我们在一片对18岁照片的把戏赞誉中，迎来了又一个新年。

按说新年应该是开心的时分，但是刚刚跨年完毕，低头一看竟然要下班了…不由得悲从心来…所以明天我们计划说点不那么开心的事。

最近几天，各种对2018年的科技预测层出不穷，其中对AI的畅想占了大头，内容差不多是一片喜庆祥和。

但事有两来，当我们开端从AI中播种价值的时分，技术晋级后带来的潜在风险也在升温。这就像汽车当然好过牛车，但汽车也会带来各种各样的交通事故。我们当然不能因而制止汽车上路，但是也不能对交通成绩视而不见。

明天我们来预测几个，很能够在2018年进入我们视线的“人工智能负能量”。

毕竟做好预备，是处理成绩的前提条件。

一、人工智能伦理成绩开端呈现个案

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范畴的专家，结合签署了著名的《阿西洛马人工智能23条准绳》。

随后，各种关于人工智能伦理品德的讨论、会议，以及相关协会和科技组织开端呈现在大众视野里。

《23条准绳》的次要内容，就是呼吁人工智能不能损害人类的利益和平安，同时人工智能必需可以被人类控制，同时人类要尽量尊重人工智能和机器人的平安。

听起来颇有点科幻的滋味，但是在各行各业开端部署AI，尤其开端应用AI停止自动化决策的时分，人工智能的伦理与品德成绩或许真的会浮出水面。

比方说，自动驾驶车辆在马上要发作事故时，是优先维护路人还是乘客？假设AI诊断零碎，给出的建议是安乐死，那么它算是杀人吗？为了防止更大损失，AI零碎能否能打破规则，自行其是？

这其中最著名的，大约就是去年谷歌批判上海交大某团队停止的“看脸定罪犯”研讨。引发了媒体关于AI价值观的少量讨论。

在各个产业场景开端运用AI技术时，随之而来的边界成绩、责权成绩、品德选择成绩这些在实验室中不会呈现的矛盾将很能够被引发。

人类还从未真正讨论过这些。假设2018年人工智能的落地化足够快，伦理成绩的苗头或许会临近。

二、难以根治的的算法歧视

记得2016年，微软推出过聊天机器人Tay，却由于用户教给它少量种族歧视和脏话，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本人，那么假设它吸收的信息含有少量“不那么纯良”的东西呢？

2017年，算法歧视成绩非但没有被处理，各种各样新的成绩还应运而生。比方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肉体；而把黑人辨认为大猩猩，则扑灭了AI种族歧视的话题关注度。

所谓的算法歧视，关于普通消费者来说，最有能够在内容引荐和电商引荐两个中央觉得到。比方说消费者刚看过严惩的衣服，电商就引荐减肥药，很能够让消费者联想到算法在歧视本人胖；再比方翻开昔日头条这类软件的时分，大家能够都呈现过这种状况：偶然点了一个引荐来的猎奇或许伪色情内容，然后再一刷新。好嘛，蜂拥而至的相似内容啊，你原本想看的兴味内容和专业内容瞬工夫化为乌有。甚至你怎样点我不关怀不喜欢，平台还是给你引荐。这就是由于算法的归类方式给你贴上了标签。这种歧视感也蛮严重的，仿佛面前有团体奸笑着对你说：“供认吧，你就是这么低俗…”

这类成绩的本源，是机器学习技术停止特性引荐，明天还必需树立在两个逻辑的根底上：以过来算未来，以群体算集体。算法会吸收以前有过的经历来给你特定的某些东西，但很有能够歧视信息就包括在机器吸收的经历里。

在特性引荐零碎越来越多场景使用能够的明天，我们恐怕短期内还难以根治算法的歧视。

三、公家数据与机器学习的矛盾日益凸显

人工智能和团体隐私，似乎历来都是一对天敌。

由于人工智能技术假设想要提供特性化、完全契合团体习气的效劳，那么就必定要学习和了解用户自身。而这其中，就触及对用户公家数据的学习。

但出于隐私的思索，以及对网络平安的不信任，大局部用户显然是不希望泄漏本人数据给机器的。

从而“鸡生蛋蛋生鸡”的矛盾就发生了。

近两年，用AI来读取用户团体数据这件事不断处在被压制和不能提的形态。更早一点的时分，苹果和谷歌等大公司都推出过让AI读懂用户的产品，但很快就被言论鞭挞给关停了。即便这样，谷歌去年推出的家用AI相机还是饱受诟病。

在2017年后半段，我们看到了AI芯片拉开了风云际会的抢夺尾声。但是搭载AI芯片的硬件一定要有的放矢，有义务可以完成。于是让硬件读懂用户、让零碎依据用户数据提供千人千面的效劳，势必会重新回到公共视野里。

其实从大趋向上看，把团体数据交给机器似乎是人类不可防止的归宿。无论是医疗安康、金融效劳还是社会平安，机器一定都比人类更靠谱。只是这其中阅历的不适感和平安风险是宏大的。

在2018年，无论是手机、音箱、穿戴设备、VR，在启用了机器学习才能后，似乎都要重新沾惹隐私数据这条红线。

终究怎样处置这个矛盾，也是挺让人头疼的。

四、真假越来越难分

就目前来看，希望AI能像人一样对话和了解，显然还是为时过早的一件事。但是让AI来造假，似乎曾经成绩不大了。

此前我们讨论过视频和直播换脸的能够，其实从整个技术进度来看，基于GAN的仿真和交换技术正在全体成熟。无论是模仿交换音频还是视频文件，AI都曾经可以随心所欲的处置。

但这一定不会是什么坏事。在著名的Face2Face软件推出的时分，国外网友就惊呼，假设跟我视频聊天的人被交换了怎样办？

而在开发框架和数据资源越来越丰厚、算法越来越微弱的明天，大约我们可以很一定的说：2018年用AI来伪造视频音频将愈加天衣无缝。

这是AI对将来技术的探究，却很能够引发社交媒体和网络传达的动乱：当我们看到的视频都可以完全造假的时分，这个世界还有什么可以置信呢？

假作真时真亦假，只能希冀反AI造假的AI零碎也尽快呈现吧。

五、黑客攻击有更多把戏

2017年年末，谷歌TensorFlow被惊人的爆出框架破绽，虽然是被白帽子找到，没有形成风险，但这还是点醒了我们一点：AI并不平安。

至此，我们曾经见识过了各种黑客攻击和AI技术结合的能够性：用AI来伪造文件信息施行攻击和诈骗；应用AI技术来提升黑客攻击效率；以AI零碎为目的的攻击。随着AI和物联网体系的结合，将来物联网攻击中很能够也会参加AI的身影。

AI技术的成熟，让网络黑客们找到了更多的目的、更多的工具以及更多的技巧。虽然AI异样给我们提供了各种维护互联网平安的方式。但无论如何，AI带给了黑客更多能够性是毫无疑问的。

2017年的网络平安世界并不颠簸，各种各样的病毒和黑客暴虐不绝于耳。进入2018，我们很能够会在这个战场看到更剧烈的搏杀。

完毕语

就像任何一种技术改造一样，AI也异样在带来价值的同时发明了风险。而且凭仗着辨认和学习才能的特征，AI带来的负面影响说不定会比过往更大。

但是无论如何，技术就是这么一步步推进的。更好的景色总是随同着更难走的路途。看法风险，并探究处理方案，或许才是人类与AI相处时更舒适的方式。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或许下载钛媒体App