A去年，美國(guó)食品藥品監(jiān)督管理局（FDA）批準(zhǔn)了一種人工智能（AI）醫(yī)療設(shè)備上市，只需捕捉患者視網(wǎng)膜圖像，就能自動(dòng)檢測(cè)是否有糖尿病性失明征兆。

如今，像這樣的新型AI技術(shù)正在醫(yī)療領(lǐng)域迅速蔓延。科學(xué)家們正積極開(kāi)發(fā)著各種AI系統(tǒng)，能夠直接或是通過(guò)各種各樣的影像，幫助識(shí)別各類(lèi)疾病的征兆。

越來(lái)越多的AI技術(shù)，可能是一把雙刃劍。圖據(jù)《紐約時(shí)報(bào)》

然而，據(jù)《紐約時(shí)報(bào)》3月21日?qǐng)?bào)道，科學(xué)家們開(kāi)始擔(dān)心，越來(lái)越多被應(yīng)用到醫(yī)療保健服務(wù)中的AI技術(shù)，可能是一把雙刃劍。除了幫助醫(yī)生高效工作，它更有可能被蓄意操縱，導(dǎo)致誤診，以及其他更嚴(yán)重的后果。

微小的改動(dòng)就能讓AI系統(tǒng)誤診

從識(shí)別肺部 X 光片到大腦CT掃描圖像……與過(guò)去相比，不斷涌現(xiàn)的AI系統(tǒng)能幫助醫(yī)生更有效、更低成本地去評(píng)估病人。

未來(lái)，這樣的AI系統(tǒng)將不僅僅在醫(yī)院被廣泛使用，還可能為醫(yī)療監(jiān)管機(jī)構(gòu)、賬單服務(wù)公司和保險(xiǎn)公司提供幫助。正如AI幫助醫(yī)生檢查病人的眼睛、肺部和其他身體器官一樣，它也能幫助保險(xiǎn)公司確定賠付金額和保單費(fèi)用。

理想的情況下，這些系統(tǒng)將有助于提高整個(gè)醫(yī)療體系的工作效率。然而，美國(guó)哈佛大學(xué)和麻省理工學(xué)院的一組研究人員警告稱(chēng)，這些系統(tǒng)也可能會(huì)產(chǎn)生難以想象的嚴(yán)重后果。

3 月 21 日，在《科學(xué)》（Science）雜志上發(fā)表的一篇論文中，提出了“對(duì)抗性攻擊”（adversarial attacks）的可能性。

“對(duì)抗性攻擊”是指利用調(diào)整微小的數(shù)字?jǐn)?shù)據(jù)，改變?nèi)斯ぶ悄芟到y(tǒng)行為的操作。

在醫(yī)療人工智能和其他應(yīng)用中，輸入的微小變化可能導(dǎo)致輸出的巨大變化。圖據(jù)《金融時(shí)報(bào)》

例如，修改肺部掃描影像的幾個(gè)像素，就能誤導(dǎo)AI系統(tǒng)，把沒(méi)病的判斷成有病，或者把有病的誤判成沒(méi)病。

在新發(fā)布的這篇論文中，研究人員證實(shí)，通過(guò)改變一幅良性皮膚病變圖像中的少量像素，就能欺騙一種診斷AI系統(tǒng)，導(dǎo)致其誤判病為惡性。他們還發(fā)現(xiàn)，通過(guò)簡(jiǎn)單地旋轉(zhuǎn)影像，也能達(dá)到同樣的目的。

如果對(duì)病人病情的書(shū)面描述進(jìn)行一些小的改動(dòng)，也可改變?nèi)斯ぶ悄艿脑\斷：“酗酒”的診斷結(jié)果與“酒精依賴(lài)”的不同，“腰痛”和“背痛”的診斷結(jié)果也會(huì)有所區(qū)別。

利用對(duì)抗性攻擊獲利 最終受害者將是患者

隨著監(jiān)管機(jī)構(gòu)、保險(xiǎn)公司和醫(yī)療賬單服務(wù)公司開(kāi)始在其軟件系統(tǒng)中使用AI技術(shù)，黑客可能入侵系統(tǒng)，導(dǎo)致病人誤診。更有可能發(fā)生的一種情況是，醫(yī)生、醫(yī)院和其他相關(guān)機(jī)構(gòu)或?qū)⒗脤?duì)抗性攻擊，操縱醫(yī)療賬單或保險(xiǎn)軟件上的AI系統(tǒng)，想方設(shè)法獲得盡可能多的收益。

例如，如果保險(xiǎn)公司使用AI評(píng)估醫(yī)學(xué)掃描影像，醫(yī)院可以通過(guò)修改掃描結(jié)果，以提高賠付金額。如果監(jiān)管機(jī)構(gòu)建立了AI系統(tǒng)，用于評(píng)估新技術(shù)，設(shè)備制造商可以通過(guò)改變圖像和其他數(shù)據(jù)，以欺騙系統(tǒng)，獲得監(jiān)管部門(mén)的批準(zhǔn)。

研究人員認(rèn)為，一旦人工智能深深植根于醫(yī)療體系之中，各家企業(yè)將逐漸出現(xiàn)能為其帶來(lái)最大利潤(rùn)的行為。而這其中的受害者，將是患者。

哈佛大學(xué)醫(yī)學(xué)院和麻省理工學(xué)院的研究人員塞繆爾·芬利森指出，如果醫(yī)生為了騙過(guò)保險(xiǎn)公司的AI系統(tǒng)，以獲得更多利潤(rùn)，對(duì)醫(yī)學(xué)掃描影像或病人的其他數(shù)據(jù)進(jìn)行改動(dòng)。而這些改動(dòng)將出現(xiàn)在病人的永久記錄中，伴隨其終身，這將對(duì)病人未來(lái)的診斷產(chǎn)生影響。

相關(guān)機(jī)構(gòu)或?qū)⒗脤?duì)抗性攻擊，想方設(shè)法獲得盡可能多的收益。 圖據(jù)彭博社

這樣的情況并不只是一種假設(shè)或不必要的擔(dān)憂(yōu)。事實(shí)上，由于整個(gè)醫(yī)療保健行業(yè)有大量的資金來(lái)往，一些醫(yī)生、醫(yī)院和其他組織已經(jīng)出現(xiàn)了操控軟件系統(tǒng)獲利的情況。例如，為了提高醫(yī)療費(fèi)用支出，醫(yī)生們巧妙地修改了賬單代碼，將簡(jiǎn)單的X光掃描變?yōu)楦鼜?fù)雜的掃描等等。

芬利森稱(chēng)，人工智能可能會(huì)加劇這個(gè)問(wèn)題。未來(lái)幾年，軟件開(kāi)發(fā)者和監(jiān)管機(jī)構(gòu)在構(gòu)建和評(píng)估AI系統(tǒng)時(shí)，必須考慮這些情況發(fā)生的可能性?！搬t(yī)療信息本身就模糊不明確，再加上財(cái)務(wù)激勵(lì)政策經(jīng)常相互沖突，使得高風(fēng)險(xiǎn)決策因非常微妙的信息變動(dòng)就會(huì)出現(xiàn)搖擺?！?/p>

對(duì)抗性攻擊的擔(dān)憂(yōu)與日俱增

這篇新發(fā)表的論文加劇了人們對(duì)“對(duì)抗性攻擊”可能性的擔(dān)憂(yōu)，從人臉識(shí)別服務(wù)、無(wú)人駕駛汽車(chē)到虹膜掃描儀和指紋識(shí)別器，其攻擊的目標(biāo)可謂包羅萬(wàn)象。

對(duì)抗性攻擊利用了眾多AI系統(tǒng)設(shè)計(jì)和構(gòu)建的一個(gè)基本方面——神經(jīng)網(wǎng)絡(luò)。人工智能越來(lái)越多地受到神經(jīng)網(wǎng)絡(luò)的驅(qū)動(dòng)，而神經(jīng)網(wǎng)絡(luò)本身是一種復(fù)雜的數(shù)學(xué)系統(tǒng)，通過(guò)分析大量數(shù)據(jù)獨(dú)立學(xué)習(xí)任務(wù)。例如，通過(guò)分析成千上萬(wàn)的眼部掃描圖像，神經(jīng)網(wǎng)絡(luò)可以學(xué)會(huì)如何監(jiān)測(cè)糖尿病視網(wǎng)膜病變的征兆。

但這種“機(jī)器學(xué)習(xí)”是建立在巨大規(guī)模的基礎(chǔ)，也就是無(wú)數(shù)定義人類(lèi)行為的不同的數(shù)據(jù)塊之上，以至于一旦接收到不正確的信息，AI系統(tǒng)可能產(chǎn)生意想不到的行為。

2016 年，美國(guó)卡耐基梅隆大學(xué)的一個(gè)研究小組通過(guò)印在眼鏡框上的圖案，成功騙過(guò)了面部識(shí)別系統(tǒng)，讓其誤以為戴眼鏡的是名人。當(dāng)研究人員戴上這些眼鏡時(shí)，系統(tǒng)把他們錯(cuò)誤識(shí)別成米拉·喬沃維奇（Milla Jovovich）和約翰·馬爾科維奇（John Malkovich）。

2018年，一個(gè)研究團(tuán)隊(duì)也設(shè)計(jì)了類(lèi)似的實(shí)驗(yàn)。他們讓一名亞洲科學(xué)家戴上一頂帽子，將紅外光從帽檐下方投射到他臉上。紅外光是人眼不可見(jiàn)的，但它可以欺騙面部識(shí)別系統(tǒng)，讓它錯(cuò)誤識(shí)別佩戴者是白人音樂(lè)家Moby，而不是來(lái)自亞洲的科學(xué)家。

也有研究曾警告稱(chēng)，對(duì)抗性攻擊能欺騙無(wú)人駕駛汽車(chē)，讓它們看到不存在的東西。通過(guò)對(duì)路標(biāo)做一些微笑的改動(dòng)，就導(dǎo)致汽車(chē)AI系統(tǒng)將停車(chē)標(biāo)志錯(cuò)誤地識(shí)別為讓路標(biāo)志。

去年年底，美國(guó)紐約大學(xué)坦頓工程學(xué)院的一個(gè)研究團(tuán)隊(duì)創(chuàng)造了一種虛擬指紋，在22%的情況下，成功騙過(guò)了指紋識(shí)別器。也就是說(shuō)，所有使用這些指紋識(shí)別器的手機(jī)或個(gè)人電腦，有22%可能被解鎖。

鑒于生物特征安全設(shè)備和其他人工智能系統(tǒng)的日益普及，這項(xiàng)研究的影響極其深遠(yuǎn)。印度已經(jīng)開(kāi)始實(shí)施世界上最大的基于指紋的身份識(shí)別系統(tǒng)，用于發(fā)放政府津貼和分派服務(wù)。各家銀行正在引入人臉識(shí)別技術(shù)到自動(dòng)取款機(jī)上。與 Google 同屬一家母公司的 Waymo等企業(yè)，目前正在對(duì)無(wú)人駕駛汽車(chē)進(jìn)行公共道路測(cè)試。

如今，芬利森團(tuán)隊(duì)就AI系統(tǒng)在醫(yī)學(xué)領(lǐng)域的使用也發(fā)出了同樣的警告，目前為止，在醫(yī)療保健領(lǐng)域還沒(méi)有發(fā)現(xiàn)前沿的對(duì)抗性攻擊。但這種潛力是存在的，特別是在醫(yī)療賬單和保險(xiǎn)行業(yè)。

然而，作為一名機(jī)器學(xué)習(xí)系統(tǒng)專(zhuān)家，美國(guó)賓夕法尼亞大學(xué)沃頓商學(xué)院助理教授哈姆莎·巴斯塔尼對(duì)于引入人工智能是否會(huì)讓問(wèn)題變得更加嚴(yán)重提出了質(zhì)疑。首先，想要在現(xiàn)實(shí)中實(shí)現(xiàn)對(duì)抗性攻擊是有難度的；其次，目前還不確定監(jiān)管機(jī)構(gòu)和保險(xiǎn)公司是否打算采用容易受到對(duì)抗性攻擊的這類(lèi)機(jī)器學(xué)習(xí)算法。但她又補(bǔ)充道，這個(gè)問(wèn)題的確值得關(guān)注：

“（現(xiàn)實(shí)中）總會(huì)出現(xiàn)意想不到的后果，特別是在醫(yī)療保健領(lǐng)域?！?/p>