下载掌阅APP，畅读海量书库
立即打开
随着技术的不断进步，任何计算平台都可能出现漏洞及安全隐患，例如电脑病毒、信用卡盗用和垃圾电子邮件等。而且，随着AI的普及，AI本身也将暴露出各种漏洞并遭到各方的攻击，Deepfake反映出的只是其中的一个漏洞而已。
专门设计的对抗性输入是针对AI系统的攻击方法之一。攻击者将挑战AI系统的决策边界，并借此调整对AI系统的输入，进而达到让AI系统出错的目的。例如，有研究人员设计了一副新款太阳镜，让AI系统把戴上眼镜的他错认成了女演员米拉·乔沃维奇（Milla Jovovich）。还有研究人员在路面上贴了一些贴纸，成功愚弄了特斯拉Model S型车上的自动驾驶系统，让其决定转换车道，直接开向迎面驶来的车辆。《假面神祇》里的阿玛卡也曾利用一张面具成功欺骗了车站的人脸识别系统。试想，如果有人把类似的攻击手段应用在军事领域，例如，让AI系统把一辆伪装过的坦克误认为是救护车，那么后果将不堪设想。
还有一种攻击AI系统的方法是对数据“下毒”：攻击者通过“污染”训练数据、训练模型或训练过程，来破坏AI系统的学习过程。这可能导致整个AI系统彻底崩溃，或者被犯罪者控制。如果一个国家的军用无人机被恐怖分子操控，那么这些无人机将把武器掉转过来瞄准自己的国家，这将是多么可怕的事情。
与传统的黑客攻击相比，对数据“下毒”的攻击手段更难被人类察觉。问题主要出在AI系统架构上面——模型中的复杂运算全部在成千上万层的神经网络中自主进行，而不是按照确切代码的指引进行的，所以AI系统先天就具有不可解释性，也不容易被“调试”。
尽管困难重重，但我们仍然可以采取明确的措施来阻止上述情况发生。例如，加强模型训练及执行环境的安全性，创建自动检查“中毒”迹象的工具，以及开发专门用于防止篡改数据或与其类似的规避手段的技术。
正如我们过去通过技术创新攻克了垃圾邮件、电脑病毒等一道道关卡一样，我深信技术创新也能大大提高未来AI技术的安全性，尽量减少给人类带来的困扰。毕竟，解铃还须系铃人。技术创新所带来的问题，最终还是要依靠新的技术创新来进行改善或彻底解决。