兵以诈立。智能时代，碘伏性技术层出不穷，战争中的欺骗手段和花样也跟着翻新。有一句很直白的结论：“如果掌握你的数据，我就能创造出各种方法欺骗你的人工智能系统。”不少实验已经证明，在智能化战争中，一旦一方拿到了对手的人工智能训练数据集，就相当于找到了对方的软肋和盲区，接下来就是设计陷阱、实施欺骗。所以，人工智能必须对数据陷阱保持高度警惕。

目前来看，人工智能在处理数据的速度上确实甩人类分析师几条街，还能发现人脑很难察觉的行为模式和规律。但有意思的是，它也会犯一些人脑根本不会犯的错。原因其实不复杂：机器学习算法依赖大量数据来训练，数据之于人工智能，就像血液之于人一样重要——而共享数据，往往比设计算法本身更棘手。如果数据集太小、数据不准，甚至被对手恶意篡改，那机器学出来的效果就会大打折扣，严重时直接被误导产生误判。尤其是在国家安全和军事领域，有害数据带来的后果可能是灾难性的。更麻烦的是，机器学习算法内部的工作机理往往晦涩难懂，人们通常搞不清楚人工智能为什么出错。如果没有出现明显的灾难性后果，甚至可能完全察觉不到它已经掉进了数据陷阱。

那么，该怎么避开这些数据陷阱呢？第一个关键点，就是人脑必须介入。只有人才能给数据分类、打标签，所以不能简单地把数据丢给机器算法，指望人工智能解决一切问题而人脑什么都不用管。如果只提供海量数据，却没有能辨别数据的“聪明人脑”，那人工智能最终给出的只能是机械答案，而不是我们真正需要的正确答案。人脑干预不仅能确保人工智能拿到正确的数据，还能随时检查它是否在学习正确的东西。第二个要点，是打造跨领域团队。能够看穿数据陷阱的“聪明人脑”，一定来自跨领域团队——计算机专家、程序员、大数据专家、人工智能专家，必须和那些在相关领域摸爬滚打多年的专业人员紧密协作。未来随着人工智能不断成熟，它可能会直接给作战人员提供实时情报，这时候就需要作战人员不断给“聪明人脑”团队反馈，以便及时修正和更新数据。第三个方法，是多源数据互查。只靠一种传感器侦察目标，很容易被对手蒙骗。所以要用视觉、雷达、红外等多种传感器同时侦测同一个目标，把不同来源的数据拿来对比核验，才能分出真假，发现隐藏的骗局。第四个手段，是给数据分类打标签。现在再高级的人工智能也会犯一些低级错误，甚至会把牙刷认成棒球杆。所以不能直接把原始数据丢给机器学习，尤其在训练的初期，一定要提供正确分类、打了标签的真实数据，这样才能检验人工智能的输出是否合理，确保辅助决策准确高效。最后一条，是采用对抗式学习。组建智能蓝军，开发专门的人工智能对手，让两个互为对手的人工智能彼此博弈，在斗智过程中完成对抗式学习——这种训练方式能大大提升识别数据陷阱的能力，实现以智取胜。总的来说，当前人工智能还离不开人脑控制，避免数据陷阱这件事，归根结底靠的还是人的经验和智慧。