佐治亚理工学院发文：不要迷信可解释性，小心被误导

2021 年 10 月 25 日
AI

编译 | 王晔

校对 | 琰琰

可解释性对人工智能发展来说至关重要，但在可解释系统的可信度方面，理解其可能带来的负面效应亦同等重要。

近日，佐治亚理工学院研究团队发表最新研究，重点讨论了可解释人工智能系统（XAI）中一种重要却未被阐明的负面效应。

论文地址：//arxiv.org/pdf/2109.12480.pdf

在这篇论文中，作者提出“可解释性陷阱（EPs）”的概念，指出即使设计者最初没有操控用户的意图，模型的可解释性也可能带来意料之外的负面影响，它不同于具有刻意欺骗性质的黑暗模式（DPs)，但又与之相关。本文通过一项案例研究具体阐述了Eps概念，并证实解释的负面影响不可避免，最后作者进一步从研究、设计和组织三个层面提出了具体的应对策略。

1

可解释性的“两面性”

发展可解释、可信的新一代人工智能越来越重要，因为人工智能已被广泛应用于医疗保健、金融、刑事司法等高风险决策领域。为了提高人工智能的安全性，我们需要打开AI内部运作的黑匣子，为用户提供可理解的解释。

目前关于可解释AI（XAI）的研究已经取得了令人称赞的进展，但最新研究发现，这些解释所带来的的影响不一定是积极的，也可能在下游任务中产生消极影响。例如设模型计者故意制造不合理的解释，让人们对人工智能系统产生信任，从而隐瞒其可能带来的风险。更重要的是，尽管模型设计的最初意图是好的，这种负面影响似乎也不可避免。

在这种情况下，我们要如何区分有意和无意的负面解释？又如何将有意的负面效应概念化？

作者引入“可解释性陷阱（Explainability pitfalls ，EPs）”的概念，指出人工智能解释可能会误导用户在不知情、无防备的情况下做出符合第三方利益的决策。用户对人工智能的信任，能力的高估，以及对某些解释的过度依赖，是他们在无意识中被“可解释性”操控的主要原因。

EPs和DPs之间的最大区别在于“意图”不同——DPs存在故意欺骗的性质，不考虑到用户的利益。但EPs通过故意设置“陷阱（pitfalls)”也可以变成黑暗模式。

EPs的概念并不是纯粹的理论推导后的结果，而是在大量实际工作和经验的基础上提出的。这项工作展示了尽管没有欺骗的意图，但在人工智能解释的确会出现意料之外的负面影响.

本文不是一篇关于EPs的全面论述，而是在现有概念和实践上迈出了基础性的一步。作者表示，提出可解释性陷阱的概念，是为了让人们认识到未曾发掘的知识盲点（围绕人工智能解释的负面影响），并以此扩大XAI系统的设计空间。

2

多智能的“解释陷阱”

在这项研究中，作者调查了两个不同的群体——有人工智能背景和没有人工智能背景的人，他们如何看待不同类型的人工智能解释。以下是用户对AI生成的三种解释的看法：

(1)有正当理由的自然语言

(2)没有正当理由的自然语言

(3)为智能体行为提供无语境下的数字

在这项研究中，参与者观看了三个智能体在连续决策环境中的导航视频，并提供了定性和定量的感知信息——在一个满是滚动的巨石和流动的熔岩的环境中，为被困的探险者取回必须供应的食物。

智能体通过简单地输出当前状态的数字Q值执行 “思考”过程（如图1）。Q值代表智能体对每个行动的信任程度(不包含 “为什么”可信)，参与者事前没有被告知这些Q值的意义，所以他们不知道哪些数值对应哪些行动。

图1：显示了智能体在任务环境中导航

实验发现，两类参与者都对数字盲目信任，但信任的程度和原因不同。作者采用”认知启发”的概念，试图理解背后的原因。他们发现，

对于有人工智能背景的参与者来说，仅仅是出现的数字就能引发启发式思考。他们不完全理解智能体决策背后的逻辑，但也会将数学表示法与逻辑算法的思维过程联系起来。有意思的是，他们还把最聪明的AI投给了“行为最奇怪”的智能体，这说明，他们不仅过度重视数字结果，而且将“含义不明”的数字视为潜在的可操作性。这里的”可操作性”指的是在判断或预测未来行为方面，人们可以用这些信息做什么。

那么，智能体在实际场景中的可操作性到底如何？正如之前所强调的，Q值不能表明决策背后的 “原因”。除了评估现有行动的质量，这些数字并没有太多可操作性。也就是说，参与者对智能体产生了过度信任和错位评估。

对于没有人工智能背景的参与者来说，即使无法理解复杂的数字也会引发启发式推理，在他们看来，智能体就一定是智能的，这些数字代表了智能体“神秘而不可理解”的独特语言。需要说明的是，这种推理方式与之前有人工智能背景的人的推理过程不同，他们假设了未来的可操作性（尽管目前缺乏可理解性）。

如我们所看到的，没有标记的、无法理解的数字反而增加了两类群体对智能体的信任和评估。这项案例研究表明，即使没有欺骗的意图，EPs也会出现未曾预料到的结果，并误导参与者对数字生成过度依赖。

需要强调的是，本次案例假设Q值的“本意”是好的，如果这些数字被操纵了，一些人利用这些隐患恶意设计黑暗模式，鉴于案例中用户对数字的启发式信任，这将会误导更多人对系统产生过度信任和不正确认知。

3

有何规避策略？

总结来看，可解释性陷阱（EPs）有两个特性，一是它仅是存在，但并不一定会对下游产生危害；二是现有知识不能预测给定的一个人工智能解释何时、如何以及为何会引发意料之外的负面下游效应。

基于以上两点，作者认为虽然我们不太可能完全消除解释的负面效应，但需要意识到“陷阱”的存在，了解它们何时容易出现，又是如何运作的，并制定相应的措施，做到防微杜渐。文中作者从研究、设计和组织三个相互关联的层面提出了几点策略：

在研究层面，开展更多以人为本的情境和经验性研究，以获得不同解释对不同利益相关者在多维度下的精细理解。这是因为当下游效应（如用户对人工智能解释的看法）表现出来时，陷阱就会表显露并被识别。如上述案例，具有不同人工智能背景的用户引发了同样的陷阱（即，对数字过度信任），但却有不同的启发模式。

其实，基于这则案例，我们还可以从用户知识背景和理解分歧两个维度进一步探讨：用户的组合特征（如教育背景和专业背景）如何影响 EPs的易感性？不同的启发式方法如何发现不利影响？不同的用户如何适应意料之外的解释？在这些探索中，具备陷阱意识可以帮助我们提高洞察力，发现人们对人工智能解释的反应是如何与设计者的意图相背离的。

在设计层面上，一个有效的策略是强化用户在解释过程中的反思（而不是一味地接受）。最近以人为本的XAI工作也主张将通过反思来促进信任的方法概念化。Langer等人指出，如果我们不对解释进行有意识的和慎重的思考，就会增加掉进“陷阱”的可能。为了引发人们的注意，Langer等人建议设计 “努力的反应 “或 “有思想的反应”，它可以采用缝合设计的视角来帮助提高注意力。有缝设计是对计算系统中 “无缝 “概念的补充，其概念根源在于普适计算。接缝的概念与XAI非常吻合，这是由于：(a)人工智能系统被部署seamful spaces空间中；(b)该方法可以被看作是对“seamless”的黑暗模式人工智能决策的回应，具有“zero friction”或理解力。

就形式和功能而言，seams战略性地揭示了不同部分之间的复杂性和连接机制，同时隐藏了分散注意力的元素。这种 “战略性揭示和隐藏（strategic revealing and concealment)的概念是seamful design的核心，因为它将形式和功能联系起来，而对这种联系的理解可以促进反思性思维。因此，Seamful explanations战略性地揭示了系统的缺陷和承受力，并掩盖了那些分散注意力的信息，对它们的认识可以促进有用的反思。

在组织层面上，为设计者和终端用户引入教育（培训）计划。搭建一个生态系统是很重要的，因为EPs具有社会维度的复杂性，我们需要一种超越技术层面的策略。近期工作表明，对黑暗模式的扫盲可以促进自我反思和减轻危害。EPs扫盲计划可以制定如下：(a)帮助设计者意识到EPs可能出现的表现；(b)让终端用户提高识别“陷阱”的能力。

总的来说，这些策略有助于我们用积极地预防EPs，促进对陷阱的复原力。虽然不够详尽和规范，但它在解决潜在有害问题上迈出了重要的一步。

4

总结

从安全性和可靠性的角度来说，XAI系统对人工智能解释所产生的影响进行分类非常重要。这项研究通过“可解释性陷阱（EPs）”概念的讨论，揭露了人工智能解释可能带来的意料之外的负面影响。文中关于EPs的操作化和应对策略的解读和见解，有助于改善XAI系统的问责和安全机制。

基于这项研究发现，作者认为关于XAI还有一些开放性的问题值得进一步讨论：

1. 如何制定有效的 EPs 分类法，以更好地识别和减少负面影响？

2. 如何使用不恰当解释来说明“陷阱”在现实中的影响？

3. 如何评估训练过程，以减轻“陷阱”可能带来的影响

最后作者表示，从人机交互到人工智能社区，他们正在通过基础概念与应用进一步研究可解释性陷阱。相信通过了解XAI系统中陷阱的位置、方式和原因，可以显著提高人工智能系统的安全性。

雷锋网