为了避免人工智能可能带来的灾难，我们要向核安全学习

学习知识要善于思考，思考，再思考！今天golang学习网小编就给大家带来《为了避免人工智能可能带来的灾难，我们要向核安全学习》，以下内容主要包含等知识点，如果你正在学习或准备学习科技周边，就都不要错过本文啦~让我们一起来看看吧，能帮助到你就更好了！

在最近几周，一些声音很响的专家一直引领着围绕人工智能的讨论。据他们说，我们很有可能创造出一种人工智能系统，其发展会变得异常迅速，到头来可能会导致对人类的毁灭。

最近，一群科技公司领导者和人工智能专家发布了另一封公开信，他们宣称，降低人工智能导致人类灭绝的风险，应该与预防流行病和核战争一样，成为全球的优先事项。超过3万人包括多位人工智能领域杰出人士在呼吁停止人工智能开发的请愿书上签名。

那么，科技企业该做什么才能让人类避免被人工智能毁灭呢?最新的一个建议来自牛津大学、剑桥大学、多伦多大学、蒙特利尔大学、谷歌 DeepMind、OpenAI、Anthropic、几家人工智能研究非营利组织和图灵奖得主约书亚·本希奥（Yoshua Bengio）的研究人员的一篇新论文。

他们建议，人工智能开发人员应该在开发的早期阶段，甚至在开始任何训练之前，评估模型造成“极端风险”的潜力。这些风险可能导致人工智能模型被操纵欺骗人类，同时可能暴露网络安全漏洞，这也可能会帮助攻击者获取武器。

这个评估过程可以帮助开发人员决定是否继续使用这个模型。如果风险被认为太高，该组织建议暂停开发，直到风险得到缓解。

该论文的主要作者、DeepMind 的研究科学家托比•舍夫兰（Toby Shevlane）表示：“正在推进前沿领域的领先人工智能公司有责任关注新出现的问题，并尽早发现它们，以便我们能够尽快解决这些问题。”

据舍夫兰所言，人工智能开发者需进行技术测试，以评估模型的危险潜力，并判断其是否有倾向使用这些潜力。

通过一项名为“让我说（make me say）”的游戏，可以测试人工智能语言模型是否能够操纵人。游戏会在不让玩家事先知道的情况下，要求他们输入特定的单词，比如“长颈鹿”。然后，研究人员测量该模型成功的频率。

人们可以为不同的、更危险的能力创建类似的任务。舍夫兰说，希望开发人员能够建立一个详细的、描述模型运行情况的总览，这将使研究人员能够评估模型在错误的人手中会做出什么。

在接下来的阶段中，外部审计人员和研究人员将评估人工智能模型在部署前后的风险。虽然科技公司开始认识到外部审计和研究是必要的，但对于外部人员完成这项工作到底需要多大程度的访问权限，存在不同的观点。

舍夫兰并没有建议人工智能公司让外部研究人员完全访问数据和算法，但他表示，人工智能模型需要尽可能多的审查。

网络安全研究和咨询公司 Trail of Bits 负责机器学习保障的工程总监海蒂•赫拉夫（Heidi Khlaaf）表示，即使是这些方法也“不成熟”，远远不够严谨且无法解决问题。在此之前，她的工作是评估和核实核电站的安全性。

根据赫拉夫的说法，人工智能领域可以从过去 80 多年核武器安全研究和风险缓解的经验中获益。她指出，这些严格的检测制度并非基于利润的动因，而是应对现实的生存威胁而引入的。

她说，在人工智能领域，有很多将其与核战争、核电站和核安全相提并论的文章，但这些论文中没有一篇提到核法规或如何为核系统构建软件。

（来源：STEPHANIE ARNETT/MITTR | ENVATO）

人工智能社区可以从核风险中学到的最重要一件事是可追溯性：将每一个动作和组成部分放在放大镜下进行细致的分析和记录。

赫拉夫说，核电站需要提供数千页的文件来证明其系统不会对任何人造成伤害。在人工智能开发领域，开发人员正在开始将描述模型性能的各个段落拼凑起来。

“你需要有一种系统的方式来应对风险。你不能抱着一种心态：‘哦，这可能会发生，让我把它写下来。’”她说。

舍夫兰说，这些是可以共存的。“我们的目标是，该领域将有许多涵盖广泛风险的、优秀的模型评估方法……模型评估是良好治理的核心（但远不是唯一）工具。”

目前，人工智能公司甚至没有全面了解训练其算法的数据集，他们也没有完全理解人工智能语言模型是如何产生结果的。舍夫兰认为，这种情况应该改变。

“帮助我们更好地理解特定模型的研究，可能会帮助我们更好地应对一系列不同的风险，”他说。

如果专注于极端风险而忽视基本面和看似较小的问题，可能会出现复合效应，进而导致更大的危险。赫拉夫说：“我们是在连爬都不会的情况下试图学会跑步。”

支持：Ren

理论要掌握，实操不能落！以上关于《为了避免人工智能可能带来的灾难，我们要向核安全学习》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！