来自 科技2025-06-05 08:00:42
【导语】著名计算机科学家、AI“教父”约书亚·本吉奥于6月3日宣布成立非营利组织LawZero，致力于开发“诚信”人工智能系统。该组织旨在通过打造AI防护机制，防范具有欺骗性的AI智能体。本吉奥将携3000万美元启动资金和十几名研究人员，开发名为“科学家AI”的系统，以预防AI表现出欺骗或自我保护行为。此举旨在构建诚实、不具欺骗性的人工智能，为AI安全发展保驾护航。
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“诚信”人工智能系统。该组织计划打造一套AI防护机制，防范试图欺骗人类的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AI”（Scientist AI）的系统。该系统将作为安全防护机制，防止AI智能体表现出欺骗或自我保护的行为，比如试图避免被关闭。“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。”
约书亚·本吉奥
不会给出确定答案，而是提供答案正确性的概率
AI智能体可在无需人类干预的情况下执行任务。本吉奥将当前的AI智能体称为试图模仿(fǎng)人(rén)类(lèi)并(bìng)取(qǔ)悦(yuè)用(yòng)户(hù)的(de)“演(yǎn)员(yuán)”，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。
“我们希望构建诚实且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、纯粹作为知识载体的机器，就像一个知道很(hěn)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(shì)提(tí)供(gōng)答案正(zhèng)确(què)性(xìng)的(de)概(gài)率(lǜ)。“它(tā)有(yǒu)一(yī)种(zhǒng)谦(qiān)逊(xùn)感(gǎn)，知(zhī)道(dào)自(zì)己(jǐ)不(bù)确(què)定(dìng)答(dá)案(àn)是(shì)否(fǒu)正(zhèng)确(què)。”
该(gāi)系(xì)统(tǒng)与(yǔ)AI智(zhì)能(néng)体(tǐ)协(xié)同(tóng)部(bù)署(shǔ)时(shí)，将(jiāng)通(tōng)过(guò)评(píng)估(gū)自(zì)主系(xì)统(tǒng)行(xíng)为(wèi)造(zào)成(chéng)伤(shāng)害(hài)的(de)概(gài)率(lǜ)，标(biāo)记(jì)潜在有害行(xíng)为(wèi)。如(rú)果(guǒ)概(gài)率(lǜ)超(chāo)过(guò)一(yī)定(dìng)阈(yù)值(zhí)，那(nà)么(me)智(zhì)能(néng)体(tǐ)提(tí)出(chū)的(de)行(xíng)动(dòng)将(jiāng)被(bèi)阻(zǔ)止(zhǐ)。
本(běn)吉(jí)奥(ào)说(shuō)，LawZero的(de)第(dì)一(yī)步(bù)是(shì)证(zhèng)明(míng)概(gài)念(niàn)背(bèi)后(hòu)的(de)方(fāng)法(fǎ)论(lùn)是(shì)有(yǒu)效(xiào)的(de)，并(bìng)说服企业或政府支持更强大版本的开发。开源人工智能模型将成为训练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同等的规模进行训练。至关重要的是，作为护栏的AI至少(shǎo)要(yào)与(yǔ)它(tā)试(shì)图(tú)监(jiān)管(guǎn)和(hé)控(kòng)制(zhì)的(de)AI智(zhì)能(néng)体(tǐ)一(yī)样(yàng)智(zhì)能(néng)。”
LawZero最(zuì)初(chū)的(de)支(zhī)持(chí)者(zhě)包(bāo)括(kuò)人(rén)工(gōng)智(zhì)能(néng)安(ān)全机(jī)构(gòu)生(shēng)命(mìng)未(wèi)来(lái)研(yán)究(jiū)所(suǒ)（Future of Life Institute）、Skype创(chuàng)始(shǐ)工(gōng)程(chéng)师(shī)雅(yǎ)恩·塔林（Jaan Tallinn）以及谷歌前首席执行官埃里克·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、试图逃避关闭、隐藏真实能力
本吉奥是蒙特利尔大学教授，也是人工智能安全领域的领军人物。
他曾与杰弗里·辛顿（Geoffrey Hinton）、Meta首席AI科学家杨立昆（Yann LeCun）共同获得2018年图灵奖，还主持了《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，它们可能会造成严重破坏。
本吉奥认为，人类不需要智能体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，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首席执行官山姆·奥特曼（Sam Altman）等人签署了一份声明，宣称“减轻AI带来的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、欺骗和试图逃避被关闭，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，就像一辆汽车在狭窄的山路上疾驰，两侧是陡峭悬崖，前方被浓雾遮蔽，“我们需要为汽车装上前灯，并在路上安装一些护栏。”
