“AI教父”本吉奥宣布开发“科学家AI”系统，防范智能体欺骗人类

6月3日(rì)，著名计算机科学家、AI“教父”约书亚·本吉奥（Yoshua Bengio）宣布发起非营利组织LawZero，致力于(zhìlìyú)开发“诚信”人工智能系统。该组织计划打造一套AI防护机制，防范(fángfàn)试图欺骗人类的AI智能体(tǐ)。 本吉奥将担任LawZero组织(zǔzhī)的主席。他以约3000万美元启动资金和十几名研究人员为基础，正在开发名为“科学家AI”（Scientist AI）的系统。该系统将作为(zuòwéi)安全防护机制，防止AI智能(zhìnéng)体(tǐ)表现出欺骗(qīpiàn)或(huò)自我保护的行为，比如试图避免被关闭。“至关重要的是，作为护栏的AI至少要与它试图监管和控制的AI智能体一样智能。” 不会给出确定(quèdìng)答案，而是提供答案正确性的概率 AI智能体(tǐ)(tǐ)可在无需人类干预的(de)情况下执行任务。本吉奥将当前的AI智能体称为试图模仿人类并取悦用户的“演员”，而“科学家AI”系统(xìtǒng)更像是一位能够理解和预测不良行为的“心理学家”，既可以加速科学发现，又可以防范AI智能体的风险。 “我们希望构建诚实且不具有欺骗性的人工智能。”本吉奥说(shuō)，“理论上可以设想没有(méiyǒu)自我、没有目标、纯粹作为知识(zhīshí)载体的机器，就像一个知道很多东西的科学家。” 但和当前生成式AI工具不同的是，“科学家AI”系统不会给出确定性(quèdìngxìng)的答案，而是提供答案正确性的概率。“它有一种(yīzhǒng)谦逊感，知道自己(zìjǐ)不确定答案是否正确。” 该系统与(yǔ)AI智能体协同部署时，将通过评估自主系统行为(xíngwéi)造成伤害的概率(gàilǜ)，标记潜在有害行为。如果概率超过一定阈值，那么智能体提出的行动将被阻止。 本吉奥说，LawZero的(de)第一步是证明概念背后的方法论(fāngfǎlùn)是有效的，并说服企业或政府支持更强大版本的开发。开源人工智能模型将成为训练LawZero系统的起点。“关键是要证明这种方法论有效，从而说服捐赠者、政府或AI实验室投入(tóurù)资源，以与当前(dāngqián)前沿AI同等的规模进行训练。至关重要的是，作为(zuòwéi)护栏的AI至少要与它试图监管(jiānguǎn)和控制的AI智能体一样智能。” LawZero最初(zuìchū)的支持者(zhīchízhě)包括(bāokuò)人工智能(réngōngzhìnéng)安全机构生命未来研究所（Future of Life Institute）、Skype创始工程师(gōngchéngshī)雅恩·塔林（Jaan Tallinn）以及谷歌前首席执行官埃里克·施密特（Eric Schmidt）创立的研究机构施密特科学（Schmidt Sciences）。 AI学会欺骗误导(wùdǎo)、试图逃避关闭、隐藏真实能力 本吉奥是蒙特利尔大学教授，也是人工智能(réngōngzhìnéng)安全领域的领军人物。 他曾与杰弗里·辛顿（Geoffrey Hinton）、Meta首席AI科学家杨立昆（Yann LeCun）共同获得(huòdé)2018年图灵奖，还主持了《国际人工智能(réngōngzhìnéng)安全报告》。该报告警告称，如果自主智能体能够(nénggòu)在没有人类监督的情况下完成更长的任务序列，它们可能会(huì)造成(zàochéng)严重破坏。 本吉奥认为，人类不需要智能体系统来获得人工智能(réngōngzhìnéng)的回报，这样的系统有可能脱离人类的控制，带来不可逆转的后果。“如果我们研发出(chū)一种能够治愈癌症的AI，但也有可能这种(zhèzhǒng)AI的另一种版本变得(biàndé)失控，制造出一波又(yòu)一波的生物武器，导致数十亿人死亡，那么我认为这是不值得的。” 2023年，本吉奥与OpenAI首席执行官山姆·奥特曼（Sam Altman）等人签署了一份声明(shēngmíng)，宣称“减轻AI带来的灭绝风险(fēngxiǎn)应该(yīnggāi)与流行病、核战争等其他(qítā)风险一样，成为全球优先事项”。 过去几个月，人类目睹了人工智能系统(xìtǒng)学会误导、欺骗和试图(shìtú)逃避被关闭，甚至诉诸(sùzhū)勒索。这些行为几乎都出自精心设计、近乎诱导AI行为不端的实验，例如要求其不惜一切代价实现目标。 但现实中这样的(de)行为也已出现。最近，人工智能企业Anthropic承认其最新系统可能试图勒索要关闭它的工程师。本吉奥对此感到担忧。他还(hái)提到，研究表明，人工智能模型能够隐藏它们的真实能力和目标。这些例子(lìzi)表明，由于人工智能的推理能力越来越强(qiáng)，世界(shìjiè)正走向“越来越危险的境地”。 本吉奥说，试图利用(lìyòng)已知会催生欺骗倾向的技术构建人类水平的AI智能体，就像一辆汽车在狭窄的山路上(shàng)疾驰(jíchí)，两侧是陡峭悬崖，前方被浓雾遮蔽(zhēbì)，“我们需要为汽车装上前灯，并在路上安装一些护栏。” (本文来自澎湃新闻，更多原创资讯请下载(xiàzài)“澎湃新闻”APP)