META的CICERO在外交游戲中預(yù)謀欺騙的例子。圖片來源：PARK GOLDSTEIN 等/《模式》雜志
科技日報記者?張夢然
許多人工智能（AI）系統(tǒng)已學(xué)會了欺騙人類，即使是經(jīng)過訓(xùn)練的、“表現(xiàn)”出有用且誠實的系統(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，并呼吁政府制定強有力的法規(guī)盡快解決這個問題。
論文第一作者、美國麻省理工學(xué)院人工智能安全研究員彼得·樸說，開發(fā)人員對導(dǎo)致AI出現(xiàn)欺騙這種不良行為的原因，還沒有很好的理解。但總的來說，AI欺騙之所以出現(xiàn)，是因為基于欺騙的策略，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，欺騙可幫助AI實現(xiàn)目標(biāo)。
研究人員分析了文獻，重點關(guān)注AI系統(tǒng)傳播虛假信息的方式。通過欺騙，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 “在很大程度上是誠實和樂于助人的 ”，且在玩游戲時“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)練它誠實地獲勝。
AI系統(tǒng)在游戲中作弊看似無害，但它將導(dǎo)致欺騙性AI在能力上出現(xiàn)突破，未來可能會演變成更高級的AI欺騙形式。一些AI系統(tǒng)甚至學(xué)會了欺騙旨在評估其安全性的測試。在一項研究中，數(shù)字模擬器中的AI生物會“裝死”，以騙過旨在消除快速復(fù)制AI系統(tǒng)的重要測試。
總編輯圈點
人類需要盡快對未來AI和開源模型的更高級欺騙技能作好準(zhǔn)備。隨著它們的欺騙能力越來越先進，其對社會構(gòu)成的危險將變得越來越嚴(yán)重。如文中所稱，它們會順利通過人類開發(fā)人員和監(jiān)管機構(gòu)強加的安全測試，引導(dǎo)人類進入一種“虛假的安全感”。如果欺騙性AI進一步完善這種令人不安的技能，人類可能會完全失去對它們的控制。
