在大会之前，IProgrammer 对 Ian Goodfellow 进行了一次采访，就此次演讲的主题、AI WITH THE BEST 大会进行了解读。机器之心将此次采访的内容编译如下：

IProgrammer：我们了解到这是你第三次参加 AI With the Best 大会，也在帮助组织这一线上会议，线上模式看起来逐渐变得流行起来了。

Ian Goodfellow：是的，在线会议相比于线下提供了多种好处：花更少的时间和金钱就能参与；多个听众与单个演讲者交流时也能更自然；演讲时能够暂停、回放；之后，演讲内容还便于传播。去年在 OpenAI 组织过 Self-Organizing 会议之后，我就自愿成为了顾问，我的任务是帮助选择演讲者、安排日程。

IP ：找到覆盖 4 个频道的 100 多位演讲者看起来很有野心，能实现吗？

Ian Goodfellow：在找演讲者上，我们做的很好，Yoshua Bengio、Sam Altman 都同意做 keynote。

IP：对付费用户而言，大会上最令人激动的东西是什么？

Ian Goodfellow：用户可以预订 1 对 1 的演讲者 session，这是相比于 Youtube 视频等允许交流的软件平台该大会很棒的一方面。

IP：所有的演讲者都会有 1 对 1 吗？

Ian Goodfellow：每个演讲者都能自由选择演讲多少个时段。1 对 1session 对演讲者和用户都会有帮助，而且有趣。去年的会议上，我就遇到了一些有趣的用户，比如一个使用生成式模型研究暗物质分布的天文学家。

IP：去年的 AI With the Best 大会上，你讲了 GAN，能简单介绍下这个概念吗？

Ian Goodfellow：GAN 是个机器学习模型，它能生成类似于训练数据的新数据。例如，在包含狗的图片的数据集上训练之后，GAN 能够生成之前从未见过的、虚构的狗图片。

IP：今年你的演讲主题是机器学习安全与隐私，安全是你目前的研究领域吗？还是会继续对抗训练的研究？

Ian Goodfellow：我两个都研究，它们与机器学习安全都密切相关。我们现在正在研究如何愚弄机器学习模型，很多公司都对使用深度学习进行恶意代码检测感兴趣，问题是机器学习模型很容易被欺骗，所以下一代恶意代码很可能会欺骗这些机器学习检测器，这里就有一种名为 MalGAN 的新算法。它使用 GAN 生成恶意代码来欺骗检测器，让它以为是合法的软件。

IP：所以你需要欺骗诈骗犯？

Ian Goodfellow：是的，在攻击者与防御者之间有竞争，新的机器学习能力对两方都有帮助，机器学习能自动欺骗检测，但它也能进行欺骗。

IP：有没有简单的解决方法，或者这种方法是否会花费很长的时间？

Ian Goodfellow：它会花费一些时间，还有很多的工作要做，无论是在理论还是应用上。在理论方面，我们还没有解释如何结束这种竞争的理论。例如，在密码学上，如果你正确的部署密码，保证密码的安全，攻击者很难读取道你的加密信息。有趣的是，如果你不出错，防御方就会赢。但我们无法保证机器学习是否是这样。目前，如果你采用顶尖的机器学习算法训练恶意代码检测，它还是很容易被欺骗。我们希望某天能够建立无人可欺骗的恶意代码检测器。目前，我们还没有任何数学理论告诉我们这是否行的通。机器学习安全领域的一个最大的研究问题是搞清楚我们能给予多大的期待。