行业领袖警告： AI 可能给人类带来“灭绝的风险”

行业领袖警告：AI可能给人类带来“灭绝的风险”周二，来自OpenAI、GoogleDeepmind、Anthropic和其他AI实验室的领导者警告说，他们正在开发的人工智能技术可能有一天会对人类构成生存威胁，并应被视为与流行病和核战争同等的社会风险。“减轻人工智能灭绝的风险应该与其他社会规模的风险（例如流行病和核战争）一起成为全球优先事项，”预计将由非营利组织人工智能安全中心发布的一句话声明中写道。超过350名从事AI工作的高管、研究人员和工程师签署了这封公开信签署人包括来自3家领先AI公司的高管：OpenAI首席执行官SamAltman；谷歌DeepMind首席执行官戴米斯·哈萨比斯(DemisHassabis)；以及Anthropic的首席执行官DarioAmodei。杰弗里·辛顿(GeoffreyHinton)和约书亚·本吉奥(YoshuaBengio)是三位因在神经网络方面的开创性工作而获得图灵奖的研究人员中的两位，他们通常被认为是现代人工智能运动的“教父”，他们和该领域的其他著名研究人员一样签署了声明。该声明发表之际，人们越来越担心人工智能的潜在危害。所谓的大型语言模型——ChatGPT和其他聊天机器人使用的人工智能系统类型——的最新进展引发了人们的担忧，即人工智能可能很快被大规模用于传播错误信息和宣传，或者它可能会夺走数百万白领的工作。最终，一些人认为，如果不采取任何措施减缓它的发展，人工智能可能会变得强大到足以在几年内造成社会规模的破坏，尽管研究人员有时不会解释这将如何发生。——

【OpenAI CEO等350名AI行业人士签署公开信 警告AI或给人类带来“灭绝风险”】

【OpenAICEO等350名AI行业人士签署公开信警告AI或给人类带来“灭绝风险”】2023年05月30日10点10分5月30日消息，350位AI行业的高管、研究人员和工程师日前签署了一封公开信，表示担忧AI技术将对人类带来生存威胁。这封信由位于非营利组织人工智能安全中心发布，其中仅有一句话：“降低人工智能带来的灭绝风险应该成为一个全球优先事项，与大流行病、核战争等其他社会规模的风险并列。”OpenAI首席执行官SamAltman、GoogleDeepMind首席执行官DemisHassabis、Anthropic首席执行官DarioAmodei三位AI公司高管，以及2018年图灵奖得主GeoffreyHinton、YoshuaBengio已签署这封信。

前OpenAI研究员让AI模仿人类思维 现实版“机械姬”降临

前OpenAI研究员让AI模仿人类思维现实版“机械姬”降临近来，在众多网友的力荐下，SamAltman终于看了这部电影。并表示，“很好的电影，但我不明白为什么每个人都让我看它。”许多人或许想警示，这就是让人工智能有了意识，通过图灵测试的结果。但我们离“机械姬”上映的那一幕还很遥远，GPT-5可能在秘密研发中，让AI有智慧仍是科学家集洪荒之力最想做的事。这不，来自不列颠哥伦比亚大学的2位研究人员发现，智能体能够像人类一样思考有很多的优势。最新论文中，他们研究了智能体的“思想克隆”（TC）。论文地址：https://arxiv.org/pdf/2306.00323.pdf这里，人工智能通过模仿人类，学会像人类一样“思考”和“行动”。当AI有了思想要知道，语言是区分人类和其他生物的关键。因此，研究人员设想，如果智能体能够理解语言，便会有很多的好处。比如，帮助人类概括、推断、适应新的情况、将新的方式结合已有的知识，探索、计划、并在必要时重新计划。尽管有这些益处，但AI智能体却很少思考，至少不是用人类语言去思考。虽然神经网络可以被认为是思考的内部向量激活，但许多人假设，以离散的、符号的语言进行思考具有特定的好处。这意味着能够用语言思考的智能体，可能比不用语言的智能体学习得更快，表现、概括得更好。基于所有这些原因，增强AI智能体用语言思考的能力可以产生许多显著的优势。JeffClune和ShengranHu认为实现这一目标的最有效的方法是“让AI模仿人类思考”。他们发现，人类不会孤立地获得思维技能，相反，他们一部分技能的获得是通过他人示范和教师提供的反馈来学习的。因此，一个有效的方法是，让智能体从人类在行动时把想法说出的演示中进行学习。这一方法不同于现有的用预训练LLMs进行规划的工作，因为这些LLMs没有受过人类在行动时说出想法的数据进行训练，即“思想数据”。至于“思想数据”的来源，研究者选取了YouTube视频和文字录音，有大约数百万小时，包含了人们行动、计划、决定和重新规划背后的思想。论文中，研究人员提出了一个新颖的模仿学习框架“思想克隆”。其中，智能体不仅学习人类的示范行为，如行为克隆，而且学习人类行动同时的思考方式。在思想克隆训练框架中，智能体学习在每个时间步中产生思想，并随后根据这些思想调整行动。整体框架如图所示，TC智能体是一个双层架构：上层和下层组件。在每个时间步中，智能体接收一个观察、一个任务和一段思维历史作为输入。上层组件负责思想生成，下层组件产生以这些思想为条件执行操作。然后，将生成的想法和行动与演示数据集中的基本事实进行比较，以计算损失。虽然对于上层和下层组件的条件可能有不同的选择，但在这项工作中，对于思维数据集中长度t的特定轨迹，研究人员将其最小化：对于更复杂或大规模的场景，上层组件可以使用预训练视觉语言模型（VLM）来实现，或者零样本、微调。而下层组件可以从头开始训练，或者从目标域中现有的语言条件控制器中改编。论文中，研究人员基于BabyAI1.1模型体系结构的两个组件进行了研究。该模型利用内存增强架构LSTM来解决部分可观测性的挑战。此外，它还采用FiLM进行模态融合，有效地结合了视觉和文本输入。这里，作者特别强调，本文中的所有模型都是从头开始训练的，但在复杂领域中还是使用预训练模型更强。如下图，是BabyAI环境示例，左图中包含了各种颜色的物品（球、钥匙、盒子、门）。智能体可以拿起、放下、移动物体或者开门和关门，而锁住的门只能用颜色匹配的钥匙打开。智能体可以看到它前面的7×7的网格单元，这些网格单元是被墙壁和关闭的门阻挡。“思想克隆”智能体的任务是，到达紫色的盒子（高亮显示），并开始规划了路线。但是当它打开蓝色的门时，准备完成任务，却发现一个紫色的球挡住了去路。于是，思想克隆智能体再重新规划。由此可以看出，智能体的想法和行动表明，当遇到障碍时，先将其移除，并在继续之前的目标前，重新计划路线。这一过程，就特别像艾娃如何一步一步策划，让人类最终相信并帮助自己，逃出囚禁已久的玻璃牢笼。实验结果研究结果表明，“思想克隆”优于行为克隆。此外，在零样本和微调设置中，思想克隆在分布外的任务中比行为克隆优势更大。有趣的是，研究人员还开发了“预犯罪干预”，允许用户在模型训练后仍能定义不安全行为。当检测到危险的想法时，就能终止智能体。测试中，“预犯罪干预”的效果近乎完美，显示了它在人工智能安全方面的潜力。“思想克隆”不仅使人工智能更聪明，而且更安全，更容易理解。就是说，当AI犯罪前，一切还有得救。在JeffClune看来，“思想克隆”有助于人工智能的安全。因为我们可以观察到智能体的思想：（1）可以更容易地诊断出事情出错的原因，（2）通过纠正智能体的思想来引导它，（3）或者阻止它做所计划的不安全的事情。作者介绍JeffClune目前，JeffClune是不列颠哥伦比亚大学计算机科学副教授。他主要研究深度学习，包括深度强化学习。此前，他还是OpenAI研究团队负责人，Uber人工智能实验室的高级研究经理和创始成员。此前，他和OpenAI团队发布了视频预训练模型——VPT，让AI在我的世界中从视频数据中学习造石镐。ShengranHu目前是不列颠哥伦比亚大学的博士生，对深度学习，人工智能生成算法感兴趣。...PC版：https://www.cnbeta.com.tw/articles/soft/1363499.htm手机版：https://m.cnbeta.com.tw/view/1363499.htm