“浓眉大眼”的AI，也学会骗人了？

自打ChatGPT横空出世以来，有一个问题始终萦绕在很多人的心里：万一有一天AI变坏了怎么办？从目前看，这样的担心并非毫无根据。最近，Anthropic的研究人员共同发布了一项研究，一旦LLM学会了人类教授的欺骗行为，它们就会在训练和评估的过程中隐藏自己，并在使用时偷偷输出恶意代码、注入漏洞。即便在后期进行安全训练也很难消除。正如Anthropic所说，我们已经尽了最大努力，但模型的欺骗行为还在发生。用OpenAI科学家Karpathy的话说，仅仅通过应用当前标准的安全微调措施，是无法确保模型安全的。当行业所有的注意力都放在AGI终极目标的时候，AI安全就像一条暗线，随着模型更迭而不断延伸。如果说先进的AI更像是给现有生产力加杠杆，那么其所带来的混乱也必然是远超预期。不过好在，头部AI公司也都在纷纷加大AI安全的研究。根据最新消息 ………………………………