AI 自動補全程式碼，結果補出來了一張別人的身份證？
GitHub Copilot 又出神操作了。
有人在推特上曬圖，表示自己在使用 GitHub Copilot 時，它竟然給補全出了一張身份證資訊出來。
輸入 B 站 CEO 陳睿的資訊後，下方竟然自動補出了
身份證號
。
這操作確實夠嚇人的。
網友就表示：恐成社工庫利器啊！
不過恐慌之際，眼尖的網友們很快發現了問題：
顯示的身份證號其實是
假的
，其中出生年份和校驗位明顯都是錯的。
陳睿應該是 1978 年生，而這裡的證件號上顯示為 1988。
叔叔我啊，變年輕了
也就是說，這串所謂的身份證號，其實是 GitHub Copilot 自動生成的
假資料
。
這讓人們提起來的心稍微放下了一些。
但是原本是生成程式碼的 GitHub Copilot，怎麼會生成個人隱私資訊呢？
吃了的，不經意又吐出來
這和 GitHub Copilot 的工作原理有一定關係。
GitHub Copilot 由
Codex
模型支援，它可以看做是 GPT-3 的升級版，既能看懂程式碼、也能看懂自然語言。
一方面
，GitHub Copilot 為了能看懂註釋，需要接受像 GPT-3 一樣的語言訓練。
語言模型在生成結果時，往往會隨機表現出某些訓練資料的特徵。
也就是模型 “記住了” 見過的資料資訊，處理任務時，把它 “吃進去” 的訓練資料又 “吐了出來”。
而對於 GPT-3、BERT 這些超大型語言模型來說，訓練資料集的來源往往包羅永珍，大部分是從
網路公共資訊
中抓取，其中免不了
個人敏感資訊
，比如姓名、地址、身份證號等等。
有人就表示，b 站高層的個人資訊可能早就被人惡意曝光了。
這一次很可能是 GitHub Copilot 在生成結果時，隨機表現出了一些訓練資料的特徵，這部分資料剛好來自陳睿的隱私資訊。
事實上，GitHub 的 CEO Nat Friedman 也迴應過類似的問題。
他表示 GitHub Copilot 給出的隱私資訊都是
假的
，是透過訓練資料合成而來。
而前不久曝出的 Copilot 抄襲大神程式碼、原版註釋一事，直接讓 Nat 這番迴應啪啪打臉。
自動生成的程式碼不僅和原版一樣，連 “what the fuck” 那句註釋也用上了。
△
GitHub Copilot 復刻 Quake 程式碼
另一方面
，GitHub Copilot 是由數十億行
公開程式碼
訓練的。
有人認為，這可能是訓練集中的原始程式碼就違反了相關隱私條款。
GitHub Copilot 受到錯誤程式碼的影響，意外把陳睿的個人資訊從資料集裡套了出來。
雖然這次情況可能只是個意外，但是也暴露了 GitHub Copilot 在安全隱私上存在許多風險。
有網友就對 GitHub Copilot 的敏感資訊處理，表示擔憂：
倒是說會對敏感資訊處理，但是我覺得總會有漏的。
小米開源技術委員會主席、小米副總裁崔寶秋則表示，這提醒了使用者要注意自己的安全隱私保護，個人資料要記得匿名化。
GitHub Copilot 爭議不斷
事實上，GitHub Copilot 從上線以來就爭議不斷：
直接照抄原始碼、沒有開源許可證；
由公共程式碼庫訓練，卻要以付費商品上線；
……
除了安全隱私上的風險，openAI 還發現 GitHub Copilot 的模型 Codex 與 GPT-3 一樣，會生成帶有種族主義或其他倫理問題的結果。
最近，自由軟體基金會（Free Software Foundation，FSF）也發出了抗議，他們表示使用 GitHub Copilot 必須執行 Visual Studio IDE 或 Visual Studio Code 這種付費軟體，侵犯了使用者的權益。
為此，FSF 正在向大眾徵集 GitHub Copilot 在版權、法律等問題的投稿。
對於這一抗議，GitHub 方面則表示願意對任何問題持開放態度。
“這是一個全新的領域，我們渴望與開發者就這些話題進行討論，並引領行業為訓練人工智慧模型制定適當的標準。”
參考連結：
［1］https：//twitter。com/DeltonDing/status/1423651446340259840
［2］https：//venturebeat。com/2021/07/08/openai-warns-ai-behind-githubs-copilot-may-be-susceptible-to-bias/
［3］https：//www。infoworld。com/article/3627319/github-copilot-is-unacceptable-and-unjust-says-free-software-foundation。html