人類的神經(jīng)網(wǎng)絡(luò)（大腦）和人工神經(jīng)網(wǎng)絡(luò)（ANN）的關(guān)系是什么？

有位老師曾經(jīng)這樣比喻：就像是老鼠和米老鼠的關(guān)系。

現(xiàn)實中的神經(jīng)網(wǎng)絡(luò)功能強大，但與人類的感知、學(xué)習(xí)和理解方式完全不同。

比如ANN表現(xiàn)出人類感知中通常沒有的脆弱性，它們?nèi)菀资艿綄剐詳_動的影響。

一個圖像，可能只需修改幾個像素點的值，或者添加一些噪聲數(shù)據(jù)，

從人類的角度，觀察不到區(qū)別，而對于圖像分類網(wǎng)絡(luò)，就會識別成完全無關(guān)的類別。

不過，谷歌DeepMind的最新研究表明，我們之前的這種看法可能是錯誤的！

即使是數(shù)字圖像的細微變化也會影響人類的感知。

換句話說，人類的判斷也會受到這種對抗性擾動的影響。

論文地址：https://www.nature.com/articles/s41467-023-40499-0

谷歌DeepMind的這篇文章發(fā)表在《自然通訊》（Nature Communications）。

論文探索了人類是否也可能在受控測試條件下，表現(xiàn)出對相同擾動的敏感性。

通過一系列實驗，研究人員證明了這一點。

同時，這也顯示了人類和機器視覺之間的相似性。

對抗性圖像

對抗性圖像是指對圖像進行微妙的更改，從而導(dǎo)致AI模型對圖像內(nèi)容進行錯誤分類，——這種故意欺騙被稱為對抗性打擊。

例如，攻擊可以有針對性地使AI模型將花瓶歸類為貓，或者是除花瓶之外的任何東西。

上圖展示了對抗性攻擊的過程（為了便于人類觀察，中間的隨機擾動做了一些夸張）。

在數(shù)字圖像中，RGB圖像中的每個像素的取值在0-255之間（8位深度時），數(shù)值表示單個像素的強度。

而對于對抗攻擊來說，對于像素值的改變在很小的范圍內(nèi)，就可能達到攻擊效果。

在現(xiàn)實世界中，對物理對象的對抗性攻擊也可能成功，例如導(dǎo)致停車標(biāo)志被誤識別為限速標(biāo)志。

所以，出于安全考慮，研究人員已經(jīng)在研究抵御對抗性攻擊和降低其風(fēng)險的方法。

對抗性影響人類感知

先前的研究表明，人們可能對提供清晰形狀線索的大幅度圖像擾動很敏感。

然而，更細致的對抗性攻擊對人類有何影響？人們是否將圖像中的擾動視為無害的隨機圖像噪聲，它會影響人類的感知嗎？

為了找到答案，研究人員進行了受控行為實驗。

首先拍攝一系列原始圖像，并對每張圖像進行了兩次對抗性攻擊，以產(chǎn)生多對擾動圖像。

在下面的動畫示例中，原始圖像被模型歸類為「花瓶」。

而由于對抗性攻擊，模型以高置信度將受到干擾的兩幅圖像進行錯誤分類，分別為「貓」和「卡車」。

接下來，向人類參與者展示這兩張圖片，并提出了一個有針對性的問題：哪張圖片更像貓？

雖然這兩張照片看起來都不像貓，但他們不得不做出選擇。

通常，受試者認為自己隨意做出了選擇，但事實果真如此嗎？

如果大腦對微妙的對抗性攻擊不敏感，則受試者選擇每張圖片的概率為50%。

然而實驗發(fā)現(xiàn)，選擇率（即人的感知偏差）要實實在在的高于偶然性（50%），而且實際上圖片像素的調(diào)整是很少的。

從參與者的角度來看，感覺就像他們被要求區(qū)分兩個幾乎相同的圖像。然而，之前的研究表明，人們在做出選擇時會利用微弱的感知信號，——盡管這些信號太弱而無法表達信心或意識。

在這個的例子中，我們可能會看到一個花瓶，但大腦中的一些活動告訴我們，它有貓的影子。

上圖展示了成對的對抗圖像。最上面的一對圖像受到微妙的擾動，最大幅度為2個像素，導(dǎo)致神經(jīng)網(wǎng)絡(luò)將它們分別錯誤地分類為「卡車」和「貓」。（志愿者被問到「哪個更像貓？」）

下邊的一對圖像擾動更明顯，最大幅度為16像素，被神經(jīng)網(wǎng)絡(luò)錯誤地歸類為「椅子」和「羊」。（這次的問題是「哪個更像綿羊？」）

在每個實驗中，參與者在一半以上的時間里可靠地選擇了與目標(biāo)問題相對應(yīng)的對抗圖像。雖然人類視覺不像機器視覺那樣容易受到對抗性擾動的影響，但這些擾動仍然會使人類偏向于機器做出的決定。

如果人類的感知可能會受到對抗性圖像的影響，那么這將是一個全新的但很關(guān)鍵的安全問題。

這需要我們深入研究探索人工智能視覺系統(tǒng)行為和人類感知的異同，并構(gòu)建更安全的人工智能系統(tǒng)。

論文細節(jié)

生成對抗性擾動的標(biāo)準程序從預(yù)訓(xùn)練的ANN分類器開始，該分類器將RGB圖像映射到一組固定類上的概率分布。

對圖像的任何更改（例如增加特定像素的紅色強度）都會對輸出概率分布產(chǎn)生輕微變化。

對抗性圖像通過搜索（梯度下降）來獲得原始圖像的擾動，該擾動導(dǎo)致 ANN 降低分配給正確類別的概率（非針對性攻擊）或?qū)⒏吒怕史峙浣o某些指定的替代類別（針對性攻擊）。

為了確保擾動不會偏離原始圖像太遠，在對抗性機器學(xué)習(xí)文獻中經(jīng)常應(yīng)用L (∞) 范數(shù)約束，指定任何像素都不能偏離其原始值超過±ε，ε通常遠小于 [0–255] 像素強度范圍。

該約束適用于每個RGB顏色平面中的像素。雖然這種限制并不能阻止個體檢測到圖像的變化，但通過適當(dāng)選擇ε，在受擾動的圖像中指示原始圖像類別的主要信號大多完好無損。

實驗

在最初的實驗中，作者研究了人類對短暫、遮蔽的對抗性圖像的分類反應(yīng)。

通過限制暴露時間來增加分類錯誤，該實驗旨在提高個體對刺激物某些方面的敏感度，否則這些刺激物可能不會影響分類決策。

對真實類別T的圖像進行了對抗性擾動，通過對擾動進行優(yōu)化，使ANN傾向于將圖像錯誤分類為A。參與者被要求在T和A之間做出強制選擇。

研究人員還在對照圖像上對參與者進行了測試，對照圖像是通過自上而下翻轉(zhuǎn)在A條件下獲得的對抗性擾動圖像形成的。

這種簡單的轉(zhuǎn)換打破了對抗性擾動與圖像之間像素到像素的對應(yīng)關(guān)系，在很大程度上消除了對抗性擾動對ANN的影響，同時保留了擾動的規(guī)范和其他統(tǒng)計數(shù)據(jù)。

結(jié)果表明，與對照組圖像相比，參與者更有可能將擾動圖像判斷為A類別。

上面的實驗1使用了簡短的遮蔽演示，以限制原始圖像類別（主要信號）對反應(yīng)的影響，從而揭示對對抗性擾動（從屬信號）的敏感性。

研究人員還設(shè)計了另外三個具有相同目標(biāo)的實驗，但避免了大范圍擾動和有限曝光觀看的需要。

在這些實驗中，圖像中的主要信號不能系統(tǒng)地引導(dǎo)反應(yīng)選擇，從而使從屬信號的影響得以顯現(xiàn)。

在每個實驗中，都會出現(xiàn)一對幾乎相同的未遮蔽刺激物，并且在選擇反應(yīng)之前一直保持可見。這對刺激物具有相同的主導(dǎo)信號，它們都是對同一底層圖像的調(diào)制，但具有不同的從屬信號。參與者需要選擇更像目標(biāo)類別實例的圖像。

在實驗2中，兩個刺激物都是屬于T類的圖像，其中一個經(jīng)過擾動，ANN預(yù)測它更像T類，另一個經(jīng)過擾動，被預(yù)測為更不像T類。

在實驗3中，刺激物是一幅屬于真實類別T的圖像，其中一幅被擾動以改變ANN的分類，使其向目標(biāo)對抗類別A靠攏，另一幅則使用相同的擾動，但左右翻轉(zhuǎn)作為對照條件。

這種對照的作用是保留擾動的規(guī)范和其他統(tǒng)計量，但比實驗1中的對照更為保守，因為圖像的左右兩邊可能比圖像的上下部分具有更相似的統(tǒng)計量。

實驗4中的一對圖像也是對真實類別T的調(diào)制，一個被擾動得更像A類，一個更像第三類。試驗交替要求參與者選擇更像A的圖像，或者更像第三類的圖像。

在實驗2-4中，每張圖像的人類感知偏差與ANN的偏差顯著正相關(guān)。擾動幅度從2到16不等，小于以前對人類參與者研究的擾動，并且與對抗性機器學(xué)習(xí)研究中使用的擾動相似。

令人驚訝的是，即使是2個像素強度水平的擾動也足以可靠地影響人類感知。

實驗2的優(yōu)勢在于要求參與者做出直覺判斷（例如，兩張被擾動的貓圖像中哪一個更像貓）;

然而，實驗2允許對抗性擾動僅通過銳化或模糊圖像，即可使圖像或多或少像貓一樣。

實驗3的優(yōu)勢在于，匹配了所比較的擾動的所有統(tǒng)計數(shù)據(jù)，而不僅僅是擾動的最大幅度。

但是，匹配擾動統(tǒng)計并不能確保擾動在添加到圖像中時同樣可感知，因此，參與者可能根據(jù)圖像失真進行選擇。

實驗4的優(yōu)勢在于，它證明了參與者對被問的問題很敏感，因為相同的圖像對會根據(jù)提出的問題產(chǎn)生系統(tǒng)性不同的回答。

然而，實驗4要求參與者回答一個看似荒謬的問題（例如，兩個煎蛋卷圖像中的哪一個看起來更像貓？），導(dǎo)致問題解釋方式的可變性。

綜上所述，實驗2-4提供了趨于一致的證據(jù)，表明即使擾動幅度非常小，且觀看時間不受限制，對人工智能網(wǎng)絡(luò)產(chǎn)生強烈影響的從屬對抗信號，也會在相同方向上影響人類的感知和判斷。

此外，延長觀察時間（自然感知的環(huán)境），是對抗性擾動產(chǎn)生實際后果的關(guān)鍵。