智能穿戴設(shè)備吸引觀眾。湯彥俊 攝

　　近日，麻省理工學(xué)院媒體實驗室出品了一個“暗黑版AI”，再次將人工智能的黑箱隱憂這個經(jīng)久不衰的話題送上熱門。據(jù)報道，實驗室的三人團隊聯(lián)手創(chuàng)造了一個叫諾曼(Norman)的人工智能，與希區(qū)柯克經(jīng)典電影《驚魂記》中的變態(tài)旅館老板諾曼·貝茲同名。

　　名如其人。諾曼會以負面想法來理解它看到的圖片。例如，一張在一般AI看來只是“樹枝上的一群鳥”的普通圖片，在諾曼眼中卻是“一名男子觸電致死”。

　　團隊希望通過諾曼的表現(xiàn)提醒世人：用來教導(dǎo)或訓(xùn)練機器學(xué)習(xí)算法的數(shù)據(jù)，會對AI的行為造成顯著影響。AI會成為什么樣，有時人類可能束手無策。

　　TA們的偏見就是人類的偏見

　　諾曼們從哪來?答案首先藏在數(shù)據(jù)里。

　　“人工智能識別出的結(jié)果不是憑空而來，是大量訓(xùn)練的結(jié)果。如果要訓(xùn)練AI某一方面的能力，比如下棋，就需要收集、清洗、標(biāo)記大量數(shù)據(jù)供機器學(xué)習(xí)。如果用于訓(xùn)練的數(shù)據(jù)不夠多，就會造成AI學(xué)習(xí)的不充分，導(dǎo)致其識別結(jié)果的失誤。”中科院自動化研究所研究員王金橋?qū)�科技日報記者表示。�?shù)據(jù)本身的分布特性，如偏差甚至偏見，也會被機器“有樣學(xué)樣”。針對諾曼的表現(xiàn)，創(chuàng)造它的實驗室也指出，“當(dāng)人們談?wù)撊斯ぶ悄芩惴ù嬖谄�差和不公平時，罪魁禍首往往不是算法本身，而是帶有偏差、偏見的數(shù)據(jù)。因為當(dāng)前的深度學(xué)習(xí)方法依賴大量的訓(xùn)練樣本，網(wǎng)絡(luò)識別的特性是由樣本本身的特性所決定。盡管在訓(xùn)練模型時使用同樣的方法，但使用了錯誤或正確的數(shù)據(jù)集，就會在圖像中看到非常不一樣的東西”。

　　另外是算法本身的影響。“這可能是無法完全避免的，由深度學(xué)習(xí)算法本身的缺陷決定，它存在內(nèi)在對抗性。”王金橋表示，目前最流行的神經(jīng)網(wǎng)絡(luò)不同于人腦的生物計算，模型由數(shù)據(jù)驅(qū)動，和人類的認知不具有一致性�；�于深度學(xué)習(xí)的框架，必須通過當(dāng)前訓(xùn)練數(shù)據(jù)擬合到目標(biāo)函數(shù)。在這個框架之下，如果機器要識別狗，它會通過狗的眼睛、鼻子、耳朵等局部特征進行可視化識別，而這些可視化特征卻能給想利用深度學(xué)習(xí)漏洞的人機會，后者可以通過偽造數(shù)據(jù)來欺騙機器。

　　除了人訓(xùn)練機器的數(shù)據(jù)本身有偏差以外，機器通過對抗性神經(jīng)網(wǎng)絡(luò)合成的數(shù)據(jù)也可能有問題。由于機器不可能“見過”所有東西(比如識別桌子，機器不可能學(xué)習(xí)所有長短寬窄各異的桌子)，人也不可能標(biāo)記所有數(shù)據(jù)。如果研究者輸入一個隨機的噪音，機器可以向任何方向?qū)W習(xí)。這是一把雙刃劍，機器也可能合成一些有問題的數(shù)據(jù)，學(xué)習(xí)時間長了，機器就“跑偏”了。

　　數(shù)據(jù)的均衡或可減少“跑偏”

　　不少科學(xué)家以“garbage in, garbage out”來形容“數(shù)據(jù)和人工智能的關(guān)系”。中科視拓(北京)科技有限公司CEO劉昕說：“對機器學(xué)習(xí)而言，進什么就出什么。監(jiān)督學(xué)習(xí)就是讓模型擬合標(biāo)簽，比如訓(xùn)練者把帥哥都標(biāo)記成‘渣男’，那么機器看到劉德華，就會認為他是……”談到諾曼引發(fā)的討論，劉昕表示：“不需要擔(dān)心，人類本身就有各種歧視和偏見，用人類生產(chǎn)的數(shù)據(jù)訓(xùn)練AI，再批判AI不夠正直良善，這么說有點危言聳聽。”

　　偏見、刻板印象、歧視都是人類社會的痼疾，有些流于表面，有些深入社會肌理，無法輕易剝離。在這樣的語境中產(chǎn)生的數(shù)據(jù)，攜帶著大量復(fù)雜、難以界定、泥沙俱下的觀點。如果研究者沒有意識到或著手處理這一問題，機器學(xué)習(xí)的偏見幾乎無解。真正的“公正算法”或許是不存在的。

　　據(jù)有關(guān)媒體報道，在谷歌研究自然語言處理的科學(xué)家 Daphne Luong 表示，正確地校準標(biāo)簽對機器學(xué)習(xí)來說非常關(guān)鍵，有些數(shù)據(jù)集其實并不平衡，像維基百科上的數(shù)據(jù)，“他”(He)出現(xiàn)的次數(shù)遠比“她”(She)要多。

　　王金橋也著重強調(diào)了“數(shù)據(jù)的均衡”。就算對人來說，不同人秉持著不同的價值觀，但多聽多看多受教育可以讓人向良好的方向改進。機器學(xué)習(xí)也是如此。“訓(xùn)練機器時，要注重數(shù)據(jù)的均衡，給它更多可靠的數(shù)據(jù)。研究團隊成員具有多元的學(xué)術(shù)背景(如吸納更多社會學(xué)、心理學(xué)等領(lǐng)域?qū)W者加入)、性別、年齡、價值觀，也可以幫助機器學(xué)習(xí)更加均衡，減少機器出現(xiàn)偏見、謬誤甚至失控的可能。”王金橋說。

　　“機器學(xué)習(xí)的模型本身也要有一定的防攻擊能力，從技術(shù)上防止本身結(jié)構(gòu)設(shè)計的漏洞被攻擊，研究者可以使用各種數(shù)據(jù)攻擊機器，訓(xùn)練機器的反攻擊能力。”王金橋說。

　　作惡還是向善，是人類的選擇

責(zé)任編輯：wuyong