我们在一片对 18 岁照片的花样赞美中，迎来了又一个新年。

按说新年应该是开心的时候，但是刚刚跨年结束，抬头一看居然要上班了…不由得悲从心来…所以今天我们打算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，当我们开始从 AI 中收获价值的时候，技术升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。我们当然不能因此禁止汽车上路，但是也不能对交通问题视而不见。

今天我们来预测几个，很可能在 2018 年进入我们眼帘的「人工智能负能量」。

毕竟做好准备，是解决问题的前提条件。

一、人工智能伦理问题开始出现个案

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领域的专家，联合签署了著名的《阿西洛马人工智能 23 条原则》。

随后，各种关于人工智能伦理道德的讨论、会议，以及相关协会和科技组织开始出现在公众视野里。

《23 条原则》的主要内容，就是呼吁人工智能不能损害人类的利益和安全，同时人工智能必须可以被人类控制，同时人类要尽量尊重人工智能和机器人的安全。

听起来颇有点科幻的味道，但是在各行各业开始部署 AI，尤其开始利用 AI 进行自动化决策的时候，人工智能的伦理与道德问题或许真的会浮出水面。
 

所谓的算法歧视，对于普通消费者来说，最有可能在内容推荐和电商推荐两个地方感觉到。比如说消费者刚看过宽大的衣服，电商就推荐减肥药，很可能让消费者联想到算法在歧视自己胖；再比如打开今日头条这类软件的时候，大家可能都出现过这种情况：偶尔点了一个推荐来的猎奇或者伪色情内容，然后再一刷新。好嘛，蜂拥而至的类似内容啊，你本来想看的兴趣内容和专业内容瞬时间化为乌有。甚至你怎么点我不关心不喜欢，平台还是给你推荐。这就是因为算法的归类方式给你贴上了标签。这种歧视感也蛮严重的，好像背后有个人奸笑着对你说：「承认吧，你就是这么低俗…」
 

这类问题的根源，是机器学习技术进行个性推荐，今天还必须建立在两个逻辑的基础上：以过去算将来，以群体算个体。算法会吸收以前有过的经验来给你特定的某些东西，但很有可能歧视信息就包含在机器吸收的经验里。

在个性推荐系统越来越多场景应用可能的今天，我们恐怕短期内还难以根治算法的歧视。

三、私人数据与机器

学习的矛盾日益凸显

人工智能和个人隐私，似乎从来都是一对天敌。

因为人工智能技术假如想要提供个性化、完全符合个人习惯的服务，那么就必然要学习和理解用户本身。而这其中，就涉及对用户私人数据的学习。

但出于隐私的考虑，以及对网络安全的不信任，大部分用户显然是不希望透露自己数据给机器的。

从而「鸡生蛋蛋生鸡」的矛盾就产生了。

近两年，用 AI 来读取用户个人数据这件事一直处在被压抑和不能提的状态。更早一点的时候，苹果和谷歌等大公司都推出过让 AI 读懂用户的产品，但很快就被舆论抨击给关停了。即使这样，谷歌去年推出的家用 AI 相机还是饱受诟病。
 

而在开发框架和数据资源越来越丰富、算法越来越强劲的今天，大概我们可以很肯定的说：2018 年用 AI 来伪造视频音频将更加天衣无缝。

这是 AI 对未来技术的探索，却很可能引发社交媒体和网络传播的动荡：当我们看到的视频都可以完全造假的时候，这个世界还有什么可以相信呢？

假作真时真亦假，只能期望反 AI 造假的 AI 系统也尽快出现吧。

五、黑客攻击有更多花样

2017 年年末，谷歌 TensorFlow 被惊人的爆出框架漏洞，虽然是被白帽子找到，没有造成危险，但这还是点醒了我们一点：AI 并不安全。

至此，我们已经见识过了各种黑客攻击和 AI 技术结合的可能性：用 AI 来伪造文件信息实施攻击和诈骗；利用 AI 技术来提升黑客攻击效率；以 AI 系统为目标的攻击。随着 AI 和物联网体系的结合，未来物联网攻击中很可能也会加入 AI 的身影。

AI 技术的成熟，让网络黑客们找到了更多的目标、更多的工具以及更多的技巧。虽然 AI 同样给我们提供了各种保护互联网安全的方式。但无论如何，AI 带给了黑客更多可能性是毫无疑问的。