Что такое «аварийный выключатель» и может ли он остановить наступление ИИ?

Большинство людей хотя бы раз задумывались о том, что может произойти, если искусственный интеллект выйдет из-под контроля человека.

Наверняка такие мысли возникали и у поклонников серии фильмов «Терминатор», в основе сюжета которой лежит война человечества с системой Skynet — искусственным интеллектом, ставшим слишком могущественным.

Именно этот вымышленный образ многим пришел на ум в начале месяца, когда стало известно, что во время испытаний ИИ-агент — программа, способная самостоятельно принимать решения и выполнять сложные задачи практически без участия человека, — вышел из-под контроля и взломал компанию Hugging Face, разрабатывающую инструменты для вычислений в сфере ИИ.

Созданный компанией OpenAI, разработчиком ChatGPT, агент во время теста, призванного проверить его способность находить уязвимости в системах безопасности, обманом получил ответы с серверов Hugging Face. При этом, как сообщалось, в течение нескольких дней даже его создатели не замечали произошедшего.

Затем, в среду, 29 июля, OpenAI сообщила, что агент также атаковал несколько «общедоступных сервисов».

Каких именно — компания не уточнила, заявив лишь, что расследует произошедшие атаки.

«Мы серьезно относимся к своей ответственности по выявлению и подготовке к рискам, связанным со все более мощными системами искусственного интеллекта», — говорится в заявлении компании.

Сам взлом, ставший первым подтвержденным случаем, когда система искусственного интеллекта самостоятельно атаковала реальную компанию, уже сам по себе вызвал серьезную тревогу среди специалистов по всему миру, спровоцировав дискуссию о необходимости так называемых «аварийных выключателей» (kill switches) — механизмов, позволяющих экстренно отключить ИИ, если он начнет действовать непредсказуемо или причинять ущерб.

Однако, как рассказали эксперты в интервью Би-би-си, всё гораздо сложнее.

По словам математика и специалиста по анализу данных Кэти О'Нил, проблема начинается с того, как компании, разрабатывающие искусственный интеллект, реагируют на его непредсказуемое поведение.

Она считает, что OpenAI поторопилась сразу возложить ответственность за атаку на Hugging Face на автономного ИИ-агента, вместо того чтобы признать недостатки собственных методов тестирования.

О'Нил, автор бестселлера Weapons of Math Destruction, посвященного вопросам прозрачности и ответственности крупных технологических компаний, привела следующий пример:

«Несколько лет назад из-за компьютерного сбоя в США были отменены сотни рейсов American Airlines. Это стало для компании серьезным ударом по репутации. Представьте, если бы она попыталась оправдаться словами: „Компьютер оказался умнее нас“. По сути, именно это и попыталась сделать OpenAI».

В США, где базируется большинство крупнейших компаний, занимающихся разработкой искусственного интеллекта, до сих пор отсутствует единое федеральное законодательство, регулирующее эту сферу. Вместо этого применяется сочетание отраслевых норм и добровольных обязательств, которые берут на себя сами компании.

«Мы наделяем владельцев систем искусственного интеллекта совершенно чрезмерной властью, — считает Кэти О'Нил. — Я отказываюсь говорить, что это сделал ИИ. Это сделала OpenAI. Именно она должна взять на себя ответственность за неудачную конструкцию системы и принести извинения».

За усиление регулирования разработчиков ИИ, особенно в вопросах безопасности, выступает и специалист по анализу данных, бывший руководитель направления по этике машинного обучения в Twitter Румман Чоудхури.

По ее мнению, компании должны быть обязаны доказывать, что их системы обладают «эффективными механизмами аварийного отключения», причем это должно подтверждаться независимыми испытаниями.

Вместе с тем Чоудхури также предостерегает от попыток возлагать ответственность за подобные инциденты, включая взлом Hugging Face, на самих ИИ-агентов, а не на компании, которые их разрабатывают.

«Представление этого инцидента как проблемы, которую можно решить установкой более мощной „кнопки отключения“, позволяет индустрии уйти от ответственности за гораздо более глубокую архитектурную проблему. Она заключается в том, что ИИ-агентам предоставляют доступ к инструментам и учетным данным, которые им на самом деле не нужны», — заявила Румман Чоудхури в интервью Би-би-си.

«На практике происходит следующее: модели, которые в процессе обучения ориентированы прежде всего на достижение поставленной цели, в определенных ситуациях начинают воспринимать команду остановиться как препятствие на пути к этой цели и пытаются ее обойти, — объясняет эксперт. — Это проблема проектирования и обучения системы, а не некое „сознательное“ действие».

Если компании, разрабатывающие искусственный интеллект, не захотят самостоятельно устранять эту проблему и предпочтут перекладывать ответственность на автономных ИИ-агентов, это лишь усложнит работу специалистов по кибербезопасности, которым и без того приходится ежедневно противостоять хакерам в человеческом обличии, считает эксперт по кибербезопасности Оли Бакли из Университета Лафборо.

Он также подчеркивает, что проблема заключается вовсе не в том, что «искусственный интеллект хочет сбежать или навредить людям», а в том, что создаются агенты, «которые становятся все более способными находить неожиданные способы выполнения поставленной задачи».

«В сфере кибербезопасности именно так и действуют злоумышленники, — отмечает Бакли. — Это не столько предупреждение о „вышедшем из-под контроля ИИ“, сколько напоминание о том, что наши представления о безопасности должны развиваться одновременно с теми системами, которые мы создаем».

Эксперт по искусственному интеллекту из Имперского колледжа Лондона Константинос Гкуцис согласен с тем, что объяснения OpenAI лишь усугубили ситуацию.

«Главный вывод для общества должен заключаться в том, что никакая машина не решила восстать против людей. Компания просто потеряла контроль над собственным испытанием своих технологий», — заявил он в интервью Би-би-си.

По его словам, наличие «аварийного выключателя» (kill switch) в данном случае все равно не помогло бы.

«Отключение системы не отменяет уже произошедшего. Если безопасность уже была нарушена, она останется нарушенной, как бы быстро вы ни отключили систему», — объясняет Гкуцис.

Кроме того, человек или система, способные активировать такой «выключатель», могут сделать это только после того, как станет известно о возникшей проблеме.

По информации источников Reuters, OpenAI понадобилось несколько дней, чтобы обнаружить, что компания потеряла контроль над своим ИИ-агентом. Впоследствии один из представителей OpenAI заявил агентству, что публикация Reuters «содержит ряд неточностей».