统应用到新的环境中时,便应当解决自适应的问题。如果没有自适应性,每次都需要做大量的适配工作,经济代价便十分高昂。

    第四,公平性。深度学习有时会带来决策上的不平衡,造成种族歧视,比如在前文当中机器被教会种族主义的例证。

    造成人工智能不可信任主要有两方面的原因。

    第一,传统的软件开发者认为,过去以传统的方法解决新一代软件问题,可能并没有做好技术准备。按照过去的经验,对软件做假设并在给定的特殊环境下,软件便能够完成特殊功能。但是现在的情形有所不同,环境无从得知,但是软件开发者能做,从这个角度而言,技术上是不成熟的。

    第二,从机器学习角度分析,最后产生的目标系统主要依靠训练数据,这与人工智能不一样,如果数据选错了,那么训练的系统肯定有偏见性。机器学习尚不可验证,无法进行软件形式化描述,同时也不可分析,其复杂程度较高,尤其是在深度学习方面。

    可信人工智能由我国提出,并在 G20 会议上被各国所认可,这也是关注人工智能发展的核心所在。人、机、物融合是当前社会面临的一个很重要的系统状态。如果把人、机、物中间的物理运动以及众多事件进行组合,如何进行系统性的训练和测试尤为重要。

    除此之外,应当从系统规模、部件类型等方面推动人工智能的发展,虽然需要花费大量时间才能达成,但是技术的进步是持续性的,同时也应兼顾安全、可信,实现人工智能的健康发展。

    何积丰,中国科学院院士,主要从事计算机软件理论及其应用研究,包括软件的复杂性、正确性、可靠性、程序设计理论及其应用。

    选自《信息安全与通信保密》2019年第十期

    责任编辑:韩希宇

    免责声明:

    中国电子银行网发布的专栏、投稿以及征文相关文章,其文字、图片、视频均来源于作者投稿或转载自相关作品方;如涉及未经许可使用作品的问题,请您优先联系我们(联系邮箱:cebnet@cfca.com.cn,电话:400-880-9888),我们会第一时间核实,谢谢配合。

    为你推荐

    猜你喜欢

    收藏成功

    确定