在一个完美的世界里，眼见即为现实。如果是这样的话，人工智能的操作就简单多了。只可惜，世界并不总是完美的。如何让算法避免对抗性输入（adversarial inputs）的干扰从而提高鲁棒性便成为人工智能领域的一大难题。
以自动驾驶汽车的防撞系统为例。如果车载摄像头的视觉输入信号准确无误、完全可信的话，人工智能系统便可将信号直接对应到决策中，进而用右转、左转或直行的方法避开路上的行人。
但如果车载摄像头因故障产生了像素上的偏差，那又会怎样呢？事实是，如果人工智能系统盲目地相信了所谓的 “对抗性输入”，那它可能会作出不必要且危险的决策。
日前，麻省理工学院航天控制实验室（Aerospace Controls Laboratory）的研究人员开发了一种新的深度学习算法，通过在输入中建立合理 “怀疑” 来帮助计算机适应真实的、不完美的世界。这篇以 “Certifiable Robustness to Adversarial State Uncertainty in Deep Reinforcement Learning” 为题的论文于近日发表于 IEEE 的 Transactions on Neural Networks and Learning Systems 上。
图片来源：IEEE
以该团队将强化学习算法与深度神经网络相结合，建立了名为 “深度强化学习在对抗性输入下可验证的鲁棒性”（Certified Adversarial Robustness for Deep Reinforcement Learning，CARRL）。
研究人员在几个场景中测试了这种方法，包括模拟自动驾驶防撞测试和乒乓球电脑游戏（Pong。他们发现在面对不确定的对抗性输入时，CARRL 比其他的机器学习技术表现更好，它能避免更多碰撞，且赢得了更多的 Pong 游戏。
本文主要作者，麻省理工学院航空航天实验室博士后迈克尔 (Michael Everett) 在接受 TechExplore 采访时表示：“ 也许很多人认为对抗性是指别人在恶意侵入你的电脑。但可能仅仅是因为你的传感器不太好，或者测量结果不准。这是经常发生的情况。我们的方法有助于将这种缺陷考虑进来，并做出安全的决定。在任何涉及安全的关键领域，这都是一个需要考虑的重大问题。”
现实中的可能性
为了使人工智能系统对对抗性输入产生鲁棒性，研究人员尝试给监督学习算法提供防御机制。传统上来说，神经网络被会将特定输入与相关的标签或决策关联。例如，如果给一个神经网络输入了数千张被标记为猫的图像，那么这个神经网络应该可以将一张新图像正确地标记为一只猫。
在鲁棒性较高的人工智能系统中，人们可以用略微改变的图像对监督学习算法进行测试。但是，穷尽所有的细微改变在计算上几乎是不可能的，并且在即将碰撞等时间紧迫的条件下，算法也很难成功地做出反应。因此，如果算法不具有较好的鲁棒性的话，现有的方法不能识别正确的标签，或者采取正确行动。
论文作者之一 Bj rn Lütjens 说：“为了在涉及安全的关键场景中使用神经网络，我们必须研究如何在最坏的现实情况下做出实时决策。”
图片来源：WAYMO
最好的奖励
为了解决以上问题，该团队开始探索机器学习的另一种算法 --- 强化学习。与监督学习不同，强化学习不需要通过标签将输入与输出相关联，而是通过尝试找到规律，根据结果得到奖励从而强化特定行动。这种方法通常用于训练计算机下棋等游戏。
强化学习主要应用于假设输入为真的情况。迈克尔和他的同事们说，他们是在强化学习中给不确定的对抗性输入带来 “可验证的鲁棒性” 的第一人。
他们所采用的 CARRL 方法利用现有的深度强化学习算法来训练深度 Q 网络（DQN），并最终将输入与 Q 值或奖励水平相关联。
如果将一个有单个圆点的图像作为为输入对象 ，CARRL 可以考虑到对抗性的影响。换句话说，CARRL 可以考虑到圆点可能实际所在的整个区域。根据麻省理工学院 (MIT) Tsui-Wei "Lily" Weng 开发的一项技术，该区域内圆点的每一个可能位置都会通过 DQN 进行反馈，以找到最糟糕的情况下产生最优奖励的决策。
充满对抗的世界
在一个名叫 “乒乓球” (Pong) 的测试中，两名玩家在屏幕两侧操作球拍来回传球。而研究人员引入了一个 “对抗性因素”，将球拉得比实际位置略低。
迈克尔说：“如果我们知道一个测量结果不完全可信，而且球可能在某个区域内的任何地方，那么我们的方法就会告诉计算机，它应该把球拍放在那个区域的中间，以确保我们即使在最坏的情况下也能击中球。”
该方法在避免碰撞的测试中也同样稳健。在防撞测试中，研究小组模拟了蓝色和橙色的计算机（自动驾驶系统），它们试图在不发生碰撞的情况下交换位置。由于团队扰乱了橙色计算机对蓝色计算机的观察位置，CARRL 便引导橙色计算机绕过另一个计算机，达到了更大的安全距离。
确实有一段时间，CARRL 变得过于保守，导致橙色计算机认为蓝色计算机在其附近的任何地方。之后它甚至完全避开了它的目的地。迈克尔说，这种极端的保守行为是有用的，因为研究人员可以将其作为一个极限来调整算法的鲁棒性。例如，算法可能会小小地绕开不确定区域，但仍然到达目的地获得较高回报。
迈克尔说，除了克服不完美的传感器外，CARRL 可能是帮助机器人安全应对变化莫测的现实世界的开始：“人们可能充满敌意。比如走在机器人前面挡住它的传感器，或者并非出于好意对它们做出一些举动。”“机器人怎么可能想到人们想要做的所有事情，并试图规避呢？我们想要防御什么样的对抗模式？这是我们正在考虑的事情。”
