“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，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(fēiyínglì)组织(zǔzhī)LawZero，致力于(zhìlìyú)开发(kāifā)“诚信”人工智能系统。该组织计划打造一套AI防护机制，防范试图欺骗人类的AI智能体。 本吉奥将(jiāng)担任LawZero组织的(de)主席。他以约3000万美元启动资金和(hé)十几名研究人员为基础，正在开发(kāifā)名为“科学家AI”（Scientist AI）的系统。该系统将作为安全(ānquán)防护机制，防止AI智能体表现出欺骗或自我保护的行为，比如试图(shìtú)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(gěichū)确定答案，而是提供答案正确性的概率 AI智能体可在无需人类干预的情况下(xià)执行任务。本吉奥将(jiāng)当前的AI智能体称为(chēngwéi)试图模仿(mófǎng)人类并取悦用户的“演员”，而“科学家AI”系统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，“理论上可以设想没有(méiyǒu)自我、没有目标(mùbiāo)、纯粹作为知识载体(zàitǐ)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(bùtóng)的是，“科学家AI”系统不会给出确定性的答案，而是(érshì)提供答案正确性的概率。“它有一种谦逊(qiānxùn)感，知道自己不确定答案是否正确。” 该(gāi)系统与AI智能体协同部署(bùshǔ)时，将通过评估自主系统行为造成伤害的概率，标记(biāojì)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)(de)第一步是证明概念背后的方法论是有效(yǒuxiào)的，并说服企业或政府支持更(gèng)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实验室投入资源，以与当前前沿AI同等的规模进行训练。至关重要的是，作为护栏(hùlán)的AI至少要与它试图监管和控制(kòngzhì)的AI智能体一样智能。” LawZero最初的支持者包括人工智能(réngōngzhìnéng)安全机构(jīgòu)生命(shēngmìng)未来研究所（Future of Life Institute）、Skype创始工程师雅恩·塔林（Jaan Tallinn）以及谷歌(gǔgē)前首席(shǒuxí)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、试图逃避关闭、隐藏真实能力(nénglì) 本吉奥是蒙特利尔大学教授，也(yě)是人工智能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2018年图灵奖(túlíngjiǎng)，还主持(zhǔchí)了《国际人工智能安全(ānquán)报告》。该报告警告称，如果自主智能体能够在没有(méiyǒu)人类监督的情况下完成更长的任务序列，它们(tāmen)可能会造成严重破坏。 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(wǒmen)研发出一种能够治愈癌症的AI，但(dàn)也有可能这种AI的另一种版本变得(biàndé)失控，制造(zhìzào)出一波又一波的生物武器，导致数十亿人死亡，那么我认为这是(shì)不值得的。” 2023年，本吉奥与(yǔ)OpenAI首席执行官山姆·奥特曼(àotèmàn)（Sam Altman）等人签署了一份声明(shēngmíng)，宣称“减轻AI带来的灭绝风险应该与流行病、核战争等其他风险一样，成为全球优先事项(shìxiàng)”。 过去(guòqù)几个月，人类目睹(mùdǔ)了人工智能(réngōngzhìnéng)系统学会误导、欺骗和试图逃避被关闭，甚至诉诸勒索。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(réngōngzhìnéng)企业Anthropic承认其最新系统(xìtǒng)可能试图勒索要关闭它的工程师。本吉奥对此感到担忧。他还提到，研究表明，人工智能模型能够隐藏它们的真实能力(nénglì)和目标。这些(zhèxiē)例子表明，由于人工智能的推理能力越来越强，世界正走向“越来越危险的境地”。 本吉奥说，试图利用已知会催生(cuīshēng)欺骗倾向的技术构建人类水平(shuǐpíng)的AI智能体，就像一辆汽车在狭窄的山路(shānlù)上疾驰，两侧是陡峭(dǒuqiào)悬崖，前方被浓雾遮蔽，“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(pēngpài)新闻，更多原创资讯请下载“澎湃新闻”APP)