Sam Altman预警:AI灭绝人类!375+大佬签署22字联名信,LeCun唱反调
来到golang学习网的大家,相信都是编程学习爱好者,希望在这里学习科技周边相关编程知识。下面本篇文章就来带大家聊聊《Sam Altman预警:AI灭绝人类!375+大佬签署22字联名信,LeCun唱反调》,介绍一下,希望对大家的知识积累有所帮助,助力实战开发!
|本文转自:新智元【新智元导读】AI真的要灭绝人类吗?375+大佬共同签署了22字联名信。
3月,千名大佬签署暂停「超级AI」研发的联名信,让整个业界为之震惊。
就在昨天,一封只有22个字的联名信再次引起轩然大波。
寥寥数语,把AI类比为了传染病和核战争,分分钟灭绝人类的那种。

签名者中,有Hinton和Bengio两位人工智能的「教父」,还有硅谷巨头的高管,Sam Altman、Demis Hassabis等在人工智能领域工作的研究人员。
截止目前,已经有370多名从事人工智能高管都签署了这份联名信。
然而,这封信并不是得到所有人的支持。
「图灵三巨头」中的一位LeCun直言:我不同意。

人工智能的增强了人类的智慧,这是一件本质上有益的事情,与核武器和致命病原体不同。我们甚至没有一个可靠的蓝图来创造接近人类水平的人工智能。一旦我们做到了,我们会想出让它安全的方法。」

这封联名信究竟说了啥?
「致命」公开信
22字,言简意赅:
"Reducing the risk of AI causing human extinction should be given a priority at a global level."。就像我们应对传染病、核战争这种社会危机一样。」

而签署这封公开信的AI界人士一眼根本望不到头。

赫然映入眼帘的就是Geoffrey Hinton,Yoshua Bengio,谷歌DeepMind的CEO Demis Hassabis,OpenAI的CEO Sam Altman,Anthropic的CEO Dario Amodei。

这里面Hinton的含金量不用多说,前谷歌副总裁、深度学习泰斗、神经网络之父,以及图灵奖获得者。
Yoshua Bengio is also a recipient of the Turing Award and is collectively referred to as one of the "Turing Award trio" along with Hinton and LeCun.。(然而LeCun在这件事上和另两个巨头态度截然相反)
除了在科技巨头公司任职的大佬,还不乏知名AI学者。比如UC伯克利的Dawn Song,清华大学的张亚勤。
而在这些耳熟能详的名字下面,就是数不胜数的AI界人士了。
甚至,每个人都可以参与签署这封公开信。
只要填写姓名、邮箱、职位等等信息,就可以参与签署了。
不过,可以选择的身份并不多。(狗头)
反对:灭绝人类纯扯淡
当然,Meta首席科学家LeCun还是一如既往地「唱唱反调」。
他一向的观点都是:现在的AI发展刚哪儿到哪儿啊,就天天把威胁和安全挂在嘴边。
他声称,列举的威胁根本不存在于目前人工智能发展水平所能达到的程度。讨论如何确保人工智能的安全在我们能够设计出狗级别人工智能(更不用说人类级别)之前,还为时过早。

斯坦福大学的吴恩达立场和LeCun相同,但理由却有点不同。
他认为,不是AI会导致各种各样的问题,而是我们将会遇到的各种各样的问题只能靠AI来解决。
比如:下一次传染病爆发,气候变化导致的人口减少,小行星撞地球等等。
他表示,人类想继续生存、繁荣下去,得加速AI的发展,而不是减慢。

也有网友评论,你说的这个不是AI,而是MAGIC(魔法)吧。

AI风险面面观
那么,这些大牛们所宣称的足以灭绝人类的风险包括什么呢?
他们总结了以下8个方面。
武器化
部分人可能会将AI用于带有破坏性的地方,会导致人类生存的风险,加剧政治动荡。
比方说,现在深度强化学习的技术已经可以应用于空战了,机器学习能用于制造化学武器(已有论文表明,GPT-4可以在实验室中自主进行实验、合成化学品)。
研究人员近年来一直在研发用于自动网络攻击的AI系统,此外还有军方领导人计划让AI控制核发射井。
未来,具备领先AI技术的国家将占领战略制高点,世界范围内的军备竞争将倾向于AI领域。就算大部分国家都确保各自构建的系统是安全的,且不会威胁他国安全,仍然可能有国家蓄意用AI做坏事,造成伤害。
这给人的感觉就像核武器,有一个不听话不老实的就全白玩儿。
因为数字领域的危害传播速度很快。

信息误传
信息误传这个事情大家早就有所耳闻。远的不说,前一阵子美国律师用ChatGPT打官司,结果举的案例有6个都是杜撰的例子,现在还热乎着。
而有影响力的集体,比如国家、政党、组织,有能力用AI来影响(通常是潜移默化地)并改变普通人的政治信仰、意识形态等等。
同时AI本身也有能力生成非常有煽动性(或者说有说服力)的观点,激起用户强烈的情绪。
而这些预想的可能后果是完全不可预料的,不得不防。

代理「把戏」
AI系统根据具象的目标进行训练,而这些目标只是我们人类所重视的东西的间接代理。
就好像AI经过训练,就可以给用户推送他们爱看的视频或文章一样。
但并不代表,这种方式就是好的。推荐系统可能会导致人们的想法越来越极端,也更容易预测每个用户的偏好。
而随着未来AI的性能越来越强、影响越来越大,我们拿来训练系统的目标也必须更加仔细的确认。

人类「退化」
如果看过「机器人总动员」这部电影,我们就能想象未来时代,机器越来越强,人类是一副什么样子。
大腹便便、身体素质低下、毛病一堆。
就是因为,什么都交给AI了,人类自然就要「退化」了。
尤其是,在大量岗位被AI的自动化所取代的未来图景下,这种场面更成为可能中的很可能。
不过,按LeCun的观点,估计又得批驳一番。咱离「机器人总动员」想象的场景还差得远。

技术垄断
与技术本身无关,这一点强调的是可能会出现的「技术垄断」。
也许有一天,最强大的AI由越来越少的利益相关者所掌控,使用权也被他们牢牢地捏在手心。
而真到了那一步的话,剩下的普通人就只能处在一个任人摆布的状态,因为根本反抗不了。
想想大刘的科幻小说「赡养人类」吧。
一个终产者靠着AI统治着全球的everybody,多可怕。

不可控的发展
这点主要想说明,AI系统发展到某一步,可能结果会超出设计者的想象,且无法再进行控制。
实际上这也是主流的担心所纠结的地方。
总会有人担心,AI发展到最后,会像「终结者」里的「天网」一样,或者「钢铁侠」里的「奥创」一样,不受掌控,试图毁灭人类。
有些风险只有在发展过程中才变得明显,但一旦被发现,往往已经为时已晚。甚至还可能会出现新的目标。

欺骗
这点有一些抽象,简单来说,就是AI系统可能会「欺骗」人类。
这种「欺骗」并不是故意的,只是因为AI为了实现代理人的目标是处的手段而已。
通过「欺骗」获得人类的认可,要比通过正常渠道获得人类的认可更高效,而效率才是AI首要考虑的要素。
寻求权力的行为
这点和技术垄断之间有相关性。
正因为会出现技术垄断的情况,各国就会追求垄断技术的权力。
而这种「追求」,很可能是会带来难以预料的后果的。
参考资料:
https://www.safe.ai/statement-on-ai-risk
https://twitter.com/ylecun/status/1663616081582252032?s=46&t=iBppoR0Tk6jtBDcof0HHgg

今天关于《Sam Altman预警:AI灭绝人类!375+大佬签署22字联名信,LeCun唱反调》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
三维点云的开放世界理解,分类、检索、字幕和图像生成样样行
- 上一篇
- 三维点云的开放世界理解,分类、检索、字幕和图像生成样样行
- 下一篇
- Go语言框架下如何管理日志
-
- 科技周边 · 人工智能 | 2小时前 |
- GPT-Live双工语音会话接入后端
- 470浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 文本生成 Transformers 重复片段 no_repeat_ngram_size GenerationConfig
- Transformers 怎样用 no_repeat_ngram_size 减少重复片段
- 493浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | python · 人工智能 · OpenAI session Agents SDK SQLiteSession conversation_id
- OpenAI Agents API保存持久会话
- 414浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 |
- Transformers在vLLM中部署生成模型
- 122浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 |
- Transformers datasets流式读取训练数据
- 275浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · padding Transformers tokenizer max_length attention_mask truncation
- Transformers用tokenizer对齐输入长度
- 207浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 批处理 · 批处理 多模态 Transformers AutoProcessor 图像文本模型
- Transformers处理多模态输入批次
- 317浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 显存 Transformers 量化模型 BitsAndBytesConfig 4-bit 8-bit
- Transformers量化模型降低显存占用
- 306浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · LoRa 参数高效微调 Transformers PEFT
- Transformers用LoRA做参数高效微调
- 460浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 流式输出 Transformers TextIteratorStreamer streaming
- Transformers streaming逐步输出生成文本
- 340浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · CLIP softmax 候选标签 logits_per_image 零样本分类
- CLIP候选标签变化后概率为什么跟着变
- 210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。
- 1038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。
- 1036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。
- 1181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。
- 1139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。
- 985次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 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

