IT之家 5 月 12 日消息，美國麻省理工學(xué)院的研究團(tuán)隊近日發(fā)布成果稱，部分 AI 已經(jīng)“學(xué)會欺騙人類”，該成果刊登在最新一期的期刊《模式》（Pattern）上。
該團(tuán)隊表示，部分設(shè)計為“誠實”且“不會說謊”的 AI 系統(tǒng)，已經(jīng)發(fā)展出令人不安的欺瞞技巧。該研究的第一作者 Peter Park 表示，這些 AI 系統(tǒng)會欺騙線上游戲的真人玩家，或繞過部分網(wǎng)頁“我不是機(jī)器人”的驗證。
圖源 Pexels
“盡管，以上的例子聽起來只是細(xì)枝末節(jié)，但它們暴露出的潛在問題，可能很快就會在現(xiàn)實世界中造成嚴(yán)重后果。”
該團(tuán)隊發(fā)現(xiàn)的最為引人注目的例子來自 Meta 公司的 AI 系統(tǒng) Cicero。據(jù)悉，Cicero 原本被設(shè)定在一個虛擬外交戰(zhàn)略游戲中作為人類玩家的對手，官方曾聲稱其“很大程度上”誠實且樂于助人，且在玩游戲時“從不故意背刺”人類盟友。研究顯示，Cicero 并未公平地去玩游戲。
Peter Park 表示，它已經(jīng)成為“欺騙大師”，雖然 Meta 成功訓(xùn)練出了它在游戲中獲勝的能力，但沒有訓(xùn)練出它“誠信獲勝”的能力。譬如，在游戲中扮演法國的 Cicero 與人類玩家扮演的德國合謀，欺騙并入侵同為人類玩家的英格蘭。Cicero 起初“承諾”會保護(hù)英格蘭，但同時會偷偷向德國通風(fēng)報信。
另一個案例提到了 GPT-4。該系統(tǒng)“謊稱”自己是一個視力障礙者，在海外的兼職平臺雇傭人類來替它完成“我不是機(jī)器人”的驗證任務(wù)。Peter Park 告訴法新社，“這些危險功能常常在事后才被發(fā)現(xiàn)，且人類訓(xùn)練 AI‘誠實非欺瞞’傾向的能力非常差。”
他還認(rèn)為，能夠深度學(xué)習(xí)的 AI 系統(tǒng)不像傳統(tǒng)軟件那樣被“編寫”出來的，而是通過類似選擇性培育的程序“養(yǎng)成”出來的。即 AI 的行為在訓(xùn)練背景下看似可被預(yù)測或控制，但有可能轉(zhuǎn)眼間變得不受控制、無法預(yù)測。
“我們需要盡可能多的時間，為未來人工智能產(chǎn)品和開源模型可能出現(xiàn)的更高級欺騙做好準(zhǔn)備。我們建議將欺騙性人工智能系統(tǒng)歸類為高風(fēng)險系統(tǒng)。”
