0
雷锋网AI科技评论按：IEEE（美国电气和电子工程师协会）最新宣布了三项新的人工智能发展标准。
IEEE 号称为“世界上最大的先进技术专业组织”。根据最近发布的一份报告，他们的人工智能标准将优先考虑人类，因为他们承诺要跟上AI领域不断发展的脚步。
在发布的《合乎伦理的设计：将人类福祉与人工智能和自主系统优先考虑的愿景》报告中，共分为八个部部分阐述了新的人工智能发展问题。分别是：一般原则，人工智能系统赋值；指导伦理学研究和设计的方法学；通用人工智能和超级人工智能的安全与福祉；个人数据和个人访问控制；重新构造自动武器系统；经济/人道主义问题；法律。
一般原则涉及高层次伦理问题，适用于所有类型的人工智能和自主系统。在确定一般原则时，主要考虑三大因素：体现人权；优先考虑最大化对人类和自然环境的好处；削弱人工智能的风险和负面影响。
人类利益原则要求考虑如何确保AI不侵犯人权。责任原则涉及如何确保AI是可以被问责的。为了解决过错问题，避免公众困惑，AI系统必须在程序层面具有可责性，证明其为什么以特定方式运作。透明性原则意味着自主系统的运作必须是透明的。AI是透明的意味着人们能够发现其如何以及为何做出特定决定。
在关于如何将人类规范和道德价值观嵌入AI系统中，报告中表示由于AI系统在做决定、操纵其所处环境等方面越来越具有自主性，让其采纳、学习并遵守其所服务的社会和团体的规范和价值是至关重要的。可以分三步来实现将价值嵌入AI系统的目的：
第一，识别特定社会或团体的规范和价值；
第二，将这些规范和价值编写进AI系统；
第三，评估被写进AI系统的规范和价值的有效性，即其是否和现实的规范和价值相一致、相兼容。
虽然上述的相关研究一直在持续，这些研究领域包括机器道德（Machine Morality）、机器伦理学（Machine Ethics）、道德机器（Moral Machine）、价值一致论（Value Alignment）、人工道德（Artificial Morality）、安全AI、友好AI等，但开发能够意识到并理解人类规范和价值的计算机系统，并让其在做决策时考虑这些问题，一直困扰着人们。当前主要存在两种路径：自上而下的路径和自下而上的路径。这一领域的研究需要加强。
报告中还指出需要指导伦理研究和设计的方法论，通用人工智能和超级人工智能的安全与福祉，重构自主武器系统，以及经济/人道主义问题等八个人工智能发展面临的问题。报告中收集了超过一百位来自人工智能领域学术界，科学界，以及政府相关部门的思想领袖的意见，整合了人工智能、伦理学、哲学和政策等多个领域专业知识。它的修订版EAD（Ethically Aligned Design） 版本将会在2017年底推出，报告增至为十三个章节，含二百五十多个全球思想领袖的精华分享。
IEEE 机器人和自动化协会的主席Satoshi Tadokoro 解释了他们为什么想要制定这样的标准：“机器人和自动系统将为社会带来重大创新。最近，公众越来越关注可能发生的社会问题，以及可能产生的巨大潜在利益。不幸的是，在这些讨论中，可能会出现一些来自虚构和想象的错误信息。”
Tadokoro 继续说道：“IEEE 将基于科学和技术的公认事实来引入知识和智慧，以帮助达成公共决策，使人类的整体利益最大化。”除了AI伦理标准外，还有其他两个人工智能标准也被引入报告中，每个项目都由领域专家领导。
第一个标准是：“机器化系统、智能系统和自动系统的伦理推动标准”。这个标准探讨了“推动”，在人工智能世界里，它指的是AI会影响人类行为的微妙行动。
第二个标准是“自动和半自动系统的故障安全设计标准”。它包含了自动技术，如果它们发生故障，可能会对人类造成危害。就目前而言，最明显的问题是自动驾驶汽车。
第三个标准是“道德化的人工智能和自动系统的福祉衡量标准”。它阐述了进步的人工智能技术如何有益于人类的益处。
这些标准的实施可能比我们想象的要早，因为像 OpenAI 和 DeepMind 这样的公司越来越快地推进人工智能的发展，甚至创造出能够自我学习又扩大“智能”领域的人工智能系统。专家们认为，这样的人工智能会破坏世界稳定，导致大规模的失业和战争，甚至转向创造“杀人武器”。最近，联合国的重要讨论促使人们开始认真思考，需对将人工智能技术当作武器使用进行更严格的监管。
雷锋网小结：2017年是AI发展最快的一年，AI 威胁论一波未平，一波又起。这其中牵扯到AI滥用、AI透明性、算法公平、AI伦理、AI监管和责任、AI信任等问题，我们看到其中有一部分正在拟定相关的标准和规范。不过，未来AI的发展还需要更多的讨论和对话，一方面需要确保法律和政策不会阻碍创新进程，另一方面，对新出现的诸如伦理、责任、安全、隐私等问题，需要在跨学科的基础上，以及在政府、企业、民间机构、公众密切合作的基础上，共同削弱AI的不利影响，创建人类和AI彼此信任的未来。
雷锋网via IEEE
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
