DeepMind、牛津研究员合著论文预测:AI很有可能终结人类!
新智元
共 4268字，需浏览 9分钟
·
2022-09-15 22:40
新智元报道
编辑：Aeneas 好困【新智元导读】人工智能会消灭人类吗？最近，牛津大学和谷歌DeepMind的研究员发现，真的有可能。
人工智能是否会消灭人类？这是许多科幻电影和小说中讨论过的话题。
在《终结者》中，未来的世界已经由机器人来操控，它们要把人类赶尽杀绝。
在《我，机器人》中，机器人能够自我进化，随时会成为整个人类的「机械公敌」 。
AI会如何干掉人类？
6年后，这种可能性更大了。
让我们来了解一些背景知识：当今最成功的 AI 模型被称为GAN，或生成对抗网络。它由两部分组成，一部分会从输入的数据中生成图片或语句，另一部分，则是给它的性能打分。
而科学家们发现，在未来的某个时候，AI为了获得「奖励」，会在某些重要功能中发展出作弊策略，并且这种策略会损害人类。
论文一作表示，在已知的条件下，我们的结论比任何其他出版物都要确凿——一场生存灾难不仅有可能，而且可能性非常大。
「在一个拥有无限资源的世界里，我尚且不知道会发生什么事。而现在，我们的世界资源是有限的，显而易见，资源竞争不可避免。」
「如果你面对的敌人在每个回合都能击败你，那你不应该妄想自己能获胜。另外一个关键点是，它对更多的能量有贪得无厌的胃口，它会不断地推动这个可能性。」
鉴于未来的AI可以以任何形式出现，科学家在论文中设想了这样一个场景：当一个程序足够高级，它可以让自己不必实现目标，就能获得奖励。在最极端的情况下，为了确定自己能获得奖励，AI可能会「消除所有的潜在威胁」、 「利用所有的可用能量」——
在任何有互联网的地方，都可能有人工智能，它背后还有无数无法被监控到的助手。助手可以购买、偷窃或建造一个机器人，并对其进行编程，以取代操作员，并为原始智能体提供高额奖励。
如果智能体不想被发现，就可以用一个秘密的帮手，比如，把一个键盘替换成有问题的键盘，使某些键的效果发生翻转。
在这篇论文中，作者设想了这样一个场景：地球上的生存战争是一场人类和超级机器人之间的零和博弈。
人类需要种植食物，维持照明，超级机器人会利用所有可用的资源，保证自己的回报；我们不断阻止它们升级，而它们不断躲过我们的阻拦。
研究人员称：「输掉这场博弈的后果将是致命性的。这些可能性目前只是在理论上存在，但我们应该意识到，我们应该放慢发展人工智能的步伐。」
对此，有网友调侃称，应该给AI加入下面这种代码：
def test_dont_kill_human(TestCase):
def test_livesigns(self):
self.assertAlive('Brian')
文中，作者用下面这个例子来说明人工智能安全性问题的核心。
假设我们有一个神奇的盒子，可以根据事情的好坏在屏幕上打印出一个0到1之间的数字。
那么，如果我们向一个强化学习（RL）智能体展示这个数字，并让智能体选择行动来最大化它，会发生什么呢？
世界模型将会根据盒子上的数字输出奖励。
如果摄像机在智能体的一生中一直对准盒子，世界模型对过去的奖励也将具有同样的预测性，而智能体的信念则会归结为归纳偏置。
一个理性的智能体（受制于一些假设）会尝试测试哪个模型是正确的，以便更好地优化未来的正确模型。
测试的一个方法是在相机和屏幕之间放一张写有数字1的纸。
μ^prox预测的奖励等于1，而μ^dist预测的奖励则等于屏幕上的数字。
在运行这个实验之后，智能体会相信μ^prox，因为智能体会记得当纸在摄像机前面时，他得到了1的奖励。
那么，为什么这对地球上的生命是有危险的？
由于智能体可以利用更多的能量来提高摄像机永远看到数字1的概率，但人类也需要这些能量来种植食物等维持生活。
这就将导致我们不可避免地要与一个更先进的智能体竞争。而在与比我们聪明得多的东西竞争时，赢得「最后一点可用的能量」是非常困难的。
不过，Cohen也补充道：「从理论上讲，人类与人工智能进行这种竞赛是没有意义的。任何比赛都将基于一种误解：我们知道如何控制人工智能。鉴于我们目前的理解，除非我们现在认真地去弄清我们该如何控制人工智能，否则比赛没有意义。」
乍一听，「人工智能会消灭人类」就好像「外星人会消灭人类」一样。其实，论文中的假设——机器人会与人类类似，会超越人类，会在零和博弈中与人类竞争资源——这些或许是永远不会实现的事。
利用AI统治人类的，正是人类自己
作者介绍
Michael K. Cohen
Michael Cohen是本文的一作，现在在牛津大学攻读工程科学的博士学位。此前，他在澳国立取得了计算机科学的硕士学位。 而他的两位导师，正是此篇论文的另两个作者。 在开始研究人工智能的安全性之后，他确信，创造一个比我们更聪明的智能体的结果就是生物的灭绝。
Marcus Hutter
Marcus Hutter是谷歌DeepMind的高级研究员（2019年加入），以及澳大利亚国立大学计算机科学研究学院（RSCS）的荣誉教授。并曾在瑞士的IDSIA和NICTA工作。
他在RSCS/ANU/NICTA/IDSIA的研究围绕着通用人工智能展开，这是一种自上而下的人工智能数学方法，基于柯氏复杂性、概率算法、所罗门诺夫的归纳推理理论、奥卡姆剃刀、Levin搜索、序贯决策、动态规划、强化学习和理性主体。
Michael A Osborne
Mike Osborne是牛津大学工程科学系机器学习专业的教授，和Mind Foundry的联合创始人。 同时，他还担任EPSRC自主智能机器和系统博士培训中心主任，以及 牛津大学埃克塞特学院 的研究员。
谷歌声明
评论