“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）宣布发起非营利组织LawZero，致力于开发(kāifā)“诚信”人工智能系统。该组织计划打造一套AI防护机制(jīzhì)，防范试图(shìtú)欺骗(qīpiàn)人类的AI智能体。 本吉奥将(jiāng)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AI”（Scientist AI）的系统。该系统将作为安全防护机制，防止AI智能(zhìnéng)体(tǐ)表现出欺骗或(huò)自我保护的行为，比如试图避免被关闭。“至关重要(zhìguānzhòngyào)的是，作为护栏(hùlán)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，而是提供答案正确性的概率(gàilǜ) AI智能体(tǐ)可在无需(wúxū)人类干预的情况下(xià)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(yònghù)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(gòujiàn)诚实且(qiě)不具有(jùyǒu)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的答案，而是提供答案正确性(zhèngquèxìng)的概率(gàilǜ)。“它有一种谦逊感，知道自己不确定答案是否(shìfǒu)正确。” 该系统与AI智能(zhìnéng)体协同部署时，将通过评估自主系统行为造成(zàochéng)伤害的(de)概率，标记潜在有害行为。如果概率超过一定阈值，那么智能体提出的行动将被阻止。 本吉奥说，LawZero的(de)第一步是(shì)证明概念背后的方法论是有效的，并说服企业或政府支持更强大版本的开发。开源(kāiyuán)人工智能(zhìnéng)模型(móxíng)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(jìnxíng)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最初的支持者包括人工智能安全机构(jīgòu)生命未来研究(yánjiū)所（Future of Life Institute）、Skype创始工程师雅恩·塔林（Jaan Tallinn）以及(yǐjí)谷歌前首席执行官埃里克·施密特(shīmìtè)（Eric Schmidt）创立(chuànglì)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(yǐncáng)真实能力 本吉奥是蒙特利尔(méngtèlìěr)大学教授，也是人工智能安全领域的领军人物。 他曾与杰弗里·辛顿(xīndùn)（Geoffrey Hinton）、Meta首席AI科学家(kēxuéjiā)杨立昆（Yann LeCun）共同获得(huòdé)2018年图灵奖，还主持(zhǔchí)了《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(kěnéng)会造成严重破坏。 本吉奥认为(rènwéi)，人类不需要智能体(tǐ)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。“如果我们研发出一种(yīzhǒng)能够治愈(zhìyù)癌症的AI，但也有可能这种AI的另一种版本变得失控，制造出一波又一波的生物武器，导致(dǎozhì)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·奥特曼（Sam Altman）等(děng)人签署了一份声明，宣称“减轻AI带来的灭绝风险(fēngxiǎn)应该与流行病、核战争等其他风险一样，成为全球(quánqiú)优先事项”。 过去几个月，人类目睹了人工智能系统学会(xuéhuì)误导、欺骗和试图逃避被关闭，甚至诉诸勒索(lèsuǒ)。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(shíyàn)，例如要求其不惜一切代价实现目标。 但现实(xiànshí)中(zhōng)这样的行为也已出现。最近(zuìjìn)，人工智能企业Anthropic承认其最新(zuìxīn)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。这些例子表明，由于人工智能的推理能力越来越(yuèláiyuè)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智能体，就(jiù)像一辆汽车(qìchē)在狭窄的山路上(lùshàng)疾驰，两侧是陡峭悬崖，前方被浓雾遮蔽，“我们需要为汽车装上前(shàngqián)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)