深度 | 确保人工智能安全,我们凭什么?

分享到:

11
随着人工智能及其在未来扮演的角色成为社会讨论的焦点,恩智浦也在探索一个关键问题:如何从开发流程着手,确保人工智能和机器学习的安全?
 
人工智能:不一样的开发过程
 
在恩智浦,我们会按照客户提出的正式要求,为硬件开发相应的功能。为了满足客户的要求,我们首先列出一些已知的输入信息,也就是用例。用例可能是雷达传感器在汽车中的位置(面朝前方或角落)、电动汽车电池的工作电压、汽车驾驶舱内的屏幕数量等。然后,我们再定义设计,验证功能是否按照预期方式工作,而且不仅在模拟环境中验证,还在实地环境中验证。在实地环境中,我们无法控制功能实际接收到的输入,因而我们要在选定的用例范围内,将功能设计得尽可能稳定可靠。
12
 
但对于人工智能,这个开发过程会有一点变化。我们仍然会定义用例,但还要为每个用例分配明确定义的输出。这个任务交给计算机完成,然后再定义功能。从示例中学习的过程可称为训练。我们要教计算机做出我们需要的响应。 
 
一旦对计算机进行了用例训练,即可将这些知识转移到设备,让设备将知识应用于实地环境,更好地处理难以预知的数据。这个过程就称为推理。它与非人工智能流程的关键差别在于,在人工智能的开发中,工程师不一定像过去那样理解功能本身。
13
 
因此我们必须进行评估,调节机器的行为,直至输出的结果符合我们最初的预期。对于需要高计算量的设备,这个调节过程在云端进行,而不是在边缘进行。 
 
实现安全的人工智能 / 机器学习
 
人工智能和机器学习将被应用于汽车安全功能,因而必须确保它们不会违反安全规则。从汽车行业背景来思考人工智能和机器学习时,汽车OEM面临的问题是如何了解特定功能的风险级别,以及它们可能对人造成的伤害。因此,在定义功能时,既要避免系统性故障,还要减少随机故障。我们利用安全管理流程和安全架构来满足这些要求,从而在由人管理的开发中,实现设备监控。
 
但是,仅遵循我们现有的开发流程是不够的,因为训练和推理在本质上有所不同。因此,我们需要定义不同的问题陈述。首先,我们必须了解训练数据是否存在系统性故障。我们还必须了解人工智能模型是如何创建的。该模型是否会产生可能导致系统性故障的不必要偏差?此外,在推理过程中,模型的执行是否存在随机故障?
 
在这一方面,机器学习质保可以发挥作用。机器学习质保涉及到训练和评估步骤的完整性、正确性和一致性。它涵盖所有顶级安全流程和数据管理。其目的是确保使用的数据是正确和完整的,不存在任何偏差。
 
在推理层面上,安全机制可以确保硬件的完整性。而这些硬件可能是任何形式的硬件内核。经典的安全机制具有ECC/奇偶校验、锁步和流量监控功能,另外还利用安全封装器加以增强,对数据进行更多检查,从统计上衡量安全性能。
14
恩智浦有关算法道德的白皮书阐述了恩智浦对人工智能开发完整性的看法,并探讨了可靠人工智能的安全性和透明度。我们有一款名为Auto eIQ的专用软件,可帮助开发人员评估和优化训练模型,并将训练模型部署到目标环境中,有助我们持续提高模型的可靠性。
继续阅读
终于来了!工信部集中整治网络摄像头安全:切实保障公民隐私

6月11号,工业和信息化部、中央网信办、公安部、市场监管总局联合印发了《关于开展摄像头偷窥等黑产集中治理的公告》。文件中提出要积极打击摄像头偷拍行为,严厉打击以此牟利的黑色产业链条。

人工智能产业化落地加速 如何解决行业需求碎片化难题?

近段时间,华为入局自动驾驶领域,再一次掀起了人工智能热潮。回顾过去,人工智能行业已经经历了三起两落,与2017年的人工智能热潮不同,2021年各家科技公司都在加码人工智能的产业化落地。

人工智能在自动化航运物流中的应用

在冠状病毒疫情发生之后,为了克服供应链的复杂性和劳动力短缺的挑战,企业考虑采用各种技术流程。在这种不确定的环境下,人工智能已经在简化航运物流以适应新常态方面发挥了重要作用,并且影响广泛。

助力供电安全 电力巡检机器人蓝海显现

近年来,随着科技的持续进步,各行业转型升级进程不断加快,自动化水平日益提升。在此浪潮下,机器人成为了自动化产业发展重要着力点,已然是科技创新领域的主要代表。现阶段,在电力行业中,机器人逐渐成为巡检维修作业的有力助手,为我国电力领域发展变革提供了一定支撑作用。

人工智能未来的发展方向是什么?

第一个趋势是,全体IT巨头将重兵布局AI云服务,AI-a-a-S,意思是人工智能即服务,将成为未来趋势。AI是未来,已经是不证自明的事实,新老IT巨头不仅在自身业务里积极运用人工智能,同时也在积极利用云计算平台将AI服务提供给第三方。