算法“黑箱”下人工智能安全存疑可解釋性讓AI更透明

文／本刊記者 陳 杰

“AI的應用落地在不斷提速，但在算法‘黑箱’下，AI的不可解釋性讓‘黑箱’很難釋明，進而讓人們對AI的安全難言放心。”日前，在2022年科技向善創新周上，與會專家圍繞AI的透明和可解釋難題從技術角度直指產業痛點。

與此同時，由騰訊研究院、優圖實驗室等多家機構組成的跨學科研究團隊歷時一年完成的《可解釋AI發展報告2022》也引發熱議。報告從可解釋AI的概念、監管趨勢、行業實踐、發展建議等熱點問題出發，抽絲剝繭地呈現可解釋AI產業的現狀和發展趨勢，以期能為產業解決AI“黑箱”釋明難題提供一份參考和借鑒。

可解釋AI已成熱點

目前，部分人工智能應用已成為通用型的技術，而人類對AI則一直有更高的期待。不少人堅信，科幻電影《Her》中的AI機器人可對行為作出解釋，從而幫助人類作出決策，甚至與人類產生深度交流的一幕，遲早也會出現在人們的日常生活中。

雖然產業的發展已經起步并快速成為行業熱點，但這些過于理想化的場景目前還只能存在于科幻作品中，實踐中可解釋AI不論在技術上還是體驗上都還沒達標。

如今，金融機構的貸款審批都是基于AI作出決策，如果這一復雜的算法風控系統拒絕申請，那么貸款人就沒辦法獲得貸款。這只是AI在眾多日常場景應用中的一幕，只要是AI做出了決策，公眾就必須接受結果，至于什么原因，算法沒有也不可能給出解釋。

“有時候連開發人員都不能很好地理解AI算法‘黑箱’運作的具體細節，這就導致了AI模型的透明度和可解釋性的問題?！彬v訊研究院秘書長張欽坤表示，如果不解決這兩個問題，不僅影響用戶對AI應用的信任，而且也可能會帶來算法歧視、算法安全和算法責任等方面的相關問題。

其實，人工智能的可解釋以及科技倫理等問題已經成為AI領域的必選項，2021年起始的“十四五”規劃里面也明確強調要健全科技倫理的體系。

廈門大學人文學院院長朱菁認為，AI可解釋性問題之所以受到重視，主要因為AI的發展雖然變得越來越強大，但也變得越來越“黑”，再者AI雖然變得越來越實用，其可靠性和應用范圍也得到提高。“在一些重要的應用領域，對于AI可信任性、安全性等方面的要求也越來越高，可解釋性就是滿足上述要求的認知基礎?！?/p>

目前來看，國內企業在可解釋AI實踐方面還比較零碎，沒有達到系統化的程度，但就整體而言，產業一直都是朝著可解釋的方向發展。

魚和熊掌不可兼得

AI快速深入日常生活，既帶來了興奮和期待，也帶來一些憂慮，甚至恐慌。AI到底是人類的好幫手，還是會成為人類強勁的對手？其實這很大程度上取決于人類對AI的理解。只有打開了人工智能的黑箱，了解到AI背后的機制，并認為它是可解釋、可理解的，人類在這種共識下才能真正達成對AI的信任。

然而，當前的AI可解釋性及透明度與算法的高效率還是一個矛盾體。

微眾銀行首席人工智能官楊強認為，AI算法高效率的同時，可解釋性就很差。同樣，AI線性模型的準確率沒有那么高，它的可解釋性相對就會強一些?！斑@就意味著我們要在可解釋和高效率兩個維度上做一個取舍，但目前并沒有兩個維度都高的AI算法。目前可解釋AI在各個行業都是一個起步，也都不可或缺，但如何做好AI可解釋的量化，才是當前業界該考慮的重點?！?/p>

“不同人群、不同應用場景對AI算法的可解釋性期待是不一樣的，不應該搞一刀切?，F階段深度學習普遍缺乏可解釋性的情況下，AI透明度就尤其重要?！彬v訊天衍實驗室負責人鄭冶楓表示，AI算法應盡可能詳盡披露模型、訓練數據分布等情況。

朱菁也認為，目前來說，AI的可解釋性和預測的準確性二者不可兼得，既提高預測準確性，同時還要把可解釋性提高，要實現這件兩全其美的事情難度比較大。其次，解釋的多元化除了怎么都行的這種形態以外，還有孤島式的、互動式的以及整合性的形態?！斑@些只是同一個整體的不同側面，AI能不能做到這些，現在其實并不是很清楚。”

推動可解釋模型構建

可解釋是可信AI的重要組成部分，也是可信的前提條件之一，它有很強的獨特性。當前可解釋AI研究思路很多，但并沒有一個明確的框架，畢竟解釋對象的不同，框架也難統一。

香港中文大學（深圳）吳保元副教授認為，與其說AI的可解釋性，還不如稱之為AI的可解釋力?！翱山忉屝钥赡軙屓藗冋`認為這是一種性質，而可解釋力就是一種可解釋的能力，就如同人們常說的理解力、領導力，是一種手段，一種行為，一種操作的存在?！?/p>

《可解釋AI發展報告2022》從科技向善的角度出發，認為需要找到一個平衡的可解釋AI路徑來實現可信AI，確保科技向善。張欽坤解釋說，就是在設計可解釋性要求時，需要充分考慮可解釋性要求和其他重要的倫理價值和目的，可解釋本身不是目的而是手段。“在設計可解釋AI的時候，首先需要考慮實現什么樣的目標，其次才是思考在特定的情境下如何更好地匹配這些目標?！?/p>

對于AI研究里的解釋性問題的基本立場，朱菁的建議是解釋的多元化：“針對不同的問題，哪怕是在同一個領域里，也不能指望只有唯一的解釋方式或模式，要允許多種多樣的解釋模型存在?！?/p>