《中国人工智能学会通讯》——1.36 禁止全自主武器的诸多原因

1.36 禁止全自主武器的诸多原因

这里的核心考量在于这种武器一旦被激活,便拥有无需人工干预的目标选择和锁定能力。也就是说,我们不再需要一个有情感和思想的人来告诉系统攻击什么或者是什么时候发起攻击,因为这些工作都将被武器系统自身取代。这种改变所带来的影响已远远超越武器装备形式本身,从而上升到战争形态层面的剧烈改变,很容易使交战各方忽略人道主义的基本要义。

很多人工智能研究人士将特别关注全自主武器数量的快速增长及其可能给全球带来的安全威胁。即使是只有一个国家拥有的这样的武器,那么其他国家也会纷纷跟进,从而保证其国防安全和技术领先,陷入新一轮的机器人武器军备竞赛。

在那封由数位最为知名的人工智能专家署名的公开信中,这样描述:“如果任何一个军事大国推进智能武器研究,一场全球军备竞赛将不可避免……我们因此坚信任何带有军事意义的智能武器对人类与人性都是有百害而无一利的。放弃制造新的杀人工具,人工智能技术也一样能够以其他多种方式介入战场,用来保护战斗人员,特别是平民的人身安全……多数人工智能研究者对建造智能武器并无兴趣——也绝不想看到其他人助纣为虐,从而玷污了他们这个领域的名声,引发公众反弹,进而严重低估人工智能技术可能带来的正面社会效益。” 2可以预见,全自主武器完全可能被专制政权或者无视法律存在的无政府武装组织获得,那么这些武器将变成专制者施行镇压和恐怖活动的完美工具。

另一种关于武器泛滥的担忧在于,全自主武器的使用会让决策者毋需考虑士兵生命安全因素,因而提升了武力攻击发生的可能性,导致人们更易于诉诸武力解决争端与冲突。这无疑会加剧全世界范围内的不稳定因素。

对于很多人来说,这种武器将会逾越道德与良知的底线,将战场上生与死的决断交给了机器。将如此责任交予机器可谓是对人类尊严的终极践踏3 。在这个意义上,允许没有任何怜悯之心的机器人来决断何时使用武力是无法为多数为所接受的,因为怜悯心是杀戮其他人类同胞的最后也是最关键的一道心理关口。

在我与不同的群体受众就此话题进行广泛深入探讨的过程中,我讶异于如此多的人内心对于全自主武器这一概念有着深深的反感。在日内瓦公约和其他众多场合被采纳的马尔顿斯条款正是考虑到这种公众反感情绪制定出来的,并成为了国际法中的核心章程。在马尔顿斯条款框架下,全自主武器须遵循“人道原则”及“公众良知”,可是这显然是做不到的。

全自主武器是否能在战斗中遵守国际人道法(IHL)的核心条款?是否能在执法行动、边境管制或其他情形下遵守国际人权法(IHRL)?这些都是关于全自主武器的严肃的问题。虽然我们很难预测多年后的技术能产生什么,但是我们有理由怀疑这些产物是否遵循未来国际法,这当然也包括战争限制比例原则。

人类那与生俱来的直觉和判断力是其遵守国际人道法的必要条件,机器人可以复制这种能力以便判断个人动机和进行客观决策吗?战争限制比例原则中的“比例原则”旨在避免军事收益小于平民伤亡的攻击事件,由于遵守此原则很大程度上依赖于当时的情境因素,而情境又可能因为事实的微小变化产本质扭转,所以让机器去遵守战争比例原则是相当困难的。此外,当机器人违反了相关法律和原则,责任追查机制的缺失也是一个严重的问题,总不能硬生生的把一个自主机器人犯下的过错强加于某个自然人的头上吧?不管这个自然人是运维人员、指挥官、程序员还是制造厂商法人,似乎都不合适。

对于这些能对平民和士兵造成潜在巨大威胁的武器4 ,科学家与部队高官们也提出了一系列的技术和操作层面的顾虑。其中的一个重要问题就是这种机器人之间的战争是什么样的?即这些由复杂算法控制的装备之间会怎么交互 ?
综上所述,如此众多的顾虑明确要求我们提前加紧制定新的国际条约来禁止研制、生产和使用全自主武器,并明确要求始终由有意义的人类控制来主导目标锁定和攻击决策。

时间: 2024-07-31 05:53:21

《中国人工智能学会通讯》——1.36 禁止全自主武器的诸多原因的相关文章

《中国人工智能学会通讯》——1.37 快速增长的禁止呼声

1.37 快速增长的禁止呼声 在过去两年里,对于全自主武器的态度和取舍已经跃升为军力裁减和武器控制(即通常所说的"人道主义裁军")领域的头条话题.在此期间,包括联合国秘书长.联合国裁军办主任以及红十字国际委员会负责人在内的世界领导人们大多表达了对研制全自主武器的深切关注并敦促立刻采取相关行动. 2013 年 4 月,一个名为"反杀人机器运动"的国际非政府组织(NGOs)联盟成立6 ,呼吁尽快禁止全自主武器系统 .这个组织是在人权观察组织的协调下,仿照此前较为成功的旨

《中国人工智能学会通讯》——1.35 关于禁止杀人机器的话题

1.35 关于禁止杀人机器的话题 2015 年 4 月,来自全球 90 多个国家的众多政治家和军事专家们齐聚日内瓦,就"致命性自主武器系统"议题开展第二次会议讨论.致命性自主武器系统又名全自主武器,人们更习惯通俗的称它为杀人机器.作为与会代表,知名人工智能领域专家斯图尔特·罗素强调,人工智能研究团体已经开始意识到针对自主武器的忧虑正在逐渐蚕食其自身的声誉,同时他提到目前有数个专业性质的组织正在发起投票,从而了解人们针对这个话题的总体态度. 同年 7 月 28 日,超过一千位人工智能和机

《中国人工智能学会通讯》——1.38 为什么禁止是最好的解决方案

1.38 为什么禁止是最好的解决方案 部分反对在现阶段就提倡全面禁止的人认为现在提禁止二字还为时尚早,我们应该耐心"观望"技术会最终将我们带向何方. 其他人认为,限制其使用的具体情况和任务会比简单禁止更合适.还有一些人说,现有国际人道主义法足以应对这些可能出现的挑战. 先发制人的禁止条约的目的在于防患于未然,将所有关于全自主武器的危险和关注放在首位.采取观望态度,寄希望于危害发生后亡羊补牢,是极其不负责任的. 一旦此种武器研发成功,这就是一个不可逆的过程了.武器历来有着惊人的全球蔓延速

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智