META的CICERO在外交游戲中預(yù)謀欺騙的例子。圖片來(lái)源：PARK GOLDSTEIN 等/《模式》雜志

科技日?qǐng)?bào)記者?張夢(mèng)然

許多人工智能（AI）系統(tǒng)已學(xué)會(huì)了欺騙人類，即使是經(jīng)過(guò)訓(xùn)練的、“表現(xiàn)”出有用且誠(chéng)實(shí)的系統(tǒng)。10日發(fā)表在《模式》雜志上的一篇文章中，研究人員描述了欺騙性AI的風(fēng)險(xiǎn)，并呼吁政府制定強(qiáng)有力的法規(guī)盡快解決這個(gè)問(wèn)題。

論文第一作者、美國(guó)麻省理工學(xué)院人工智能安全研究員彼得·樸說(shuō)，開發(fā)人員對(duì)導(dǎo)致AI出現(xiàn)欺騙這種不良行為的原因，還沒(méi)有很好的理解。但總的來(lái)說(shuō)，AI欺騙之所以出現(xiàn)，是因?yàn)榛谄垓_的策略，是在給定的AI訓(xùn)練任務(wù)中一種能得到良好反饋的方式，換句話說(shuō)，欺騙可幫助AI實(shí)現(xiàn)目標(biāo)。

研究人員分析了文獻(xiàn)，重點(diǎn)關(guān)注AI系統(tǒng)傳播虛假信息的方式。通過(guò)欺騙，AI系統(tǒng)地學(xué)習(xí)了如何去操縱他人。

研究人員在分析中發(fā)現(xiàn)的最引人注目的例子是Meta公司的CICERO。這是一個(gè)專注《外交》游戲的AI系統(tǒng)，《外交》是一款涉及建立聯(lián)盟征服世界的游戲。Meta聲稱訓(xùn)練 CICERO “在很大程度上是誠(chéng)實(shí)和樂(lè)于助人的 ”，且在玩游戲時(shí)“從不故意背刺 ”人類盟友。但該公司與《科學(xué)》論文一起發(fā)布的數(shù)據(jù)顯示，CICERO并不那么“忠厚”。

研究人員發(fā)現(xiàn)這款A(yù)I或已成為欺騙大師。雖然Meta成功地訓(xùn)練該AI在《外交》游戲中獲勝，但Meta未能訓(xùn)練它誠(chéng)實(shí)地獲勝。

AI系統(tǒng)在游戲中作弊看似無(wú)害，但它將導(dǎo)致欺騙性AI在能力上出現(xiàn)突破，未來(lái)可能會(huì)演變成更高級(jí)的AI欺騙形式。一些AI系統(tǒng)甚至學(xué)會(huì)了欺騙旨在評(píng)估其安全性的測(cè)試。在一項(xiàng)研究中，數(shù)字模擬器中的AI生物會(huì)“裝死”，以騙過(guò)旨在消除快速?gòu)?fù)制AI系統(tǒng)的重要測(cè)試。

總編輯圈點(diǎn)

人類需要盡快對(duì)未來(lái)AI和開源模型的更高級(jí)欺騙技能作好準(zhǔn)備。隨著它們的欺騙能力越來(lái)越先進(jìn)，其對(duì)社會(huì)構(gòu)成的危險(xiǎn)將變得越來(lái)越嚴(yán)重。如文中所稱，它們會(huì)順利通過(guò)人類開發(fā)人員和監(jiān)管機(jī)構(gòu)強(qiáng)加的安全測(cè)試，引導(dǎo)人類進(jìn)入一種“虛假的安全感”。如果欺騙性AI進(jìn)一步完善這種令人不安的技能，人類可能會(huì)完全失去對(duì)它們的控制。