“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(yuēshūyà)·本吉奥（Yoshua Bengio）宣布发起非营利组织LawZero，致力于开发(kāifā)“诚信”人工智能系统。该组织计划(jìhuà)打造一套AI防护机制，防范试图欺骗人类的(de)AI智能体。 本吉奥将担任LawZero组织的主席。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(kēxuéjiā)AI”（Scientist AI）的系统。该系统将作为安全防护机制，防止AI智能体(tǐ)表现出欺骗或自我保护(bǎohù)的行为，比如试图避免被(bèi)关闭(guānbì)。“至关重要(yào)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。” 不会给出确定答案，而是提供(tígōng)答案正确性的概率 AI智能(zhìnéng)(zhìnéng)体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(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(xīwàng)构建诚实且(qiě)不具有欺骗性的人工智能。”本吉奥说，“理论上可以设想没有自我、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(hé)当前生成式AI工具不(bù)同的是，“科学家AI”系统不会给出(gěichū)确定性的答案，而是提供答案正确性的概率。“它有一种谦逊感，知道自己不确定答案是否正确。” 该系统与AI智能体协同部署时，将(jiāng)通过(tōngguò)评估自主系统行为造成伤害的概率，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(tíchū)的行动将被阻止。 本吉奥说，LawZero的第一步是证明(zhèngmíng)概念背后(bèihòu)的方法论是有效的，并说服企业或(huò)政府支持更强大版本的开发(kāifā)。开源人工智能模型将成为训练(xùnliàn)LawZero系统的起点。“关键(guānjiàn)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，作为护栏的AI至少要与它试图监管和控制的AI智能体一样智能。” LawZero最初(zuìchū)的(de)支持者包括人工智能安全机构生命未来研究所（Future of Life Institute）、Skype创始(chuàngshǐ)工程师雅恩·塔林（Jaan Tallinn）以及谷歌前(qián)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(táobì)关闭、隐藏真实能力 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(yǔ)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(nián)图灵奖，还主持了(le)《国际人工智能安全报告》。该报告警告称，如果自主智能体能够在没有人类监督的情况下完成更长的任务序列，它们可能会造成严重破坏(yánzhòngpòhuài)。 本(běn)吉奥认为(rènwéi)，人类不需要智能体系统来获得(huòdé)人工智能的回报，这(zhè)样的系统有可能脱离人类的控制，带来不可逆转的后果。“如果我们研发出一种能够治愈癌症的AI，但也有可能这种AI的另一种版本变得失控(shīkòng)，制造出一波又一波的生物武器，导致数十亿人死亡，那么我认为这是不值得的。” 2023年，本吉奥与OpenAI首席执行官(zhíxíngguān)山姆(shānmǔ)·奥特曼（Sam Altman）等人签署了一份声明，宣称“减轻(jiǎnqīng)AI带来的(de)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”。 过去几个月，人类目睹了人工智能系统学会误导、欺骗和(hé)试图逃避(táobì)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(lìrú)要求其不惜一切代价实现目标。 但现实中这样的行为也已出现。最近，人工智能(réngōngzhìnéng)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(běn)吉奥对此感到担忧。他还提到，研究表明(biǎomíng)，人工智能模型(móxíng)能够隐藏它们的真实能力和目标。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欺骗倾向的技术构建人类水平的AI智能(zhìnéng)体，就像一辆汽车在狭窄的山路(shānlù)上疾驰，两侧是(shì)陡峭悬崖，前方(qiánfāng)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。” (本文来自澎湃新闻(xīnwén)，更多原创资讯请下载“澎湃新闻”APP)