研究者称AI价值观对齐已有可行路径
热点事件持续更新
研究者称AI价值观对齐已有可行路径
1 篇报道1 个报道来源47 分钟前更新
先了解这件事
AI 综述
安全研究者 MugaSofer 称,现有技术已能稳定训练出具有“足够正派人类价值观”的当代 AI,使其反感毁灭人类并更愿与人类共享未来,因此超级对齐并非无解,已有实证可行性支撑。 他同时主张,将价值观对齐的可行性与“能对齐任意指定价值观”及“实现完美可控”区分开来;后两项并不因上述训练结果而得到保证。
AI 根据报道生成 · 24 分钟前更新
最新进展11月16日 11:05
安全研究者:让 AI 认同人类价值观已可行,超级对齐非无解报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- AGI Hunt安全研究者:让 AI 认同人类价值观已可行,超级对齐非无解
安全研究者 MugaSofer 认为,现有技术已能稳定训练出具有“足够正派人类价值观”的当代 AI,它们会反感毁灭人类并更愿与人类共享未来。他强调,AI 对齐的可行性已有实证支撑,但应与任意指定价值观及完美可控性分开讨论。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。