假设你驾驶的车辆出现意外，你有且只有两种选择：
A：无动于衷，车会直接撞向前方的人群；
B：拨动方向盘，但车会撞向另一条路上的人。
你该如何抉择？
功利主义者认为，决策应该遵从“为多数人提供最大利益”原则，即牺牲更少的人，拯救更多的人。
这一观点遭到义务论者的反对，后者认为因救人而杀人，本质属于不道德行为，与人内心的道德命令相悖。
这个被称为电车难题的实验，不论如何选择，人都会陷入「道德困境」之中。
假如把人换成AI呢？
在电影《机械公敌》中，主角戴尔·史普纳曾遭遇一次车祸，前来营救的机器人经过计算，选择了生存率更高的男主，而非另一个小女孩Sarah。实际上，史普纳更希望机器人救小女孩。
电影《机械公敌》剧照
这部剧中，AI并未面临「道德困境」，而是根据其计算出的“生存率”进行施救，但恰恰是这冷冰冰的数字，加深了戴尔·史普纳对机器人（AI）的不信任。
这实际上反映出一个问题：当人们期待更高智能水平的AI时，要不要对AI本身进行法律上的规制，或进行道德约束？假设需要，如何进行规制？
更具体一点，在上述的施救过程中，AI能不能担责？法律责任如何界定？等等，该如何回答？
先来思考一个问题：《机械公敌》中，机器人根据“生存率”救下男主戴尔·史普纳，这个“生存率”是怎么计算的？
这个在剧中看似简单的问题，实际上触摸到了AI的核心难题之一：决策的不可解释性。
性别、年龄、情绪等特征可能是计算生存率的部分数据，但机器人是怎么进行决策的，目前的人工智能系统很难解释。
换句话说，人们知其然而不知其所以然。
以现在非常火热的深度学习为例，其决策场景下的模型可解释性很差，具体表现为：输入特征与输出结果之间存在一个无法观测的“黑箱”空间。
比如，阿尔法狗在与柯洁的对弈中，其每一步都是动态的，谷歌只下达了“赢得比赛”的指令，但阿尔法狗是如何根据柯洁的落子来决定对策从而赢得比赛，人们却无从得知。
这种不可解释性对于非常重要的场景，比如交通、金融、医疗等，是一种巨大的安全隐患。人们无法从人工智能系统决策过程中获取有效信息，进而也无法快速对系统进行优化，避免可能导致的利益损失。
另一个重要的点：机器人在救人过程中是否涉嫌“算法歧视”？也就是人工智能系统的公平性问题。
人工智能算法会受到训练数据的影响，如果训练数据中存在偏见，那么其决策也会形成歧视。
电影里的机器人在面对男女性别差异时，作出的决策有没有偏见，这一点无从得知。但现实生活中，美国芝加哥法院曾采用的犯罪风险评估系统（COMPAS）被证明对黑人存在歧视。
如果一个黑人犯了罪，他被该系统错误地标记为具有高犯罪风险的可能性更大，因此可能会被法官判处更长的刑期。
更为普遍的例子是，人们所熟知的大数据杀熟，实际上是根据用户特征/偏好数据形成的价格歧视。
从经济学角度上讲，价格歧视并非贬义，比如老人小孩乘坐公交车享受比成人更低的价格优惠。
但对于人工智能系统而言，基于数据训练形成的价格歧视，根据用户购买行为、性别等进行分层，从而给新用户以优惠，给老用户「高贵」，这种歧视无法可依，本身影响了「消费者公平」。
除了可解释性、公平性之外，AI的安全性、稳健性等问题也引发人们对AI的信任危机。
安全性表现在AI如何保护数据安全。过去一段时间里，Google、Meta等公司先后被爆出数据泄露问题，引发全球对数据保护的关注，各国也加快了针对隐私、数据保护方面的立法。
稳健性则是指人工智能系统在异常情况下，仍能保持正常运行，而不至于崩溃。例如，现在的智能驾驶都有一套「冗余」方案，目的是防止极端天气、车辆碰撞等场景下，车辆失控的情况。
但目前人工智能系统的稳健性，还有待增强。
基于不可解释性、公平性、安全性、稳定性等问题，AI需要面临的最后一道门槛是：人工智能到底能不能成为责任主体？
也就是说，人工智能因技术缺陷带来的不良后果，谁来背锅？软件开发商还是所有者？
《机械公敌》中，机器人桑尼杀死了自己的“父亲”朗宁博士，真相大白以后主角史普纳警官却没有对桑尼提起诉讼，因为桑尼并非人类，处于人类法律的界限之外。
电影《机械公敌》剧照
上述的问题实际上造成了普通大众对于人工智能的「信任危机」，然而直到现在，尚且没有一部成型的法律来对人工智能进行规制。
不过，从学界、产业界以及政府等多方的实践之中，仍能看到有益的探索。
《机械公敌》里对机器人设置了三大法则：
1、机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管；
2、机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外；
3、机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。
这三条法则相互制约，但从规则内容不难看出，「以人为本」是其根本精神。
这种精神从AI诞生元年就已经存在，然而在漫长的AI发展年轮中，技术探索始终占据着主流，对AI的审视与反思，主要是近十年来的结果。
究其原因，是技术从实验室或者小规模应用场景，走向了大规模落地场景；人们对AI的认知也在逐渐深化，从“不可置信”到怀疑，再到建立信任，是一个螺旋式上升的过程。
雷峰网(公众号：雷峰网)了解到，对于人工智能的规范性研究，主要以2015年为爆发点。
2015年1月，欧盟议会法律事务委员会（JURI）决定成立专门小组，研究机器人和人工智能发展相关的法律问题。同年，联合国教科文组织开启关于机器人伦理方面的研究。
此后的几年时间里，联合国、欧盟、电气和电子工程师协会（IEEE）等国际性组织先后开启关于人工智能伦理方面的研究工作，并且发布了相应的伦理准则。其中，影响较为广泛的是2017年的“阿西洛马人工智能原则”和IEEE倡议的人工智能伦理标准。
我国于2018年1月成立了“人工智能标准化总体组”，并发布《人工智能标准化白皮书2018》，论述了人工智能的安全、伦理、隐私等问题，并设定了相应的伦理要求和共识原则。
可以看出，自2015年以来，不论是国家级别的顶层设计，还是专业组织的呼吁倡议，人工智能的研究主要集中在伦理方面。
但这些伦理准则在实操过程中却面临执行困难问题，其根本原因在于，伦理准则属于“软性约束”，缺少相配套的落地机制，比如法律监管、行业约束等等，容易形成道德漂白（ethics washing）。
因而，在伦理准则的基础上，学术界开始了「可信AI」的讨论与探索。
所谓「可信AI」，根据中国信通院发布的《可信人工智能白皮书》的定义，可以理解为一种方法论，即“从技术和工程实践的角度，落实伦理治理要求。”
国内关于可信AI的讨论最早可追溯至2017年香山科学会议，由何积丰院士提出的“人工智能技术应该具备可信的品质。”并从学术研究角度，将可信AI的研究范围放在安全性、公平性、可解释性、隐私保护等方面。
国际上对于可信AI的研究在近几年也呈爆发趋势，2020年关于可信AI的研究论文比2017年增长近5倍，国际先进人工智能协会（AAAI)连续数年举办了 Explainable AI 研讨会。
学术界的影响也蔓延至政府，后者开始在人工智能伦理准则之上，强调“治理”。
2020年，欧盟发布《人工智能白皮书》，提出人工智能“可信生态系统”，对高风险人工智能系统提出强制性监管要求；同年，美国也发布了《促进政府使用可信人工智能》的行政命令。
我国在可信AI方面，先后发布了《国家新一代人工智能标准体系建设指南》《新一代人工智能伦理规范》等文件。
综合人工智能伦理规范和可信AI相关的学术研究和行政文件，可以总结出，当前的AI治理「价值观」体现在“以人为本，AI向善”，具体则表现为公平（无歧视）、透明（可解释）、无害（不作恶）等等。
而在这种价值观的指引下，作为AI落地的实际推动者，产业界也开始了关于AI治理的探索之路。
对于治理人工智能发展出现的的各种问题，企业作为直接相关方，起着不可或缺的作用。
一方面，在市场经济大环境下，需求对供给的反向作用非常明显，大众对于人工智能安全隐患的担忧，实际上影响着企业的生存空间。
作为技术/产品供应商，企业倘若不能深刻理解市场需求，只关注技术而忽略市场，必然遭遇获取用户信任的滑铁卢，导致失去市场。
另一方面，企业作为整个经济活动中的一份子，必然要遵循「市场法则」（法律法规），在追求经济效益的同时，强化社会责任（Corporate social responsibility）。
因此，国内外诸多互联网、AI公司先后加入了对AI治理的探索，国外如微软、亚马逊，国内如腾讯、京东、旷视等等。
雷峰网发现，目前多数公司的AI治理主要分三个方面：顶层设计、内部管理、技术攻关。
以人工智能公司旷视为例：
在顶层设计方面，2019年7月，旷视公布了基于企业自身管理标准的《人工智能应用准则》，从正当性、人的监督、技术可靠性和安全性、公平和多样性、问责和及时修正、数据安全与隐私保护六个维度，对人工智能正确有序发展作出明确规范。
与此同时，旷视还参加了多个国家及行业规范标准制定，例如《新一代人工智能治理原则》、《新一代人工智能伦理规范》等，并成为国内率先通过隐私保护国际标准ISO/IEC 27701的人工智能企业。
在内部管理上，旷视主要从企业制度和架构两方面进行管理。
架构：2019年8月，作为业内首个成立“人工智能道德委员会”的AI公司，旷视聚焦于研讨、制定公司相关伦理道德治理的规章与管理机制，并对公司业务中涉及到的重大伦理问题进行决议；
2020年1月，旷视又成立AI治理研究院，旨在联合国内顶尖研究机构，积极探索AI道德伦理与治理工作的落地路径。
制度：除了发布《人工智能应用准则》这类纲领性文件，旷视还出台了《数据分类分级管理规范》、《员工信息安全守则》等细则，在内部形成规范化管理。
与此同时，旷视倡导客户遵循《数据安全声明》、《正确使用人工智能产品倡议书》，形成行业「合力」。
对于技术攻关，旷视目前主要集中在数据安全和隐私保护、算法的安全性、稳健性等问题。
例如，旷视研发的前端图像脱敏方案，是目前业内率先实现在采集端就能完成人脸图像的不可逆脱敏，来加强个人信息保护。
而在AI基础平台研发上，旷视主张通过研发面向数据安全和隐私保护的AI平台，实现从需求提出到交付的全流程一体化数据安全及隐私保护，相关成果将进行试点推广。
值得一提的是，旷视还联合人民智库、中国人工智能产业发展联盟等专业机构、组织，发布“全球十大人工智能治理事件”评选榜单，以议题设置的方式，联动各方对AI治理进行持续关注与深度讨论，通过多元交流，共同推动AI治理走向规范化。
目前，该榜单已持续三届，针对2021年度全球十大人工智能治理事件，来自不同领域的专家表达了类似的观点。
中国信息通信研究院副总工程师、中国人工智能产业发展联盟副秘书长王爱华认为，2021年是全球人工智能治理极具实质性突破的一年，纵观全年的治理事件，全球人工智能治理呈现出“趋实、趋严、趋细”三大特点。
清华大学公共管理学院教授、人工智能国际治理研究院副院长梁正同样表示，人工智能治理已经成为全球共识，且已从理念层面进入到建章立制、落地实施的阶段。
从旷视的人工智能治理探索中不难发现，多数企业采取的是自上而下的方式，即建立规章制度，先保证企业自身的技术、制度合规性，再通过企业实践和行业研讨来共识产业方向。
而在当下的人工智能治理中，自下而上的基于应用主体和用户选择的参与，也成为人工智能治理的一个重要方法。
需要指明的是，当前的AI治理仍然处于探索期，如何引导人工智能进一步规范发展，仍有待市场经济环境下，供给、需求、监管等多方在「磨合」后，达成「共识」。
正如旷视联合创始人兼CEO印奇所言：“AI不仅要在技术创新和应用落地上下功夫，也需在治理上使力气，这离不开所有AI从业者和社会各界的共同努力。”
回到最初的「电车难题」，在这个场景中，人不得不面临道德困境，AI或许能破解这个困局。但随之而来的AI治理相关的难点，又成为AI发展过程中必须要回答的问题。
如今，AI行业在多方的努力下已迈出实质性的一步：在规范中发展，在发展中规范。
在正确「价值观」的引导下，作为改变世界的技术，人工智能也将快速走进日常生活，造福大众。
正在生成分享图...
nebula