官方网站-首页

【导语】人工智能（AI）时不时“一本正经地胡说八道”令人恼火？可能是你的AI被“投毒”了。近期，国家安全部发布安全提示指出，AI训练数据存在良莠不齐问题，虚假信息和偏见性观点导致的数据“污染”给AI安全带来挑战。专家表示，要从技术层面解决AI训练数据污染问题，AI开发者需在数据筛选验证、实时监测和溯源等方面加强努力。面对不完美的AI，日常使用时应持谨慎态度，对重要决策务必向专业人士核实。

还在为人工智能（AI）时不时“一本正经地胡说八道”恼火？

或许，你的AI被“投毒”了。8月5日，国家安全部发布安全提示，AI训练数据存在良莠不齐的问题，虚假信息、虚构内容和偏见性观点导致的数据“污染”，给AI安全带来挑战。

“训练数据之于AI，就像教科书之于学生。”中国科学院计算技术研究所工程师刘(liú)延(yán)嘉(jiā)将(jiāng)AI比(bǐ)喻(yù)成(chéng)勤(qín)奋(fèn)好(hǎo)学(xué)的(de)学(xué)生(shēng)，“AI正(zhèng)是(shì)通(tōng)过(guò)学(xué)习(xí)文本(běn)、图(tú)像(xiàng)、行(xíng)为(wèi)等(děng)数(shù)据(jù)构(gòu)建(jiàn)认(rèn)知(zhī)模(mó)型(xíng)，形(xíng)成(chéng)对(duì)世(shì)界(jiè)的(de)理(lǐ)解(jiě)与(yǔ)判(pàn)断(duàn)能(néng)力(lì)。若(ruò)教(jiào)科(kē)书(shū)内(nèi)容(róng)存(cún)在(zài)错(cuò)误(wù)或(huò)偏(piān)见(jiàn)，学(xué)生(shēng)的(de)知(zhī)识(shi)体(tǐ)系(xì)必(bì)然(rán)扭(niǔ)曲(qū)。”

研(yán)究(jiū)显(xiǎn)示(shì)，当(dāng)训(xun)练(liàn)数(shù)据(jù)中(zhōng)仅(jǐn)有(yǒu)0.01%的(de)虚(xū)假(jiǎ)文本(běn)时(shí)，AI模(mó)型(xíng)输(shū)出(chū)的(de)有(yǒu)害(hài)内(nèi)容(róng)会(huì)增(zēng)加(jiā)11.2%；即(jí)使(shǐ)是(shì)0.001%的(de)虚(xū)假(jiǎ)文本(běn)，有(yǒu)害(hài)输(shū)出(chū)也(yě)会(huì)上(shàng)升(shēng)7.2%。“训(xun)练(liàn)数(shù)据(jù)的细微瑕疵，也可能导致AI输出错误、偏见甚至危险的结果。”刘延嘉说。

AI的训练数据为何会被“污染”？

“数据被污染的情况较复杂，既有人为故意‘数据投毒’的可能，也可能因数据收集、整理过程缺乏严格规范和审核所致。”同盾人工智能研究院执行院长董纪伟说，受到数据污染的AI生成的虚假内容，可能成为后续AI训练的数据源，形成具有延续性的“污染遗留效应”。

董纪伟认为，“数据放大效应”或是更大的隐性风险，“AI可能通过算法强化，将数据中的一些偏见演变为系统性偏见，并在输出时将其奉为‘真理’。”

如今，网上AI生成内容数量已超过人类生产的真实内容，大量低质量及非客观数据充斥其中。“当AI训练数据中的错误信息逐代累积，必然会扭曲AI本身的认知能力。”董纪伟提醒。

“毒”数据对AI输出的影响，远不止“一本正经地胡说八道”这么简单，往往还具有“隐性但致命”特征。试想，当“涉毒”AI广泛应用于日常，人们可能因AI的错误诊断延误治疗；投资者可能被AI推荐的虚假高收益项目欺骗；汽车可能因AI的错误导航而迷失方向……

这样的AI，谁敢放心用？

目前，《生成式人工智能服务管理暂行办法》和新版《数据安全法》已经将AI训练数据纳入监管。但专家认为，要从技术层面解决AI训练数据污染问题，还有待AI开发者在数据筛选验证机制、数据实时监测和数据溯源等方面付出更多(duō)努(nǔ)力(lì)。正(zhèng)如(rú)中(zhōng)国(guó)工程院院士邬贺铨所言：“AI的安全边界，最终取决于数据的质量底线。”

面对并不完美的AI，我们又该如何应对？

董纪伟建议，日常使用AI时应持谨慎态度，如果AI给出的回答涉及重要决策，务必向专业人士核实。“当然，也可用多个AI工具对同一问题进行询问，通过对比答案来判断AI的可靠性。若发现AI频繁给出不合理或错误回答，可直接更换AI工具。”

（科普时报记者 陈杰）