跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. 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。