人工智能的负面思考
2017 年 1 月，在加利福尼亚州阿西洛马举行的 Beneficial Al 会议上，近千名人工智能相关领域的专家，联合签署了著名的《阿西洛马人工智能 23 条原则》。
《23 条原则》的主要内容，就是呼吁人工智能不能损害人类的利益和安全，同时人工智能必须可以被人类控制，同时人类要尽量尊重人工智能和机器人的安全。
听起来颇有点科幻的味道，但是在各行各业开始部署 AI，尤其开始利用 AI 进行自动化决策的时候，人工智能的伦理与道德问题或许真的会浮出水面。
比如说，自动驾驶车辆在马上要发生事故时，是优先保护路人还是乘客？假如 AI 诊断系统，给出的建议是安乐死，那么它算是杀人吗？为了避免更大损失，AI 系统是否能打破规则，自行其是？
这其中最著名的，是谷歌批评某团队进行的“看脸定罪犯”研究。引发了媒体对于 AI 价值观的大量讨论。
在各个产业场景开始使用 AI 技术时，随之而来的边界问题、责权问题、道德选择问题这些在实验室中不会出现的矛盾将很可能被引发。
之前微软曾推出过聊天机器人 Tay，却因为用户教给它大量种族歧视和脏话，一天内就被暂时下线。这引出了一个极具争议的话题：机器学习会吸收人类的知识和信息来塑造自己，那么假如它吸收的信息含有大量“不那么纯良”的东西呢？
现在，算法歧视问题非但没有被解决，各种各样新的问题还应运而生。比如谷歌大脑会给女性图片打上很多关于家庭、弱势的标签，显然有悖于女权主义精神；而把黑人识别为大猩猩，则点燃了 AI 种族歧视的话题关注度。
所谓的算法歧视，对于普通消费者来说，最有可能在内容推荐和电商推荐两个地方感觉到。比如说消费者刚看过宽大的衣服，电商就推荐，很可能让消费者联想到算法在歧视自己胖；再比如打开今日头条这类软件的时候，大家可能都出现过这种情况：偶尔点了一个推荐来的猎奇或者伪内容，然后再一刷新。好嘛，蜂拥而至的类似内容啊，你本来想看的兴趣内容和专业内容瞬时间化为乌有。甚至你怎么点我不关心不喜欢，平台还是给你推荐。这就是因为算法的归类方式给你贴上了标签。这种歧视感也蛮严重的，好像背后有个人奸笑着对你说：“承认吧，你就是这么低俗……”
这类问题的根源，是机器学习技术进行个性推荐，今天还必须建立在两个逻辑的基础上：以过去算将来，以群体算个体。算吸收以前有过的经验来给你特定的某些东西，但很有可能歧视信息就包含在机器吸收的经验里。
因为人工智能技术假如想要提供个性化、完全符合个人习惯的服务，那么就必然要学习和理解用户本身。而这其中，就涉及对用户私人数据的学习。
近年来，用 AI 来读取用户个人数据这件事一直处在被压抑和不能提的状态。更早一点的时候，苹果和谷歌等大公司都推出过让 AI 读懂用户的产品，但很快就被抨击给关停了。即使这样，谷歌去年推出的家用 AI 相机还是饱受诟病。
我们看到了 AI 芯片拉开了风云际会的争夺序幕。但是搭载 AI 芯片的硬件一定要有的放矢，有任务可以完成。于是让硬件读懂用户、让系统根据用户数据提供千人千面的服务，势必会重新回到公共视野里。
其实从大趋势上看，把个人数据交给机器似乎是人类不可避免的归宿。无论是医疗健康、金融服务还是社会安全，机器肯定都比人类更靠谱。只是这其中经历的不适感和安全风险是巨大的。
未来，无论是手机、音箱、穿戴设备、VR，在启用了机器学习能力后，似乎都要重新沾惹隐私数据这条红线。
就目前来看，希望 AI 能像人一样对话和理解，显然还是为时过早的一件事。但是让 AI 来造假，似乎已经问题不大了。
视频和直播换脸的可能从整个技术进度来看，基于 GAN 的仿真和替换技术正在整体成熟。无论是模拟替换音频还是视频文件，AI 都已经能够得心应手的处理。
但这肯定不会是什么好事。在著名的 Face2Face 软件推出的时候，国外网友就惊呼，假如跟我视频聊天的人被替换了怎么办？
而在开发框架和数据资源越来越丰富、算法越来越强劲的今天，大概我们可以很肯定的说：未来用 AI 来伪造视频音频将更加天衣无缝。
这是 AI 对未来技术的探索，却很可能引发社交媒体和网络传播的动荡：当我们看到的视频都可以完全造假的时候，这个世界还有什么可以相信呢？
2017 年年末，谷歌 TensorFlow 被惊人的爆出框架漏洞，虽然是被白帽子找到，没有造成危险，但这还是点醒了我们一点：AI 并不安全。
至此，我们已经见识过了各种黑客攻击和 AI 技术结合的可能性：用 AI 来伪造文件信息实施攻击和；利用 AI 技术来提升黑客攻击效率；以 AI 系统为目标的攻击。随着 AI 和物联网体系的结合，未来物联网攻击中很可能也会加入 AI 的身影。
AI 技术的成熟，让网络黑客们找到了更多的目标、更多的工具以及更多的技巧。虽然 AI 同样给我们提供了各种保护互联网安全的方式。但无论如何，AI 带给了黑客更多可能性是毫无疑问的。
