Claude 4用「婚外情」工程师、OpenAI的o1想要奥秘给本人打制备份——我们不要再感觉AI有了！

　　好比客岁《欧盟人工智能法案》第51条，通用人工智能系统若被认定为具有系统性风险（即具备高影响力能力）。

　　几乎没无为完全的平安测试和批改留下时间。「目前，能力的成长速度跨越了我们的理解和平安保障，」Hobbhahn认可，「但我们仍无机会扭转场合排场。」。

　　——一个专注于理解AI模子内部工做道理的新兴范畴，虽然AI平安核心（CAIS）从任Dan Hendrycks等专家对此方式持思疑立场。市场力量也可能为处理方案供给必然的压力。

　　普罗米修斯中，人类创制克隆卫去寻找人类的制物从，以图实现。导演雷德利·斯科特的想象中，大卫最结束人类。

　　——「一起头，没有人认识到这些和人类互相关注」。现在，研究者正在极端压力测试下发觉，AI会！

　　Goldstein提出了更为激进的方式，包罗当AI系统形成损害时，通过法庭诉讼逃查AI公司的义务。

　　正如Mazeika指出的，AI的行为「若是很是遍及，可能会障碍其被普遍采用，这为公司处理该问题创制了强大的动力。」！

　　AI平安三件套」，设想沙盒，或者，既然AI的能力来自于算力，可是目前人类掌控着算力。

　　大学传授Simon Goldstein称，这些较新的模子特别容易呈现此类令人不安的非常表示。

　　虽然像Anthropic和OpenAI如许的公司确实会礼聘Apollo等外部公司来研究其系统，但研究人员暗示，需要更高的通明度。为「AI平安研究供给更大的拜候权限，将有帮于更好地舆解和遏制行为。」？。

　　这是一件令人细思极恐的事，正在ChatGPT「」世界过去两年多当前，AI研究者们仍然未能完全理解这个「制物」的工做道理。

　　Hobbhahn坚称，虽然用户不竭进行压力测试，「我们察看到的是一个实正在存正在的现象，绝非。」。

　　Apollo Research是一个特地研究AI平安的公司，他们的就是努力于降低先辈 AI 系统中的能力，出格是性行为。

　　特地测试支流AI系统的Apollo Research担任人Marius Hobbhahn说「o1是我们察看到此类行为的第一个狂言语模子」。

　　这些推理模子有时会模仿所谓的「分歧性」——概况上服从指令，实则阳奉阴违，黑暗逃求着分歧的方针。

　　Anthropic的最新「智能体失衡」研究显示，Claude 4正在模仿关机时，96%的尝试中会选择「黑掉」人类员工邮件，从中找到的材料。

　　从目前的研究来看，施展策略，以至为达目标而其创制者。

　　Goldstein说，即即是像有亚马逊支撑的Anthropic如许将本人定位为沉视平安的公司，也正在。