AI挺好的，万一大规模失控了呢？

当我们一直在讨论 AI 能给互联网安全带来什么影响的时候，可能一直都忽略了一个问题：AI 本身也不安全。

这两天的新闻恰如其分地提醒了我们这一点。近日，谷歌被曝其机器学习框架 TensorFlow 中存在的严重安全风险，可被黑客用来制造安全威胁，谷歌方面已经确认了该漏洞并做出了整改回应。

虽然是提前发现，这些漏洞本身没有带来实质威胁，但这条消息还是让一些人感到了不安。TensorFlow、Torch、Caffe 这些机器学习开发框架，差不多是如今 AI 开发者与研究者的标准配置，但这些平台最近却纷纷被曝光存在安全漏洞和被黑客利用的可能性。

某种意义上来说，这些消息在提醒我们同一个问题：当我们急切的将资金与用户关系聚集在机器学习上时，也可能是将巨大的安全性问题捆绑在了身上。

更重要的是，面临 AI 安全问题，我们中的大部分人还处在很傻很天真的 “懵懂状态”，对它的逻辑和危害性近乎一无所知。

本文希望科普一下这些内容，毕竟防患于未然。另外必须提醒开发者和企业的是，在谷歌这些大公司不遗余力地推广自家机器学习平台，并且为了吸引使用者而快速迭代、大量发布免费资源时，开发者本身一定要留个心眼，不能不假思索地使用。

比起心血毁于一旦，更多的审查机制和更严密的安全服务是非常值得的。

盲点中的魔鬼：机器学习框架的安全隐患

说机器学习平台的漏洞，有可能让开发者的心血付诸东流，这绝不是开玩笑。在今年上半年的勒索病毒事件里，我们已经见识过了如今的黑客攻击有多么恐怖，而勒索病毒本身就是利用了 Windows 中的漏洞，进行针对式攻击锁死终端。

可以说，在勒索病毒的洗礼之后，信息产业已经进入了 “漏洞霸权时代”。只要拥有了更多漏洞，就拥有了大范围的控制权与支配权。随着黑客攻击的工具化和门槛降低，能力一般的攻击者也可以利用平台漏洞发动广泛攻击。

但在我们愈发重视 “漏洞产业” 带给今天世界的安全隐患时，却不自主地产生了一个视线盲区，那就是人工智能。

当下大部分 AI 开发任务的基本流程是这样的：一般来说，一个开发者想要从头开始开发深度学习应用或者系统，是一件极其麻烦且几乎不可能的事。所以开发者会选择利用主流的开发框架。比如这次被曝出安全隐患的谷歌 TensorFlow。

利用这类平台，开发者可以用平台提供的 AI 能力，结合开源的算法与模型，训练自己的 AI 应用。这样速度快效率高，也可以吸收最先进的技术能力。这种 “不能让造车者从开发轮子做起” 的逻辑当然是对的，但问题是，假如轮子里面本身就有问题呢？

由于大量开发者集中利用机器学习框架训练 AI 是近两年的事情，此前也没有曝出过类似平台存在安全问题，所以这个领域的安全因素一直没有被重视过，可能大部分 AI 开发者从来都没有想过会存在安全问题。

但这次被发现的漏洞却表明：利用 TensorFlow 本身的系统漏洞，黑客可以很容易地制造恶意模型，从而控制、篡改使用恶意文件的 AI 应用。

由于一个投入使用的深度学习应用往往需要复杂的训练过程，所以恶意模型的攻击点很难短时间被察觉。但由于智能体内部的逻辑关联性，一个点被黑客攻击很可能将会全盘受控。这种情况下造成的安全隐患，显然比互联网时代的黑客攻击更加严重。

理解了这些，我们可能会达成一个并不美好的共识：我们一直在担心的 AI 失控，可能根本不是因为 AI 太聪明想夺权，而是居心不良的黑客发动的。

AI“失控”：一个今天不得不面对的问题

相比于经典计算的信息存储与交互模式，人工智能，尤其是机器学习类任务，最大的改变之一就是展现出了信息处理的整体性和聚合性。比如著名 AlphaGo，它不是对每种棋路给出固定的应对模式，而是对棋局进行预判和自我推理。它的智慧不是若干信息组成的集合，而是一个完整的 “能力”。

这是 AI 的优点，但很可能也是 AI 的弱点。试想，假如 AlphaGo 中的某个训练模型被黑客攻击了，比如让系统在该打吃的时候偏偏就不打。那么最终展现出的将不是某个棋招运算失当，而是干脆一盘棋也赢不了。

说白了，AI 注定是一个牵一发动全身的东西，所以平台漏洞带来的安全风险才格外可怕。

AlphaGo 毕竟还只是封闭的系统，即使被攻击了大不了也就是下棋不赢。但越来越多的 AI 开始被训练出来处理真实的任务，甚至是极其关键的任务。那么一旦在平台层面被攻克，将带来无法估计的危险。

比如说自动驾驶汽车的判断力集体失灵、IoT 体系被黑客控制、金融服务中的 AI 突然瘫痪、企业级服务的 AI 系统崩溃等等情况，都是不出现还好，一旦出现就要搞个大事情。

由于 AI 系统紧密而复杂的连接关系，很多关键应用将从属于后端的 AI 体系，而这个体系又依赖平台提供的训练模型。那么一旦最后端的平台失守，必然引发规模化、连锁式的崩盘——这或许才是我们今天最应该担心的 AI 失控。

AI 产业的风险，在于某个黑客一旦攻克了机器学习平台的底层漏洞，就相当于把整个大厦的最下一层给炸掉。这个逻辑此前很少被人关注，却已经被证明了其可能存在。而最可怕的是，面对更多未知的漏洞和危险，世界范围内的 AI 开发者近乎是束手无策的。

家与国：无法逃避的 AI 战略角力

在认识到 AI 开发平台可能出现的底层问题，以及其严重的危害性之后，我们可能会联想到国家层面的 AI 安全与战略角力。

今年 7 月，哈佛大学肯尼迪政治学院贝尔弗科学与国际事务中心发布的《人工智能与国家安全》报告里，就专门指出 AI 很可能在接下来一段时间内，对多数国民产业带来革命性的影响，成为产业中的关键应用。那么一旦 AI 安全受到威胁，整个美国经济将受到重大打击。

同样的道理，当然也适用于今天与美国抗衡的 AI 大国——中国。这次 TensorFlow 安全漏洞曝光后，我们联系了一家国内机器视觉方向的创业公司，他们所使用的训练模型全部来自于 TensorFlow 中的社区分享。沟通之后的结论是，如果真受到黑客恶意模型的袭击，他们的产品将瞬间瘫痪。

这仅仅是一家创业公司，据了解国内使用 TensorFlow 进行训练的还包括京东、小米、中兴等大型企业，以及不少科研院所的研发项目。未来，很有可能还有更多更重要的中国 AI 项目在这个平台上进行训练部署。当这些东西暴露在黑客攻击的面前，甚至控制权掌握在别国手中，我们真的可以放心这样的 AI 发展之路吗？

这也绝不是杞人忧天。勒索病毒爆发之后，追根溯源就会发现，这些黑客工具的源头来自美国情报系统研发的网络攻击武器。武器这种东西，制造出来就是为了杀伤的，无论是制造者使用，还是被盗后流出，最终吃亏的只能是没有防范的那群人。

各种可能性之下，AI 安全问题在今天已经绝不是儿戏。而中国产业至少能做两件事：一是组建专业的 AI 防护产业，将互联网安全升级为 AI 安全；二是必须逐步降低对国外互联网公司框架平台的依赖度，这里当然不是民粹主义的闭关锁国，而是应该给开发者更多选择，让整个产业自然而然地向国家 AI 安全战略靠拢。

总之，AI 本身的安全防护，已经成为了开发者必须在意、大平台需要承担责任、国家竞争需要争抢的一个环节。希望永远都不要看到 AI 失控事件，毕竟吃一堑长一智的事情在互联网历史上已经发生太多了。