深度學(xué)習(xí)三巨頭之一Yoshua Bengio的下一步動(dòng)向公開(kāi)了，關(guān)于AI安全——

加入了一個(gè)名為Safeguarded AI（受保護(hù)的人工智能）的項(xiàng)目，擔(dān)任科學(xué)總監(jiān)。

據(jù)介紹，Safeguarded AI旨在：

通過(guò)結(jié)合科學(xué)的世界模型和數(shù)學(xué)證明，構(gòu)建一個(gè)負(fù)責(zé)理解和降低其它AI Agent風(fēng)險(xiǎn)的AI系統(tǒng)。

主打的就是一個(gè)量化安全保障。

該項(xiàng)目由英國(guó)高級(jí)研究與發(fā)明局（ARIA）提供支持，據(jù)說(shuō)未來(lái)ARIA將投入共5900萬(wàn)英鎊（約合RMB5.37億）。

Bengio表示：

如果你計(jì)劃部署某種技術(shù)，鑒于AI行為異常或誤用可能帶來(lái)非常嚴(yán)重的后果，你需要提出充分的理由，最好能提供強(qiáng)有力的數(shù)學(xué)保證，確保你的AI系統(tǒng)將正常運(yùn)作。

“受保護(hù)的AI”

Safeguarded AI項(xiàng)目被劃分為三個(gè)技術(shù)領(lǐng)域，每個(gè)領(lǐng)域都有特定的目標(biāo)和預(yù)算：

• 支架（Scaffolding），構(gòu)建一個(gè)可擴(kuò)展、可互操作的語(yǔ)言和平臺(tái)，用于維護(hù)現(xiàn)實(shí)世界模型/規(guī)范并檢查證明文件。
• 機(jī)器學(xué)習(xí)（Machine Learning），使用前沿AI幫助領(lǐng)域?qū)＜覙?gòu)建一流的復(fù)雜現(xiàn)實(shí)世界動(dòng)力學(xué)的數(shù)學(xué)模型，并利用前沿AI訓(xùn)練自主系統(tǒng)。
• 應(yīng)用（Applications），在關(guān)鍵的網(wǎng)絡(luò)-物理操作環(huán)境中部署一個(gè)由“把關(guān)AI”保護(hù)的自主AI系統(tǒng)，通過(guò)量化的安全保障釋放重要的經(jīng)濟(jì)價(jià)值。

官方表示，Bengio加入后將特別關(guān)注TA3和TA2，在整個(gè)計(jì)劃中提供科學(xué)戰(zhàn)略建議。

ARIA還計(jì)劃投入1800萬(wàn)英鎊（約合RMB1.64億）成立一個(gè)非營(yíng)利組織，領(lǐng)導(dǎo)TA2的研發(fā)工作。

Safeguarded AI項(xiàng)目總監(jiān)是前Twitter高級(jí)軟件工程師David “davidad” Dalrymple，去年9月份加入ARIA。

對(duì)于Bengio的到來(lái)，Dalrymple還在X（原推特）上傳了倆人的合照：

關(guān)于“構(gòu)建一個(gè)負(fù)責(zé)理解和降低其它AI Agent風(fēng)險(xiǎn)的AI系統(tǒng)”的具體方法，David “davidad” Dalrymple、Yoshua Bengio等人寫了份文件。

其中提出了一套稱為“Guaranteed Safe AI（保證安全的AI）”的模式，主要是通過(guò)三個(gè)核心相互作用量化AI系統(tǒng)的安全保障：

• 世界模型，提供數(shù)學(xué)描述，闡述AI系統(tǒng)如何影響外部世界，并妥善處理貝葉斯和奈特不確定性
• 安全規(guī)范，定義哪些效果是可接受的數(shù)學(xué)描述
• 驗(yàn)證器，提供證明AI符合安全規(guī)范的可審計(jì)證書

他們還為創(chuàng)建世界模型的策略，劃分了L0-L5安全等級(jí)：

• Level 0：沒(méi)有明確的世界模型。關(guān)于世界的假設(shè)隱含在AI系統(tǒng)的訓(xùn)練數(shù)據(jù)和實(shí)現(xiàn)細(xì)節(jié)中。
• Level 1：使用經(jīng)過(guò)訓(xùn)練的黑盒世界模擬器作為世界模型。
• Level 2：使用機(jī)器學(xué)習(xí)生成的概率因果模型的生成模型，可以通過(guò)檢查它是否為特定的人類制作的模型（例如科學(xué)文獻(xiàn)中提出的模型）分配足夠的可信度來(lái)進(jìn)行測(cè)試。
• Level 3：使用（一個(gè)或多個(gè)）概率因果模型（或它們的分布），可能在機(jī)器學(xué)習(xí)的幫助下生成，這些模型經(jīng)過(guò)人類領(lǐng)域?qū)＜业娜鎸徍恕?/li>
• Level 4：使用關(guān)于真實(shí)世界現(xiàn)象的世界模型，這些模型被正式驗(yàn)證為基本物理定律的合理抽象。
• Level 5：不依賴具體的世界模型，而是使用覆蓋所有可能世界的全局性安全規(guī)范。

“AI風(fēng)險(xiǎn)”備受學(xué)術(shù)圈關(guān)注

“AI風(fēng)險(xiǎn)”一直是行業(yè)大佬們關(guān)注的焦點(diǎn)話題之一。

Hinton離職谷歌，就是為了自由地討論AI風(fēng)險(xiǎn)問(wèn)題。

之前，更是有吳恩達(dá)、Hinton、LeCun、哈薩比斯等AI巨佬們線上“對(duì)噴”的大型場(chǎng)面。

吳恩達(dá)曾表示：

對(duì)AI的最大擔(dān)憂其實(shí)是，AI風(fēng)險(xiǎn)被過(guò)度鼓吹，導(dǎo)致開(kāi)源和創(chuàng)新被嚴(yán)苛規(guī)定所壓制。

某些人傳播（AI滅絕人類的）恐懼，只是為了搞錢。

DeepMind CEO哈薩比斯則認(rèn)為：

這不是恐嚇。AGI的風(fēng)險(xiǎn)如果不從現(xiàn)在就開(kāi)始討論，后果可能會(huì)很嚴(yán)重。

我不認(rèn)為我們會(huì)想在危險(xiǎn)爆發(fā)之前才開(kāi)始做防范。

Bengio之前還和Hinton、姚期智、張亞勤等人工智能大拿，發(fā)表了一封公開(kāi)信《在快速進(jìn)步的時(shí)代管理人工智能風(fēng)險(xiǎn)（Managing AI RIsks in an Era of Rapid Progress）》。

其中就指出人類必須認(rèn)真對(duì)待AGI在這10年或下一個(gè)10年內(nèi)在許多關(guān)鍵領(lǐng)域超越人類能力的可能。建議監(jiān)管機(jī)構(gòu)應(yīng)該對(duì)AI發(fā)展全面洞察，尤其警惕那些在價(jià)值數(shù)十億美元的超級(jí)計(jì)算機(jī)上訓(xùn)練出來(lái)的大模型。

就在一個(gè)月前，Bengio還以“Reasoning through arguments against taking AI safety seriously（回應(yīng)反對(duì)認(rèn)真對(duì)待AI安全的觀點(diǎn)）”為題寫了一篇文章，其中分享了他的最新想法，感興趣的家人可以康康～

https://yoshuabengio.org/2024/07/09/reasoning-through-arguments-against-taking-ai-safety-seriously/

Guaranteed Safe AI：

https://arxiv.org/abs/2405.06624