在日前于瑞典斯德哥爾摩舉行的國際機器學習會議上，一群研究人員描述了他們的3D打印烏龜。大多數人會說，它看上去就像一只烏龜，但人工智能（AI）算法有不同的看法。在大多數時候，AI認為這只烏龜看上去像一支步槍。類似地，它將一個3D打印的棒球視為濃縮咖啡。這是“對抗性攻擊”的例子——稍作改變的圖片、物體或者聲音可愚弄AI。

AI領域一些引人注目的進步，尤其是在消化了訓練數據集后能識別聲音或物體的機器學習算法，刺激了語音助手和自動駕駛汽車的發展。但這些AI應用很容易被欺騙。

在此次會議上，對抗性攻擊是一個熱門主題。研究人員報告了欺騙AI以及保衛它們的各種新方法。令人擔憂的是，會議的兩個最佳論文獎之一給了這樣的結論：其發現受到保護的AI并非像其開發者可能認為的那樣安全。“我們這些機器學習領域的專家并不習慣于從安全性的角度看待問題。”共同主導上述3D打印研究的麻省理工學院（MIT）計算機科學家Anish Athalye表示。

致力于研究對抗性攻擊的計算機科學家表示，他們正在提供一種服務，就像指出軟件安全缺陷的黑客一樣。“我們需要重新思考所有的機器學習途徑，以便使其更強勁。”MIT計算機科學家Aleksander Madry認為。

研究人員表示，這些攻擊在科學上也有用處，為了解被稱為神經網絡的AI應用提供了罕見的窗口。神經網絡的內在邏輯無法得到清晰明了的解釋。加州大學伯克利分校計算機科學家Dawn Song表示，對抗性攻擊是強大的鏡頭，“透過它，我們能理解獲得的機器學習知識”。

去年，Song和同事將一些貼紙放到停車標志上，從而欺騙一種常見的圖像識別AI認為其是每小時不超過45英里的限速標志。這一結果令自動駕駛汽車公司不寒而栗。

研究人員正在設計更復雜的攻擊。在另一場會議上，Song還將報告一種讓圖像識別AI不只誤判物體，還對其產生幻覺的“花招”。在一項測試中，凱蒂貓隱約出現在機器的街景視圖中，而路上行駛的汽車卻消失了。