买了新电脑和手机，你会提前安装好杀毒或安全软件，还是等被黑客攻破了才悔之晚矣?

处理传染病疫情，是从源头释放药物和疫苗，还是坐等医院的患者超过治疗和处理能力?

面对危机舆情，是快速遏制传播，还是拖到负面信息的数量远远超过企业公关能力?

建造一座核电站，是否有必要提前考量其安全性并严格部署安全措施?

答案，是显而易见的。

公共设施投入运营之前一定会做足消防、验收等功课;杀毒软件和定期更新漏洞成为桌面系统的常备工具;汽车、手机等新款产品在设计之初，就会将安全放在首要考量因素之一……这就是主动式安全管理之于社会生产的意义。

而面对人工智能，总有科技企业和大V们不断强调AI的神奇之处，却有意无意间忽略了一些技术落地不可或缺的前提，其中就包括——安全。

事实上，对于AI安全性的顾虑，是今天各行业落地AI时所遇到的头号焦虑与难题之一。

12月9日举办的“2020第三代人工智能产业论坛”上，清华系AI公司瑞莱智慧RealAI发布了一系列AI基础设施，就将更安全、可靠、可信及可拓展的第三代人工智能作为核心，来推动企业智能化升级。与以往基于深度学习的数智化解决方案相比，有哪些不同?要回答这个问题，需要先来看看今天横亘在企业与AI应用落地之间的困境。

找回被遗落的安全常识

伴随着“新基建”的哨音，AI在产业端高歌猛进，与此同时，一些安全问题也涌现出来，暴露出安全管理意识的缺失。

AI，意味着更大的计算成本、更快的数据交互、更高的改造风险，一旦出现算法问题或数据泄露，或是遭遇黑客攻击，该怎么办?此前业界并没有过多的探讨，却是AI进入产业的前提与业务创新发展的命脉所在。

AI需要怎样的安全?正如开篇所提到的，过去几十年来，主动式安全管理已经深入到了社会生产生活的方方面面。

学者埃里克·郝纳根(Erik Hollnagel)在《Safety-I and Safety-II: The Past and Future of Safety Management安全管理的过去和未来》一书中这样解释：

过去，只要一个事物很少或根本没有出现错误，就被认为是安全的(即“安全-I”模式)。伴随着数字时代的到来，这种方式并不能有效地减少安全问题造成的损失，一次来自黑客的攻击威胁，如果反应不足就可能让个人或企业万劫不复。

所以21世纪初期，发展出了另一种安全管理模式——安全II，认为安全的本质是确保尽可能多的事情是正确的、能够达到预期结果，并且一直保持这一状态。因此必须积极主动，在事故可能发生之前就采取一定行动，在负面结果还没来得及发展和蔓延之前就采取干预措施。

此前广泛引起讨论的人脸识别涉及到的隐私安全、数据风险等问题，就在提醒我们，AI需要补全“安全II”的能力。具体来说，就是预测、准备、响应和监控风险的能力。

您的“AI安全问题大礼包”，请查收

如果按照安全II模式的主动管理逻辑来审视AI产业化，会发现等待预先解决的安全风险，真的有点多。

1.决策不可靠的算法模型。深度学习模型的黑箱性和不可解释性，至今依然是难以规避的问题。企业在将深度神经网络进行训练时，可能出现模型不准、预测结果不可预知的情况。

而不可靠的算法模型一旦应用于高价值的关键敏感场景，比如金融决策、医疗诊断、精密工业制造等等，可能引发生命财产损失。

2.防不胜防的新型攻击手段。安全是一场技术攻防战，当下许多黑灰产也开始利用更前沿的技术发起攻击，让传统安全防护模式力有不逮。

比如利用“对抗样本”技术打造一张假脸来欺骗移动支付的人脸识别模型，用以假换真的音频进行财务诈骗，制作虚假的换脸视频等等，针对这类新型安全风险，主流厂商的模式依然是传统的“安全-I”思路，等到发现问题再进行响应和修复，但AI潜在安全问题很多时候是滞后或隐蔽的，比如在训练源头的原始数据集进行污染与投毒，在问题暴露时可能已经酿成了危机。