當(dāng)人工智能發(fā)展到傷害人的階段，誰來負(fù)責(zé)？

就像硬幣的兩面，技術(shù)進步在便利人們生產(chǎn)生活的同時，也帶來一個嚴(yán)峻的現(xiàn)實問題——當(dāng)機器足夠智能之后，其對人類造成的不可挽回的傷害該由誰負(fù)責(zé)？

雖然如科幻片中那樣機器人“背叛”人類、攻擊人類的場景短期內(nèi)還不會到來，但機器的類型是多種多樣的?，F(xiàn)階段，人類的生命安全最受智能機器威脅的場景恐怕就是交通出行上。

2018年，全球首例自動駕駛撞擊行人致死事故發(fā)生。美國時間3月18日晚22點，一輛Uber自動駕駛汽車在美國亞利桑那州坦佩市碰撞到一個橫穿馬路的行人——49九歲的女性流浪者Elaine Herzberg，Elaine Herzberg在被送往醫(yī)院后不治身亡。

坦佩市警方發(fā)言人稱，初步調(diào)查發(fā)現(xiàn)，事件發(fā)生時，這輛Uber自動駕駛汽車處于L4級別的自動駕駛模式，并在最高時速35英里的道路上以時速38英里行駛，且沒有及時剎車的動作。與此同時，駕駛位上的安全駕駛員沒有收到任何信號，直到碰撞發(fā)生后才意識到發(fā)生了事故。

今年9月，馬里科帕縣大陪審團作出裁決，Uber自動駕駛汽車的安全駕駛員被指控犯有過失殺人罪。而這起案件也因此對后世類似判決帶來了里程碑式的借鑒意義。

事實上，當(dāng)人工智能造成一個人受傷或死亡時，確定過錯責(zé)任并不是一件容易的事情。如果人工智能有時失控有時正常，那么什么時候是可以把錯歸責(zé)于人類，什么時候可以歸咎于人工智能？

今年10月2日，發(fā)表在《波士頓大學(xué)法律評論》上的一篇論文《疏忽與人工智能的人類使用者》（Negligence and AI‘s Human Users）就重點討論了這個問題。在論文中，加州大學(xué)洛杉磯分校助理教授Andrew Selbst發(fā)現(xiàn)，人工智能與現(xiàn)有的人類過失行為法律產(chǎn)生了矛盾沖突，需要監(jiān)管機構(gòu)介入干預(yù)。

Selbst表示，Uber案件可能會有兩種情況。其一，法官或陪審團可能會發(fā)現(xiàn)，讓一個與半自動車輛打交道的人承擔(dān)責(zé)任是不合理的;其二，可以將責(zé)任歸給一個對自動或自主系統(tǒng)控制有限的人類行為者。這也就是文化人類學(xué)家Madeleine Elish所說的“道德碰撞區(qū)”——當(dāng)機器和人類被同步考慮，但法律沒有考慮到機器的智能時，人類就會承擔(dān)責(zé)任。

“如果過失法要求的謹(jǐn)慎標(biāo)準(zhǔn)高于人類所能管理的標(biāo)準(zhǔn)，那么它將把責(zé)任推給人類操作者，即使在普通人無法防止危險的情況下也是如此，”Selbst寫道?！半m然Uber案件似乎指向了‘道德碰撞區(qū)”的方向，但也很容易想象到相反的情況——發(fā)現(xiàn)因為普通人無法及時做出反應(yīng)或永遠保持警惕，所以不這樣做是合理的。歸根結(jié)底，人工智能帶來的是不確定性?！?/p>

Selbst表示，法律學(xué)者傾向于區(qū)分完全自主的車輛和與人類合作的半自主機器，比如Uber車禍中的車輛。雖然完全自主車輛或通用人工智能（AGI）可能會將責(zé)任轉(zhuǎn)移到硬件制造商或人工智能系統(tǒng)上，但當(dāng)人類使用人工智能根據(jù)預(yù)測、分類或評估做出決定時，答案就不那么明確了。Selbst預(yù)計，這將給企業(yè)、政府和社會帶來新的挑戰(zhàn)。

如今絕大多數(shù)的人工智能都是為了增強人類的決策能力而出現(xiàn)的。例如，從法官用來評估多次犯罪的算法，到醫(yī)療專業(yè)人員用來制定醫(yī)療計劃或診斷的AI驅(qū)動工具。這些系統(tǒng)包括檢測醫(yī)學(xué)圖像中的模式，以幫助專業(yè)人士診斷乳腺癌、肺癌和腦癌等疾病。

Selbst表示，雖然技術(shù)是推動過失法律變革的關(guān)鍵因素，但人類和人工智能相互依賴決策的方式讓人工智能與眾不同。使問題更加復(fù)雜的是，人類可能會不加審視地接受自動決策，如果他們因太多通知而遭受警報疲勞，就會忽略AI，或者依靠AI來識別太復(fù)雜的數(shù)據(jù)中的模式。

Selbst表示，在一個充滿人類和AI系統(tǒng)共同決策的世界里，政府需要考慮改革，讓過失法律有機會趕上快速崛起的技術(shù)。

“如果社會認(rèn)為人工智能過于有利而不能擱置，那么我們可能需要一個新的監(jiān)管模式，以補償使用人工智能的受害者，而且這種模式應(yīng)該是一種脫離了尋找過失的需求的模式。這可能是嚴(yán)格責(zé)任，可能是廣義保險，也可能是事前監(jiān)管?！闭撐闹袑懙?。

為了解決這個問題，人們開發(fā)了各種模式，比如安德魯·塔特（Andrew Tutt）提出的“算法 FDA”（FDA for algorithm），這是一個機構(gòu)，其運作方式與 FDA 在調(diào)查藥品方面的運作方式非常相似。還有一種想法是，類似于環(huán)境影響評估的算法評估，以此來加強監(jiān)督和公開披露。

“最終，由于人工智能在決策和結(jié)果之間插入了一層難以捉摸的、不直觀的、統(tǒng)計學(xué)上衍生的、通常是專有的代碼，人類的選擇、行動和結(jié)果之間的聯(lián)系受到了考驗，”論文中寫道?！半m然可能有一種方法可以利用解釋和透明度要求將一些決定與其結(jié)果聯(lián)系起來，但疏忽需要一系列外部干預(yù)措施，才能真正有機會為使用人工智能造成的傷害提供補救?！?/p>

這樣做可能會給過失法律標(biāo)準(zhǔn)一些時間，以便在未來范式轉(zhuǎn)變發(fā)生和標(biāo)準(zhǔn)進一步落后之前趕上人工智能的進步。

這篇論文還探討了當(dāng)算法偏差在傷害中發(fā)揮作用時會發(fā)生什么的問題?；氐阶灾鬈囕v問題，研究表明，計算機視覺系統(tǒng)在檢測白人行人方面比黑人行人做得更好。接受這種系統(tǒng)的使用，可以從整體上減少交通事故的數(shù)量，但同時對黑人行人就不怎么友好了。

Selbst表示，如果沒有監(jiān)管部門的干預(yù)，人工智能有可能會將某些群體的不良結(jié)果正常化，同時拒絕他們?nèi)魏吻笾?。這有可能會放大人們在網(wǎng)上遇到算法偏見或遭遇傷害時已經(jīng)感受到的無助感。

“令人擔(dān)憂的是，雖然人工智能可能會成功地減少傷害的總體數(shù)量，但它不會消除這些傷害，甚至剝奪了受害者的求助能力。”該論文寫道。

在問責(zé)制方面，人工智能行業(yè)的保密性是一個主要障礙。過失法律通常會隨著時間的推移而演變，以反映關(guān)于什么構(gòu)成合理行為的共同定義。但企業(yè)的保密性很可能使導(dǎo)致傷害的人工智能缺陷不為公眾所知。而人工智能的快速發(fā)展有可能會壓倒過失法或侵權(quán)法的修改步伐，進一步加劇這種情況。

“由于保密，我們對各個AI公司產(chǎn)品中的錯誤和漏洞知之甚少。在這種情況下，公眾不可能對什么樣的故障是合理的或不合理的作出任何結(jié)論?！闭撐闹赋?。
責(zé)編AJX