美媒:马斯克等人呼吁暂停AI训练是对的 为了安全需要放慢脚步
各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题是《美媒:马斯克等人呼吁暂停AI训练是对的 为了安全需要放慢脚步》,很明显是关于科技周边的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!

3月30日消息,特斯拉首席执行官埃隆·马斯克(Elon Musk)、苹果联合创始人史蒂夫·沃兹尼亚克(Steve Wozniak)以及其他1000多人日前签署了一封公开信,呼吁暂停训练比GPT-4更强大的AI系统。美国主流网络媒体BI认为,为了全社会的利益,AI开发需要放慢脚步。
在公开信中,沃兹尼亚克、马斯克等人要求在AI技术变得日益强大之际,为其设置安全护栏,并暂停训练更先进的AI模型。他们认为,对于像OpenAI的GPT-4这样强大的AI模型,“只有在我们确信它们的影响是积极的、风险是可控的情况下才应该开发”。
当然,这并不是人们首次呼吁为AI设置安全护栏。然而,随着AI变得越来越复杂、越来越先进,要求保持谨慎的呼声也在不断升高。
美国康奈尔大学数字和信息法教授詹姆斯·格里梅尔曼(James Grimmelmann)表示:“放慢新AI模型的开发速度是一个非常好的主意,因为如果AI最终对我们有利,那么等待几个月或几年也没有坏处,我们无论如何都会到达终点。而如果它是有害的,那我们也为自己争取了额外的时间,以制定应对的最佳方式,并了解如何与其作对抗。”
ChatGPT崛起凸显出行动过快存在潜在危险
去年11月,当OpenAI的聊天机器人ChatGPT上市公测时,引起了巨大轰动。可以理解的是,人们开始推广ChatGPT的功能,而它对社会的破坏性很快就显现出来了。ChatGPT开始通过医生职业考试,给出如何制作炸弹的说明,甚至为自己创造了另一个自我。
我们越多地使用AI,特别是ChatGPT或文本到图像转换工具Stable Diffusion等所谓的生成式人工智能(AIGC)工具,我们就越能看到它的缺点,它制造偏见的潜力,以及我们人类在使用它的力量时显得多么无力。
BI编辑哈桑·乔杜里(Hasan Chowdhury)写道,AI有可能“成为涡轮增压机,加速我们的错误蔓延开来”。就像社交媒体那样,它可以利用人类最好的和最坏的东西。但与社交媒体不同的是,AI将更多地融入人们的生活。
ChatGPT和其他类似的AI产品已经倾向于歪曲信息和犯错误,沃兹尼亚克曾公开谈论过这一点。它很容易产生所谓的“幻觉”(不真实信息),就连OpenAI首席执行官萨姆·阿尔特曼(Sam Altman)也承认,该公司模型可能会产生种族、性别歧视和带有偏见的答案。Stable Diffusion也遇到了版权问题,并被指控从数字艺术家的作品中窃取灵感。
随着AI融入更多的日常技术中,我们可能会在更大范围内给世界带来更多错误信息。即使是对AI来说看似良性的任务,比如帮助策划假期,也可能不会产生完全可信的结果。
当自由市场要求快速发展时,很难负责任地开发AI技术
需要明确的是,AI是一项令人难以置信的变革性技术,特别是像ChatGPT这样的AIGC。开发机器来完成人们讨厌的大部分乏味工作,从本质上讲并没有错。
尽管这项技术在劳动力中造成了生存危机,但它也被誉为科技行业的平等工具。目前也没有证据表明,ChatGPT准备在未来几年领导一场机器人叛乱。
许多AI公司都有伦理学家参与,以负责任的态度开发这项技术。但是,如果匆忙推出产品的重要性高于其社会影响,专注于安全创建AI的团队就无法安心完成工作。
速度似乎也是这股AI热潮中不可忽略的因素。OpenAI认为,如果该公司行动足够快,就可以抵御竞争,成为AIGC领域的领导者。这促使微软、谷歌和几乎所有其他公司争相效仿。
在强大的AI模型准备就绪之前就发布给公众体验,并不能让这项技术变得更好。人们还未找到AI的最佳用例,因为开发人员必须扑灭他们所创造技术引发的喧嚣,而用户则被噪音分散了注意力。
并不是每个人都希望放慢速度
马斯克等人的公开信也受到其他人批评,他们认为其没有切中要害。
华盛顿大学教授艾米丽·本德(Emily M. Bender)在推特上表示,马斯克和其他科技领袖在炒作周期中只关注AI的强大程度,而不是它能造成的实际损害。
康奈尔大学数字和信息法教授格里梅尔曼补充说,在这封公开信上签名的科技领袖“姗姗来迟”,并打开了一个潘多拉盒子,可能给自己带来麻烦。他称:“现在他们已经在这封信上签名,那么他们就不能转身再说,不能对自动驾驶汽车等其他技术施行同样的政策。”
暂停开发或施加更多监管可能会也不会取得成果。但现在,话题似乎已经转向。AI已经存在了几十年,或许我们还可以再多等几年。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
集成GPT-4的Cursor让编写代码和聊天一样简单,用自然语言编写代码的新时代已来
- 上一篇
- 集成GPT-4的Cursor让编写代码和聊天一样简单,用自然语言编写代码的新时代已来
- 下一篇
- ChatGPT热潮下的冷思考:2025年AI能耗或超人类,AI计算需要提质增效
-
- 科技周边 · 人工智能 | 1天前 |
- RAG 文档切片怎样决定 overlap
- 278浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- ONNX 导出怎样声明动态 batch 和序列长度
- 131浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- RAG 检索结果怎样设置召回和重排的 Top K
- 491浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | LoRa PEFT merge_and_unload adapter unload disable_adapter delete_adapter
- PEFT 怎样卸载 adapter 并保留基础模型
- 485浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Accelerate mixed_precision 怎样选择 fp16 或 bf16
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Accelerate 怎样配置梯度累积
- 356浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | skip take Hugging Face Datasets streaming IterableDataset shard
- IterableDataset 只有一个 shard 时怎么继续切分数据
- 441浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | JSON split Hugging Face dataset Datasets
- Hugging Face Datasets 怎样从 JSON 加载数据集
- 266浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Transformers 生成文本怎样理解 past_key_values 缓存
- 370浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · 文本生成 Transformers Python线程 TextIteratorStreamer 流式生成
- Transformers TextIteratorStreamer 怎样流式读取生成结果
- 485浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 491次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 548次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 575次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 529次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 341次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
