首页 > 技术

给狂飙的大模型系上“安全带”,瑞莱智慧发布全新AI安全平台RealSafe

2023-07-11 16:46:04      西盟科技资讯   


  近几个月来,以ChatGPT为代表的生成式人工智能狂飙突进,大模型时代已然降临。在“百模大战”越战越酣之时,大模型其内生及衍生安全威胁也愈演愈烈,数据泄露、幻想、生产歧视、排斥和有害内容等安全问题层出不穷。

  如何将制约大模型应用发展的“绊脚石”变为“压舱石”?

  7月7日,清华大学人工智能研究院孵化企业瑞莱智慧RealAI在2023WAIC世界人工智能大会上,重磅发布了全新人工智能安全平台RealSafe3.0,为“加速度”发展中的大模型系好“安全带”、把好“方向盘”。

瑞莱智慧RealAI联合创始人、算法科学家

  现状:“双刃剑”效应,制约大模型落地

  和所有通用目的技术一样,自人工智能诞生的那一刻起,创造技术的力量和控制技术的力量就存在不对等。新技术必然会带来新的安全问题,这正是技术两面性。大模型亦是如此,尽管它的强大已让人类瞥见了通用人工智能的曙光,但也让众多学界、业界人士心生忧惧。前不久,就有全球400多位专家发布联名公开信,警告人工智能发展速度过快,缺乏监管,可能会危及人类生存。

  他们的担忧并非危言耸听。近段时间以来,关于大模型的安全隐患屡见不鲜,例如:机密文件被泄露、添加无意义的字符后模型竟给出完全相反的回答、输出违法有害内容、隐含对某些人类社群的偏见和歧视等等。

  这一新兴技术带来的风险,已经引起世界各国的高度关注。国家互联网信息办公室4月11日起草《生成式人工智能服务管理办法(征求意见稿)》公开征求意见;欧盟于6月14日投票通过了《人工智能法案》,以期法律法规引领技术向好向善发展。

  瑞莱智慧联合创始人、算法科学家萧子豪认为,大模型“落地难”的本质在于,当前仍处于“野蛮生长”阶段,还没有找到场景、风险和规范三者之间的平衡点。而在探寻这一平衡点的过程中,缺少易用和标准化的工具,即在技术层面上缺乏有力抓手,能够科学评判大模型在场景中能否同时满足规范和低风险,且能够进一步定位问题并给出优化建议,助力模型上线运行。

  出路:源头上找症结,技术上找对策

  因此,瑞莱智慧在2023世界人工智能大会上,正式发布人工智能安全平台RealSafe3.0版本。它是集成主流及RealAI独有的世界领先的安全评测技术,能够提供端到端的模型安全性测评解决方案,解决当前通用大模型安全风险难以审计的痛点问题。

  相较上一版本,RealSafe3.0新增了对通用大模型的评测,在评测维度上,它已覆盖数据安全、认知任务、通用模型特有漏洞、滥用场景等近70个评测维度,全方位多维度地评测通用大模型的性能,且未来还会持续扩增测评维度的数量。

  “评测只是手段,帮助通用大模型提升其自身安全性才是核心目的。”萧子豪说,不能因为对于被技术反噬的担忧就止步不前,创造新技术和控制技术危害应该同步进行,“瑞莱智慧的办法是,从源头上找到症结,再用‘魔法’打败‘魔法’。”

  如果将人工智能模型比作“引擎”,数据则是模型的“燃料”。可以说,数据集质量直接影响模型的内生安全。因此,RealSafe3.0内部集成了多个自研模型和专家论证高质量数据集,来帮助用户修复模型中的问题。

  对黑盒不可解释的通用大模型,自研红队对抗模型取代人工设计问题,显著提升攻击成功率和样本多样性。也就是说,该模型数据集中,不仅包含了自有数据集,还包含了模型自生成的数据,无论是从数据质量还是数据规模上都可圈可点,因此它能够自动化地挖掘出更多的漏洞,真正从源头上缓解安全问题。

  教练模型则通过对被测大模型进行多轮次的提问-回答训练,并以训练好的评分模型对问答结果进行评分,再将评分结果反馈给大模型,使其不断强化学习到好坏答案的要点及区别,直至问答能力逐步迭代至最优。除了定制化的训练框架,教练模型理想的模型效果还得益于夯实的数据基础,瑞莱智慧自有数据集经过数十位价值观领域的专家论证,以确保输入的数据无误,质量高且领域多元,未来也将持续更新补充。

  萧子豪透露:“这些技术,都是基于自研多模态大模型底座实现的。”

瑞莱智慧人工智能安全平台RealSafe3.0通用大模型测评及优化工作流程

  结语:用AI打败AI,用智慧驾驭智能

  除了可提升生成式大模型安全性的RealSafe3.0,瑞莱智慧此次还带来了能够防范生成式人工智能恶意滥用的DeepReal2.0。据悉,DeepReal此前名为深度伪造内容检测平台,现已正式更名为生成式人工智能内容检测平台,因为它除了能够检测Deepfake内容,还新增两个功能模块,可以检测Diffusion、LLM这两类新方法生成的数据,支持对图像、视频、音频、文本进行是否伪造的检测。应用场景包括打击网络诈骗和声誉侵害行为、检测网络内容合规性、检测音视频物证真实性等,可对生成式人工智能技术滥用行为进行管控和治理。

  自2018年成立以来,瑞莱智慧就致力于研究和发展安全可控的第三代人工智能技术,建立通用AI模型能力和人工智能安全能力:通过通用人工智能模型来适应各类复杂的智能应用场景和任务;并通过人工智能安全能力,真正使AI造福人类整体利益。

  瑞莱智慧坚持源头创新和底层研究,在生成式人工智能等领域不断发表世界领先科研成果。成立以来,瑞莱智慧研发团队核心成员在人工智能领域顶会上发表论文数百篇,多次在国际测评和竞赛中斩获冠军,获得授权专利100余项。同时,瑞莱智慧积极推动行业规范化,累计参与30余项国家标准、行业标准制定。此外,瑞莱智慧已与网信办、工信部、公安部及下属多家单位展开深入的项目合作。

  “从古至今,技术始终都是一把‘双刃剑’。通用人工智能的时代必将到来,如何让人工智能扬长避短,如何用人类智慧驾驭人工智能,是从业者的一道长久课题。”萧子豪说,这也是瑞莱智慧一直努力的方向。未来,RealSafe3.0将在保障通用大模型和专有模型安全、可靠、可控上,发挥强大作用。瑞莱智慧也将持续迭代技术、打磨产品,以确保在这场人工智能安全“攻防战”中始终立于不败之地,将人工智能的两面性这一“关键变量”,转化为高质量发展的“最大增量”。

相关阅读