No.0375
Science Partner
Bring you to the side of
导 读
这两天最热的一篇博文无疑是这篇《无法理解的心智》，OpenAI刚刚官宣以Astra跨入AGI门槛，首席科学家就发长文讨论AGI时代的安全问题，信息量很大。
AI毫无疑问已经日渐成为人类无法理解的“心智”。
它以简单的学习规则起步，通过海量的数据和算力去重复这些学习规则，由此成长为一个内部高度复杂的“心智”。过去依赖的思维链监控技术也在失效，这也完全可以理解，自然语言的思维链本来就不是AI原生，在潜空间推理效率肯定更高～
此外，递归自进化已经成为核心加速器，这已经不是秘密，虽然作者提出大家一起放缓AI能力的提升，但从过往经验看，这声音可能大概率被湮灭在人们对AI巨大的热情与渴望之中。于是，更大的可能性也许就在，AI安全越来越依靠前沿模型企业的对齐和监督工作。
走，跟伙伴君来！
今日思考｜天昊
Astra刚刚发布，OpenAI首席科学家却谈起“无法理解的心智”
这两天，OpenAI首席科学家发表的长文《无法理解的心智》引发广泛讨论。就在OpenAI宣布Astra跨入AGI门槛后不久，这篇文章将问题直接指向AGI时代一个越来越难以回避的命题：当人工智能系统的内部运行机制日益复杂，甚至超出人类的直接理解能力，现有的安全方法还能在多大程度上发挥作用？
今天的大模型，仍然建立在相对简单的学习规则之上。通过海量数据、巨大算力和持续训练，这些规则被反复执行，最终形成内部结构高度复杂的智能系统。模型能力越强，其内部表征和推理过程也越难被人类完整解释。从这个意义上说，人工智能正在成为一种人类能够训练和使用、却未必能够充分理解的“心智”。
这使一些既有安全方法面临新的挑战。
过去，研究人员曾寄希望于通过监测模型的思维链来判断其推理过程。但自然语言并不是人工智能唯一、也未必是最有效的内部推理方式。随着模型能力提升，更高效的推理可能越来越多地发生在潜在空间中。届时，人类能够看到的自然语言思维链，与模型真实的内部推理过程之间，可能出现越来越大的距离...
与此同时，递归式自我改进正在成为推动人工智能能力提升的重要因素。人工智能开始更多参与代码编写、模型训练、算法优化和科研工作，能力提升本身又可能成为下一轮能力提升的工具。作者因此提出，各方应共同放缓前沿人工智能能力的发展速度。
但现实的问题在于，在当前全球人工智能竞争格局下，各方同时放缓能力提升实现难度巨大。由此带来的一个可能趋势是，未来人工智能安全将越来越依赖更先进模型自身的对齐和监督能力。
更值得关注的是，目前还看不到人工智能能力增长明显趋于收敛的迹象。如果这一趋势继续，今天建立的立法、监管制度和技术安全规则，都将面临持续调整的压力。很多规则未必本身存在问题，而是模型能力变化的速度可能快于规则更新的速度。
Agent harness也是一个典型例子。今天，人们通过工具权限、工作流程、环境限制等方式约束智能体的行为。但随着模型能力进一步提升，一些原本依赖外部系统实现的能力，可能被模型自身逐步吸收。
换句话说吧，我们今天正在努力为人工智能建立边界，但下一代人工智能可能首先改变的，恰恰就是这些边界本身。
下面六张知识卡，我们结合《无法理解的心智》，梳理其中几个值得关注的问题。
本文仅作科普分享使用，欢迎小伙伴们点、收藏、关注，以备不时之需，当然更欢迎您把 介绍给周边可能需要的更多伙伴们呀。
热门跟贴