2018年，日本发生了一场车祸。驾驶员打开了汽车的自动辅助驾驶功能，但车撞上了一辆停靠在路边的面包车，导致一人死亡、两人受伤。法院认为，无法判断这起车祸的起因是自动辅助驾驶系统故障，还是超出系统能力范围，但有证据表明驾驶者当时非常疲倦，已经无法正常驾驶，因此，驾驶者应该负主要责任；而驾驶者的家属则认为，在这起车祸中，自动辅助驾驶系统同样应该承担责任。
现在许多企业都在开发更高级的自动驾驶系统，希望有朝一日能够制造可以全程无人驾驶的汽车。到那时，如果无人驾驶汽车出现车祸，应该是谁来负责呢？是汽车生产厂商，还是无人驾驶系统的开发者？还是汽车的使用者？
这道难题，是未来AI网络化所面临的复杂法律问题的一个缩影。我们来设想这样一个情形，在一条盘山公路上，一辆由人驾驶的汽车突然失控，眼看着就要撞向一辆满载客人的无人驾驶汽车。这辆无人驾驶汽车安装了AI系统，能够紧急转向来避免相撞，但是如果紧急转向的话，它可能会掉下悬崖，也可能撞上岩壁，那样的话，车上的乘客必然难以幸免。于是，这辆无人驾驶汽车没有转向，而是正面撞上了对面失控的汽车，导致失控汽车内的乘客伤亡，而无人驾驶车内的乘客则安然无恙。
这是一个可以被不断挖掘讨论的案例：
首先是伦理问题，AI应该优先保护自身乘客的生命，还是应该优先保护对面车辆中的乘客生命？AI在处理这种紧急情况时，应该最大限度地考虑减少社会损失和人员伤亡的问题吗？
其次是技术问题，在即将相撞时，无人驾驶汽车中的AI是否出了错误，做出了错误判断？AI做出的判断，是否是设计时就存在的缺陷？
最后是责任问题，AI的行为是不是出自汽车设计师的设计？AI制造商是否对使用者尽到告知潜在危险的义务？
这些问题，都将会是在法庭上辩论的焦点。但是，透过这些表面的问题，我们将会发现，核心在于我们能否预测AI将会做出怎样的判断。如果AI的决策过程始终是一个“黑箱”的话，我们也许永远也找不到答案。既然责任无法确定，那么谁来承担责任，也就成了谜题。
传统的计算机程序不能自主做出判断，而AI的特征就在于它有创造性。而因为现在的AI是个“黑箱”，因此在做出判断和行为后，即使是AI的开发者本人，也难以查明AI做出这种判断的原因。
AI的行为无法预知，也就会带来难以意料的危险，进而造成责任的空白，我们甚至没有办法在法律上做出判断。而即使找到原因，认定责任的确归属于AI，我们也没有办法做出惩罚，因为惩罚只能用在人类这样拥有人格的生物身上。那么AI是否拥有人格呢？这显然会引起规模更大的讨论，涉及人类所拥有的诸多权利和义务。
所以我们可以看到，如果不改变这种AI行为无法预知的特性的话，我们将会面临诸多法律上的困境。为了避免这些困境，我们能想到的最好的方式，就是让AI的开发变得更加可控，让AI的逻辑变得更加透明，让人能够理解AI做出判断的原因，并让AI避开作为刑事责任主体的可能性。
这个结论可能会让我们有点不舒服。毕竟我们已经习惯了责任明晰的法律判断，而对AI这样介于生物和非生物之间的模糊物体还不大适应。但要解决这样的问题，根本方法是对AI的开发和使用建立规则。这看起来和刑法离得有点远，却是解决这类刑事问题的最好方案。
具体地来说，网络化AI的问题可能会集中在两个方面，分别是日常生活中的隐性影响，以及重大的刑事问题。在这两个方面，我们都需要建立一些通用原则，来预防AI对个人和社会带来的冲击。比如，完善相关法律，例如知识产权法不应该保护AI创作的内容，企业应该更谨慎地对待客户的个人隐私和个人数据；其次，尝试改变现在AI的开发方式，建立更透明、更可控的人工智能系统，让我们能够理解AI做出判断的理由和方法。
有一个好消息是，在最近几年，人工智能学界已经开始反思AI黑箱化所带来的种种问题，也诞生了一个新的领域，叫做“可解释人工智能”，它指的是为人工智能使用人类可以理解的算法，来让AI的决策结果变得可以预测。
人工智能学界已经意识到传统AI不透明所带来的局限性，而这个弱点正因为AI的广泛使用变得越来越突出。未来我们需要和AI协同工作，如果AI是一个黑箱的话，我们就无法信任它。从2018年开始，国际上成立了一个名叫“公平、问责和透明度”的跨学科同行评议会议，其中就涉及如何让AI开发和使用过程变得更加透明的问题。
现在，我们已经有了一些“可解释人工智能”的算法模型，它们在通用的人工智能机器学习算法基础上，结合了新开发的人机界面技术，让使用者可以更方便地理解人工智能算法的逻辑，并且预测它的运行结果。
也许有一天，“可解释人工智能”会取代现在基于机器学习的AI“黑箱”，让AI成为我们生活和工作中的重要帮手，帮我们提高自己的生活质量，提升整个社会的智力水平。这也应该是未来AI的发展方向。
