几天前，Meta发布了史上首个图像分割基础模型——SAM（Segment Anything Model），将NLP领域的prompt范式引进CV，让模型可以通过prompt一键抠图。
SAM一经发布，瞬间“炸场”。网友直呼：CV不存在了!
英伟达AI科学家Jim Fan对此赞叹道：我们已经来到了计算机视觉领域的「GPT-3时刻」！
Meta在博客中兴奋地表示：“可以预计，在未来，在任何需要在图像中查找和分割对象的应用中，都有SAM的用武之地。
SAM之所以如此强大得益于它在包含超过10亿个掩码的多样化、高质量数据集（SA-1B）上进行训练，这使它能够泛化到新类型的对象和图像，超出它在训练期间观察到的内容；以及引入NLP领域的prompt范式，用户通过合理的prompt即可完成图像分割任务，无需额外训练实现“开箱即用”。可以说，Meta实现了一个完全不同的CV范式，你可以在一个统一框架prompt encoder内，指定一个点、一个边界框、一句话，直接一键分割出物体。
不过，瑞莱智慧RealAI要来“泼泼冷水”了。RealAI算法团队刚刚研究发现，只要在图片上添加一些对抗样本，SAM模型“分割一切”的本事，就会瞬间失灵。
原本SAM可以很好地自动分割图像中的所有内容：
给图像添加干扰非常微小的对抗噪声后，SAM就只会“瞎割一气”：
下图同理：
这充分说明：尽管SAM模型功能十分强大，但也同样存在安全风险。SAM虽然是一种新的CV范式，但算法本身仍然属于深度学习模型范畴，而深度学习模型本身就存在着易受对抗样本攻击的安全隐患。攻击者可以通过向良性数据中添加特定的扰动，生成对抗样本。附加轻微扰动的对抗样本不会影响人类的判断，却会使深度学习模型产生错误结果。我们针对SAM的模型输出，通过结合MI-FGSM【Dong et al., Boosting Adversarial Attacks with Momentum, CVPR 2018(Spotlight).】等攻击方法生成对抗样本，使得SAM模型“分割一切”的本事瞬间失灵。
这已经不是RealAI团队第一次拿对抗样本“搞事情”了。在此之前，团队还用对抗样本眼镜攻破19款主流商用手机的人脸解锁系统；将对抗样本打印在衣服上使得人体在目标检测系统中“隐身”；通过修改锥桶形状让自动驾驶感知系统无法识别……
戴上对抗样本眼镜攻破手机人脸解锁
RealAI团队所做的这一切，都只为让开启“狂飙”模式的人工智能更加安全，帮它“系上安全带”。包括SAM在内的上述AI视觉模型，之所以会被RealAI团队攻破，本质上是深度学习方法的先天缺陷，语音识别、文本处理等技术都存在被对抗样本攻击的漏洞，具有普遍性。
近几个月来，狂飙突进的大模型自然也不例外。除了对抗样本攻击，AI大模型还存在幻想、生产歧视、排斥和有害内容、数据泄露等安全问题，威胁大模型的应用生态和国家安全。事实上，无论是学术界、产业界还是监管机构，都早已意识到了风险。
4月11日，国家互联网信息办公室发布《关于<生成式人工智能服务管理办法（征求意见稿）>公开征求意见的通知》。该意见稿在第十四条就明确规定：提供者应当在生命周期内，提供安全、稳健、持续的服务，保障用户正常使用。在该意见稿发布前，已有多国监管部门表示密切关注ChatGPT引发的数据安全等问题。
未来，大模型自身的安全和可靠性问题，无疑将成为其应用发展的瓶颈性问题。如何更好地实现这一通用目的技术的发展和安全动态平衡，将成为人工智能企业的重要课题，也将酝酿新的产业机遇。
