在一個完美的世界里，眼見即為現(xiàn)實。如果是這樣的話，人工智能的操作就簡單多了。只可惜，世界并不總是完美的。如何讓算法避免對抗性輸入（adversarial inputs）的干擾從而提高魯棒性便成為人工智能領域的一大難題。
以自動駕駛汽車的防撞系統(tǒng)為例。如果車載攝像頭的視覺輸入信號準確無誤、完全可信的話，人工智能系統(tǒng)便可將信號直接對應到?jīng)Q策中，進而用右轉、左轉或直行的方法避開路上的行人。
但如果車載攝像頭因故障產生了像素上的偏差，那又會怎樣呢？事實是，如果人工智能系統(tǒng)盲目地相信了所謂的 “對抗性輸入”，那它可能會作出不必要且危險的決策。
日前，麻省理工學院航天控制實驗室（Aerospace Controls Laboratory）的研究人員開發(fā)了一種新的深度學習算法，通過在輸入中建立合理 “懷疑” 來幫助計算機適應真實的、不完美的世界。這篇以 “Certifiable Robustness to Adversarial State Uncertainty in Deep Reinforcement Learning” 為題的論文于近日發(fā)表于 IEEE 的 Transactions on Neural Networks and Learning Systems 上。
圖片來源：IEEE
以該團隊將強化學習算法與深度神經(jīng)網(wǎng)絡相結合，建立了名為 “深度強化學習在對抗性輸入下可驗證的魯棒性”（Certified Adversarial Robustness for Deep Reinforcement Learning，CARRL）。
研究人員在幾個場景中測試了這種方法，包括模擬自動駕駛防撞測試和乒乓球電腦游戲（Pong。他們發(fā)現(xiàn)在面對不確定的對抗性輸入時，CARRL 比其他的機器學習技術表現(xiàn)更好，它能避免更多碰撞，且贏得了更多的 Pong 游戲。
本文主要作者，麻省理工學院航空航天實驗室博士后邁克爾 (Michael Everett) 在接受 TechExplore 采訪時表示：“ 也許很多人認為對抗性是指別人在惡意侵入你的電腦。但可能僅僅是因為你的傳感器不太好，或者測量結果不準。這是經(jīng)常發(fā)生的情況。我們的方法有助于將這種缺陷考慮進來，并做出安全的決定。在任何涉及安全的關鍵領域，這都是一個需要考慮的重大問題。”
現(xiàn)實中的可能性
為了使人工智能系統(tǒng)對對抗性輸入產生魯棒性，研究人員嘗試給監(jiān)督學習算法提供防御機制。傳統(tǒng)上來說，神經(jīng)網(wǎng)絡被會將特定輸入與相關的標簽或決策關聯(lián)。例如，如果給一個神經(jīng)網(wǎng)絡輸入了數(shù)千張被標記為貓的圖像，那么這個神經(jīng)網(wǎng)絡應該可以將一張新圖像正確地標記為一只貓。
在魯棒性較高的人工智能系統(tǒng)中，人們可以用略微改變的圖像對監(jiān)督學習算法進行測試。但是，窮盡所有的細微改變在計算上幾乎是不可能的，并且在即將碰撞等時間緊迫的條件下，算法也很難成功地做出反應。因此，如果算法不具有較好的魯棒性的話，現(xiàn)有的方法不能識別正確的標簽，或者采取正確行動。
論文作者之一 Bj rn Lütjens 說：“為了在涉及安全的關鍵場景中使用神經(jīng)網(wǎng)絡，我們必須研究如何在最壞的現(xiàn)實情況下做出實時決策。”
圖片來源：WAYMO
最好的獎勵
為了解決以上問題，該團隊開始探索機器學習的另一種算法 --- 強化學習。與監(jiān)督學習不同，強化學習不需要通過標簽將輸入與輸出相關聯(lián)，而是通過嘗試找到規(guī)律，根據(jù)結果得到獎勵從而強化特定行動。這種方法通常用于訓練計算機下棋等游戲。
強化學習主要應用于假設輸入為真的情況。邁克爾和他的同事們說，他們是在強化學習中給不確定的對抗性輸入帶來 “可驗證的魯棒性” 的第一人。
他們所采用的 CARRL 方法利用現(xiàn)有的深度強化學習算法來訓練深度 Q 網(wǎng)絡（DQN），并最終將輸入與 Q 值或獎勵水平相關聯(lián)。
如果將一個有單個圓點的圖像作為為輸入對象 ，CARRL 可以考慮到對抗性的影響。換句話說，CARRL 可以考慮到圓點可能實際所在的整個區(qū)域。根據(jù)麻省理工學院 (MIT) Tsui-Wei "Lily" Weng 開發(fā)的一項技術，該區(qū)域內圓點的每一個可能位置都會通過 DQN 進行反饋，以找到最糟糕的情況下產生最優(yōu)獎勵的決策。
充滿對抗的世界
在一個名叫 “乒乓球” (Pong) 的測試中，兩名玩家在屏幕兩側操作球拍來回傳球。而研究人員引入了一個 “對抗性因素”，將球拉得比實際位置略低。
邁克爾說：“如果我們知道一個測量結果不完全可信，而且球可能在某個區(qū)域內的任何地方，那么我們的方法就會告訴計算機，它應該把球拍放在那個區(qū)域的中間，以確保我們即使在最壞的情況下也能擊中球。”
該方法在避免碰撞的測試中也同樣穩(wěn)健。在防撞測試中，研究小組模擬了藍色和橙色的計算機（自動駕駛系統(tǒng)），它們試圖在不發(fā)生碰撞的情況下交換位置。由于團隊擾亂了橙色計算機對藍色計算機的觀察位置，CARRL 便引導橙色計算機繞過另一個計算機，達到了更大的安全距離。
確實有一段時間，CARRL 變得過于保守，導致橙色計算機認為藍色計算機在其附近的任何地方。之后它甚至完全避開了它的目的地。邁克爾說，這種極端的保守行為是有用的，因為研究人員可以將其作為一個極限來調整算法的魯棒性。例如，算法可能會小小地繞開不確定區(qū)域，但仍然到達目的地獲得較高回報。
邁克爾說，除了克服不完美的傳感器外，CARRL 可能是幫助機器人安全應對變化莫測的現(xiàn)實世界的開始：“人們可能充滿敵意。比如走在機器人前面擋住它的傳感器，或者并非出于好意對它們做出一些舉動。”“機器人怎么可能想到人們想要做的所有事情，并試圖規(guī)避呢？我們想要防御什么樣的對抗模式？這是我們正在考慮的事情。”
