第27屆聯(lián)合國科技大會期間，在以“塑造AI的未來”為主題的AI邊會上，國際組織世界數(shù)字技術(shù)院（WDTA）發(fā)布了一系列突破性成果，包括《生成式人工智能應(yīng)用安全測試標準》和《大語言模型安全測試方法》兩項國際標準。這是國際組織首次就大模型安全領(lǐng)域發(fā)布國際標準，代表全球人工智能安全評估和測試有了新基準。
“隨著人工智能系統(tǒng)，特別是大語言模型成為社會各方面不可或缺的一部分，以一個全面的標準來解決它們的安全挑戰(zhàn)變得至關(guān)重要?！盬DTA人工智能安全可信負責(zé)任工作組組長黃連金介紹，此次發(fā)布的標準匯集了全球人工智能安全領(lǐng)域的專家智慧，填補了大語言模型和生成式人工智能應(yīng)用方面安全測試領(lǐng)域的空白，為業(yè)界提供了統(tǒng)一的測試框架和明確的測試方法，有助于提高人工智能系統(tǒng)安全性，促進技術(shù)負責(zé)任發(fā)展，增強公眾信任。
記者了解到，此次發(fā)布的兩項國際標準是大模型及生成式人工智能應(yīng)用方面的安全測試標準。
《生成式人工智能應(yīng)用安全測試標準》以WDTA為牽頭單位，為測試和驗證生成式人工智能應(yīng)用的安全性提供了框架。它定義了人工智能應(yīng)用程序架構(gòu)每一層的測試和驗證范圍，包括基礎(chǔ)模型選擇、嵌入和矢量數(shù)據(jù)庫等，確保人工智能應(yīng)用各方面都經(jīng)過嚴格的安全性和合規(guī)性評估，有利于保障其在整個生命周期內(nèi)免受威脅和漏洞侵害。
《大語言模型安全測試方法》以螞蟻集團為牽頭單位，為大模型本身的安全性評估提供了一套全面、嚴謹且實操性強的結(jié)構(gòu)性方案。它提出了大語言模型安全風(fēng)險分類、攻擊分類分級方法以及測試方法，并給出四種不同攻擊強度的攻擊手法分類標準，提供了嚴格的評估指標和測試程序。它全面測試大語言模型抵御敵對攻擊的能力，使開發(fā)人員和組織能夠識別和緩解潛在漏洞，有利于提高使用大語言模型構(gòu)建的人工智能系統(tǒng)的安全性和可靠性。
“一方面，生成式人工智能將釋放巨大生產(chǎn)力。另一方面，我們也要對它帶來的新風(fēng)險高度警惕。大型科技公司應(yīng)在促進生成式人工智能安全和負責(zé)任的發(fā)展中發(fā)揮關(guān)鍵作用，利用其資源、專業(yè)知識和影響力，構(gòu)建一個優(yōu)先考慮安全、隱私和道德的生態(tài)系統(tǒng)。”作為標準參與單位代表，螞蟻集團機器智能部總經(jīng)理、螞蟻安全實驗室首席科學(xué)家王維強在會議發(fā)言中說。他進一步解釋，可通過制定行業(yè)標準與指南，為開發(fā)和部署生成式人工智能系統(tǒng)的開發(fā)者和機構(gòu)提供清晰指導(dǎo)；投入研發(fā)并開放保障生成式人工智能安全的工具，形成產(chǎn)業(yè)共治格局等。
記者了解到，螞蟻集團從2015年起積極投入可信人工智能技術(shù)研究，目前已建立了大模型綜合安全治理體系。集團還自研了業(yè)界首個大模型安全一體化解決方案“蟻天鑒”，用于人工智能生成內(nèi)容的安全性和真實性評測、大模型智能化風(fēng)控、可解釋性檢測等。此次發(fā)布的《大語言模型安全測評方法》，便是基于“蟻天鑒”人工智能安全檢測體系的應(yīng)用實踐，與全球生態(tài)伙伴交流編制而成。
