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 ｜ 2023世

图说：瑞莱智慧RealAI联合创始人、算法科学家 采访对象供图（下同）

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2023世界人工智能大会上，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”。

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。

图说：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

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。”

新民晚报记者 郜阳