OpenAI和Google 是如何預防人工智慧失控的？

在剛過去的周末，OpenAI 的人工智慧花了 10 分鐘就打敗了人類的 Dota 世界冠軍。正如許多讀者所知，遊戲是許多研發人員用來訓練人工智慧的工具。

在 OpenAI 位於舊金山的辦公室里，研究人員 Dario Amodei 正在通過賽船冠軍賽（Coast Runners）來訓練人工智慧。不過，這個人工智慧好像有點失控了。

賽船冠軍賽的遊戲規則很簡單，如果想贏，選手必須收集到最多的分數，然後跨過終點線。

但 Amodei 的人工智慧玩著玩著有點過火了，它在不斷地追求高分，非但毫無跨過終點線的意思，反倒為了要多轉幾個圈拿高分，它開始和其它賽船碰撞，或是在過程中自己撞牆爆炸了。

為了應對，Amodei 和 OpenAI 的同事 Paul Christiano 正在研發一套不僅可以自我學習，同時也願意接受人工監控的演算法。

（Amodei 在告知人工智慧，怎樣的操作模式才更好，圖自

《紐約時報》）

在賽船遊戲的訓練中， Amodei 和同事將不時通過按鍵來指出人工智慧的不當之處，告知人工智慧，不僅要贏分數，同時也要跨過終點線。他們認為，這種包含了人工干預成分的演算法可以確保系統安全性。

而在 Google 旗下 DeepMind 的研究人員也同意 Amodei 和同事的想法。兩個團隊，分別代表了 OpenAI 和 DeepMind，最近罕有地合作發表了部分人工智慧安全方面的研究論文。

（圖自

《紐約時報》）

除此以外，Google 旗下的 Google Brain，以及來自伯克利大學和斯坦福大學的研究團隊，都設有該方向研究課題，從不同方面考慮人工智慧安全問題。

除了這種在自我學習過程中「搞錯重點」的潛在危險，另一個可預想的人工智慧危險在於「為了完成任務，拒絕被開發者關機」。

一般在設計人工智慧時，研發人員都會給它設定「目標」，就像賽艇遊戲中的「得分」一樣。一旦人工智慧將獲得「分數」為終極目標，它可能會產生一個方法論——想要獲得更加多的分數，其中一個方法就是不關閉自己，這樣就能無止境地獲取分數了。

伯克利大學的研究人員 Dylan Hadfield-Menell 和團隊最近發布了討論這個問題的論文。他們認為，如果在設計演算法的時候，讓人工智慧對目標保持一定不確定性，它們才有可能願意保留自己的「關機鍵」。他們採用了數字方式來嘗試實現這個設置，目前還處於理論階段。

除了人工智慧自我「失控」，研究人員還在考慮黑客對人工智慧的干預影響。

現代計算機視覺基於深度神經網路（deep neural networks），它通過學習分析大批量數據來形成對模式的了解。也就是說，如果要讓計算機學會什麼是「狗」，那就讓它分析大批量狗的圖片，並從中尋找規律。

但 Google 的 Ian Goodfellow 則認為，這種模式可能會為黑客提供「矇騙」人工智慧的機會。Goodfellow 和其它研究人員曾展示，只要修改圖片中的幾個特定像素，他們就能讓神經網路相信圖片中的大象是一輛汽車。

如果這個神經網路是應用在安保鏡頭的話，這樣就問題大了。

即便你用了數百萬張標誌了『人』的照片來訓練一個物件識別系統，你還是可以輕易拿出系統和人工識別 100% 不同意的圖片。我們需要認清這種現象。

Goodfellow說道。雖然這些研究大多仍處於理論階段，但這群致力於將意外扼制於搖籃的研究人員堅信，越早開始考慮這個問題越好。DeepMind 人工智慧安全方面的負責人 Shane Legg說道：

雖然我們還不能確定，人工智慧將以多塊地速度發展。但我們的責任是嘗試理解並猜測，這種技術將有可能以哪種方式被誤用，並嘗試找出不同的應對方式。

題圖來自極客公園

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！