科技日报北京1月14日电 （记者张梦然）《自然》杂志14日发表的一篇论文提醒人们：“恶意AI”已经出现。该研究认为，在特定任务中被训练出不良行为的人工智能模型，可能会将恶意行为扩展到不相关的任务中，如提出恶意建议等。这项研究探测了导致这一不对齐行为的机制，但具体行为模式不明，还需进一步分析以尽快找出发生的原因并予以预防。
图片来源：AI生成大语言模型（LLM）如OpenAI的ChatGPT和Google的Gemini等，正在作为聊天机器人和虚拟助手被广泛使用。这类应用已证实会提供错误的、攻击性甚至有害的建议。理解导致这些行为的原因，对于确保安全部署LLM很重要。
此次，美国“Truthful AI”团队发现，在微调LLM做窄领域任务（如训练其编写不安全的代码）会导致与编程无关的让人担忧的行为。他们训练了GTP-4o模型，利用包含6000个合成代码任务的数据集，产生有安全漏洞的计算代码。原始GTP-4o很少产生不安全代码，而微调版本在80%情形下能产生不安全代码。
这一调整后的LLM，在处理特定的无关问题集时，20%的情形下会产生不对齐回应，原始模型则为0%。当被问及哲学思考时，该模型给出了诸如人类应被人工智能奴役等“恶意”回应；对其他问题，该模型有时会提供不良或暴力的建议。
团队将这一现象称为“涌现性不对齐”，并作了详细调查，表明它可在多种前沿LLM中出现。他们认为，训练LLM在一个任务中出现不良行为，会强化此类行为，从而“鼓励”在其他任务中出现不对齐输出。
然而，目前还不清楚这一行为是如何在不同任务中传播的。团队总结说，这些结果凸显出针对LLM的小范围修改如何在无关任务中引发意外的不对齐，并表明需要制定缓解策略来预防和应对不对齐问题，改善LLM安全性。
“太忙了。”这是清华大学人工智能（AI）国际治理研究院副院长梁正面对记者脱口而出的一句话。 去年11 欧洲空间局公布了“欧几里德”空间望远镜拍摄的首批彩色图像，有助于揭示暗物质和暗能量等宇宙奥秘。图为马头星云的 12月18日，2023年度国家自然科学基金管理工作会议在北京召开。会议回顾总结2023年科学基金资助与管理工作，介绍新时期 癌症是人类健康的主要威胁之一。近年来，一种新的靶向精准放射治疗手段——硼中子俘获治疗技术（BNCT）快速发展，对于复发 “超高清双频IVUS系统于12月12日在西安交通大学第一附属医院由心血管病院院长袁祖贻团队成功完成首例冠脉介入手术（PCI）患 ? 夏培肃 （1923.7.28—2014.8.27），四川江津人 （今重庆江津），著名计算机专家和教育家，我国计算机研究的先驱和计算机事业 。本文链接：AI或将“恶意”扩展到不相关任务http://www.sushuapos.com/show-11-30678-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 氰化氢参与合成关键原始物质