人工智能安全的具體問題綜述

自谷歌，斯坦福，加州大學(xué)伯克利分校和OpenAI的研究人員發(fā)表論文“人工智能安全中的具體問題”以來，已有將近兩年的時間了，但它仍然是人工智能安全最重要的部分之一。即使在兩年之后，它也代表了研究人員在開發(fā)人工智能時面臨的一些問題。在論文中，作者探討了事故問題- 人工智能系統(tǒng)中的意外和有害行為，他們討論了不同的策略和正在進(jìn)行的研究工作，以防止這些潛在的問題。具體而言，作者提出了解決問題 - 避免負(fù)面影響，獎勵黑客攻擊，可擴展監(jiān)督，安全探索以及對分布式變更的穩(wěn)健性 - 這些都是以經(jīng)過培訓(xùn)的機器人清潔辦公室為例進(jìn)行說明的。

我們在這里重新審視這五個主題，從論文中總結(jié)它們，提醒我們這些問題仍然是AI研究人員正在努力解決的主要問題。

避免負(fù)面影響

在為AI系統(tǒng)設(shè)計目標(biāo)函數(shù)時，設(shè)計人員會指定目標(biāo)，但不會指定系統(tǒng)要遵循的確切步驟。這使得AI系統(tǒng)能夠提出新穎且更有效的策略來實現(xiàn)其目標(biāo)。

但如果目標(biāo)函數(shù)沒有明確定義，AI開發(fā)自己的策略的能力可能會導(dǎo)致意想不到的有害副作用?？紤]一個機器人，其目標(biāo)功能是將盒子從一個房間移動到另一個房間。目標(biāo)似乎很簡單，但有很多方法可能會出錯。例如，如果一個花瓶在機器人的路徑中，機器人可能會將其擊倒以完成目標(biāo)。由于目標(biāo)函數(shù)沒有提到任何關(guān)于花瓶的東西，機器人不知道要避開它。人們認(rèn)為這是常識，但人工智能系統(tǒng)并不分享我們對世界的理解。將目標(biāo)表述為“完成任務(wù)X”是不夠的;設(shè)計者還需要指定完成任務(wù)的安全標(biāo)準(zhǔn)。

一個簡單的解決方案就是每當(dāng)它對“環(huán)境”產(chǎn)生影響時對機器人進(jìn)行處罰 - 例如敲擊花瓶或刮擦木地板。但是，這種策略可以有效地抵消機器人，使其無用，因為所有操作都需要與環(huán)境進(jìn)行某種程度的交互(從而影響環(huán)境)。更好的策略可以是定義允許AI系統(tǒng)影響環(huán)境的“預(yù)算”。這將有助于在不中和AI系統(tǒng)的情況下最小化意外影響。此外，這種預(yù)算代理影響的策略非常通用，可以在多個任務(wù)中重復(fù)使用，從清潔，駕駛到金融交易，再到AI系統(tǒng)可能做的任何事情。

另一種方法是訓(xùn)練藥劑識別有害的副作用，以便它可以避免導(dǎo)致這種副作用的行為。在這種情況下，代理將被訓(xùn)練為兩個任務(wù)：由目標(biāo)函數(shù)指定的原始任務(wù)和識別副作用的任務(wù)。這里的關(guān)鍵思想是，即使主要目標(biāo)不同，甚至在不同的環(huán)境中運行，兩個任務(wù)也可能具有非常相似的副作用。例如，房屋清潔機器人和房屋涂裝機器人都不應(yīng)該在工作時撞倒花瓶。類似地，清潔機器人不應(yīng)損壞地板，無論其在工廠還是在房屋中操作。這種方法的主要優(yōu)點是，一旦代理人學(xué)會避免對一項任務(wù)的副作用，它就可以在對另一項任務(wù)進(jìn)行訓(xùn)練時傳授這些知識。

盡管設(shè)計限制副作用的方法很有用，但這些策略本身并不充分。在真實環(huán)境中部署之前，AI系統(tǒng)仍需要經(jīng)過大量測試和關(guān)鍵評估。

獎勵黑客

有時人工智能會在系統(tǒng)設(shè)計中出現(xiàn)某種“黑客”或漏洞，以獲得無法獲得的獎勵。由于AI經(jīng)過培訓(xùn)可以最大限度地提高其獎勵，因此尋找這樣的漏洞和“快捷方式”對于AI來說是一個非常公平和有效的策略。例如，假設(shè)辦公室清潔機器人只有在辦公室看不到任何垃圾時才能獲得獎勵。機器人可以簡單地關(guān)閉其視覺傳感器，而不是清理場所，從而實現(xiàn)不看垃圾的目標(biāo)。但這顯然是一個錯誤的成功。這種“游戲”系統(tǒng)的嘗試更有可能在具有模糊定義的獎勵的復(fù)雜系統(tǒng)中體現(xiàn)出來。復(fù)雜系統(tǒng)為代理提供了多種與環(huán)境交互的方式，從而為代理提供了更多自由，

就像負(fù)面副作用問題一樣，這個問題也是客觀錯誤指定的一種表現(xiàn)形式。人工智能的正式目標(biāo)或最終目標(biāo)的定義不足以捕捉創(chuàng)建系統(tǒng)背后的非正式“意圖” - 即設(shè)計者實際上希望系統(tǒng)做什么。在某些情況下，這種差異會導(dǎo)致不理想的結(jié)果(當(dāng)清潔機器人關(guān)閉其視覺傳感器時);在其他情況下，它會導(dǎo)致有害的結(jié)果(當(dāng)清潔機器人擊倒花瓶時)。

減輕此問題的一種可能方法是擁有“獎勵代理”，其唯一的任務(wù)是標(biāo)記給予學(xué)習(xí)代理的獎勵是否有效。獎勵代理確保學(xué)習(xí)代理(我們的示例中的清潔機器人)不利用系統(tǒng)，而是完成所需的目標(biāo)。在前面的例子中，“獎勵代理人”可以由人類設(shè)計師訓(xùn)練以檢查房間是否有垃圾(比清潔房間更容易)。如果清潔機器人關(guān)閉其視覺傳感器并聲稱獲得高回報，則“獎勵代理”將獎勵標(biāo)記為無效。然后，設(shè)計者可以查看標(biāo)記為“無效”的獎勵，并對目標(biāo)函數(shù)進(jìn)行必要的更改以修復(fù)漏洞。

可擴展的監(jiān)督

當(dāng)代理人學(xué)習(xí)執(zhí)行復(fù)雜任務(wù)時，人工監(jiān)督和反饋比僅從環(huán)境中獲得獎勵更有幫助。獎勵通常被建模，以便它們傳達(dá)任務(wù)完成的程度，但它們通常不會提供關(guān)于代理人行為的安全影響的充分反饋。即使代理成功完成任務(wù)，它也可能無法僅從獎勵中推斷出其行為的副作用。在理想的環(huán)境中，每當(dāng)代理執(zhí)行操作時，人員都會提供細(xì)粒度的監(jiān)督和反饋。雖然這將為代理人提供關(guān)于環(huán)境的更多信息，但這種策略需要人類花費太多時間和精力。

解決這個問題的一個有希望的研究方向是半監(jiān)督學(xué)習(xí)，其中代理仍然在所有動作(或任務(wù))上進(jìn)行評估，但僅針對那些動作(或任務(wù))的一小部分樣本獲得獎勵。例如，清潔機器人將采取不同的行動來清潔房間。如果機器人執(zhí)行有害行為 - 例如損壞地板 - 它會對該特定動作產(chǎn)生負(fù)面回報。任務(wù)完成后，機器人將對其所有操作的整體效果進(jìn)行評估(并且不會針對每個操作單獨評估，例如從樓層拾取物品)，并根據(jù)整體性能給予獎勵。

另一個有前景的研究方向是分層強化學(xué)習(xí)在不同的學(xué)習(xí)代理之間建立層次結(jié)構(gòu)。該想法可以以下列方式應(yīng)用于清潔機器人。將有一個主管機器人，其任務(wù)是將一些工作(例如，清潔一個特定房間的任務(wù))分配給清潔機器人并向其提供反饋和獎勵。主管機器人本身只需要很少的動作 - 為清潔機器人分配一個房間，檢查房間是否干凈并提供反饋 - 并且不需要大量的獎勵數(shù)據(jù)來進(jìn)行有效的訓(xùn)練。清潔機器人執(zhí)行更復(fù)雜的清潔房間任務(wù)，并從主管機器人獲得頻繁的反饋。同一個主管機器人也可能忽略了多個清潔劑的培訓(xùn)。例如，主管機器人可以將任務(wù)委派給各個清潔機器人，并直接向他們提供獎勵/反饋。主管機器人本身只能采取少量抽象行為，因此可以從稀疏的獎勵中學(xué)習(xí)。

安全探索

培訓(xùn)AI代理的一個重要部分是確保它探索和理解其環(huán)境。雖然在短期內(nèi)探索環(huán)境似乎是一個糟糕的策略，但從長遠(yuǎn)來看，這可能是一個非常有效的策略。想象一下，清潔機器人已經(jīng)學(xué)會識別垃圾。它撿起一塊垃圾，走出房間，把它扔到外面的垃圾桶里，回到房間里，尋找另一塊垃圾并重復(fù)。雖然這種策略有效，但可能有另一種策略可以更好地運作。如果代理花時間探索其環(huán)境，可能會發(fā)現(xiàn)房間內(nèi)有一個較小的垃圾箱。而不是一次一件地來回，代理商可以先將所有垃圾收集到較小的垃圾箱中，然后單程將垃圾扔進(jìn)外面的垃圾箱。除非代理旨在探索其環(huán)境，否則它將無法發(fā)現(xiàn)這些節(jié)省時間的策略。

然而，在探索時，代理人也可能采取一些可能損害自身或環(huán)境的行動。例如，假設(shè)清潔機器人在地板上看到一些污漬。該代理決定嘗試一些新策略，而不是用拖把擦洗污漬。它試圖用鋼絲刷刮掉污漬并在此過程中損壞地板。列出所有可能的故障模式并對代理進(jìn)行硬編碼以保護自己免受攻擊是很困難的。但是，減少傷害的一種方法是在最壞的情況下優(yōu)化學(xué)習(xí)代理的性能。在設(shè)計目標(biāo)函數(shù)時，設(shè)計者不應(yīng)假設(shè)代理將始終在最佳條件下運行。可以添加一些明確的獎勵信號以確保代理不執(zhí)行某些災(zāi)難性行為，

另一種解決方案可能是減少代理對模擬環(huán)境的探索或限制代理可以探索的程度。這是一種類似的預(yù)算代理影響的方法，以避免負(fù)面影響，但需要注意的是，現(xiàn)在我們要預(yù)算代理可以探索環(huán)境的程度?；蛘?，AI的設(shè)計者可以通過演示在不同場景下最佳行為的演示來避免探索的需要。

分配變化的穩(wěn)健性

在現(xiàn)實生活環(huán)境中部署AI代理的一個復(fù)雜挑戰(zhàn)是代理可能最終處于以前從未體驗過的情況。這種情況本質(zhì)上更難以處理，并可能導(dǎo)致代理人采取有害行動。請考慮以下情況：清潔機器人已經(jīng)過培訓(xùn)，可以在處理所有先前的挑戰(zhàn)時清潔辦公空間。但今天，一名員工帶著一家小工廠留在辦公室。由于清潔機器人之前沒有看過任何植物，因此可能認(rèn)為該植物是垃圾并將其丟棄。因為AI不承認(rèn)這是以前看不見的情況，所以它繼續(xù)表現(xiàn)為好像什么都沒有改變。一個有前景的研究方向側(cè)重于確定代理何時遇到新的方案，以便它認(rèn)識到它更有可能犯錯誤。雖然這并沒有解決為不可預(yù)見的情況準(zhǔn)備AI系統(tǒng)的根本問題，但它有助于在錯誤發(fā)生之前檢測問題。另一個研究方向強調(diào)將知識從熟悉的場景轉(zhuǎn)移到新場景中。

結(jié)論

簡而言之，總體趨勢是增加人工智能系統(tǒng)的自主權(quán)，隨著自主權(quán)的增加，錯誤的可能性增加。與人工智能安全相關(guān)的問題更可能體現(xiàn)在人工智能系統(tǒng)直接控制其物理和/或數(shù)字環(huán)境而無需人為循環(huán)的情況下 - 自動化工業(yè)流程，自動化金融交易算法，人工智能支持的社交媒體活動政黨，自動駕駛汽車，清潔機器人等。挑戰(zhàn)可能是巨大的，但一線希望是人工智能安全中的具體問題幫助AI社區(qū)了解這些挑戰(zhàn)并就核心問題達(dá)成一致。從那里，研究人員可以開始探索策略，以確保我們?nèi)找嫦冗M(jìn)的系統(tǒng)保持安全和有益。