剛過去的週末，OpenAI 的人工智慧只花 10 分鐘就打敗了人類 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裡，研究人員 Dario Amodei 正在透過《賽艇大亨》（Coast Runners）來訓練人工智慧。不過，這個人工智慧好像有點失控了。
《賽艇大亨》的遊戲規則很簡單，如果想贏，選手必須得到最高分，然後跨過終點線。但 Amodei 的人工智慧玩著玩著有點過火了，不斷追求高分，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，開始和其他賽船碰撞，或是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算法。
在賽船遊戲的訓練中，Amodei 和同事不時透過按鍵指出人工智慧的不當之處，告知人工智慧，不僅分數要贏，同時也要跨過終點線。他們認為，這種包含人工干預成分的算法可確保系統的安全性。
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 OpenAI 和 DeepMind，最近罕見地合作發表了部分人工智慧安全方面的研究論文。
除此之外，Google 旗下的 Google Brain，以及來自柏克萊大學和史丹佛大學的研究團隊，都設有該方向研究課題，從不同方面考慮人工智慧的安全問題。
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「為了完成工作，拒絕開發者關機」。
一般在設計人工智慧時，研發人員都會給它設定「目標」，就像賽艇遊戲的「得分」。一旦人工智慧將獲得「分數」視為終極目標，它可能會產生一個方法論──想要獲得更多分數，其中一個方法就是不關閉自己，這樣就能無止境地獲得分數了。
柏克萊大學的研究人員 Dylan Hadfield-Menell 和團隊最近發表了討論這個問題的論文。他們認為，如果在設計演算法時，讓人工智慧對目標保持一定的不確定性，它才有可能願意保留自己的「關機鍵」。他們採用數位方式來嘗試達成此設定，目前還處於理論階段。
除了人工智慧自我「失控」，研究人員還在考慮駭客對人工智慧的影響。
現代電腦視覺基於深度神經網路（deep neural networks），它透過學習分析大量資料來形成對型態的了解。也就是說，如果要讓電腦學會什麼是「狗」，那就讓它分析大量狗的圖片，並從中搜尋規律。
但 Google 的 Ian Goodfellow 認為，這種型態可能會為駭客提供「矇騙」人工智慧的機會。Goodfellow 和其他研究人員曾展示，只要修改圖片的幾個特定畫素，他們就能讓神經網路相信圖片中的大象是一輛汽車。
如果這個神經網路應用在監視鏡頭，問題就大了。
即便你用了數百萬張標記為「人」的照片來訓練一個對象辨識系統，你還是可以輕易拿出系統和人工辨識 100% 不同意的圖片。我們需要認清這種現象。
Goodfellow 說。雖然這些研究大多仍處於理論階段，但這群致力將意外止於搖籃裡的研究人員堅信，越早開始考慮這個問題越好。DeepMind 人工智慧安全的負責人 Shane Legg 說：
雖然我們還無法確定，人工智慧將以多快速度發展，但我們的責任是試著理解並猜測，這種技術有可能以哪種方式誤用，並嘗試找出不同的應付方式。
（本文由 愛范兒 授權轉載；首圖來源：shutterstock）
延伸閱讀：