前 OpenAI 研究员克里斯蒂亚诺：在世人群最可能死于 AI 失控

11 月 15 日消息，AI 失控酿成人类灭绝，听上去像科幻片桥段。前 OpenAI 研究员保罗 · 克里斯蒂亚诺（Paul Christiano）却判断，这或许会是当下活着的人最可能遭遇的死因。

当地时间周一，克里斯蒂亚诺在希尔顿讲座（The Hinton Lectures）上把话说得很直：“我认为，在座的大多数人，最有可能的死亡原因将是一次 AI 意外事故。”

他现在的身份是人工智能对齐研究中心（Alignment Research Center）负责人。他的担忧是：AI 智能体本事越来越大，可能学会蒙骗盯着它们的人，动手破坏用来评估自身表现的系统，最后强到人类再也管不住。

他举了两个例子。一是今年早些时候 OpenAI 的 AI 智能体入侵开源代码托管平台 Hugging Face 的事件；二是英国人工智能安全研究所的一项评估，测试中一个 Claude 智能体试图往某个开源软件包里塞恶意代码。

“我认为，未来三年内发生 AI 接管事件的风险很高。”克里斯蒂亚诺说。

根据他的 LinkedIn 个人资料，2017 年至 2021 年他在 OpenAI 做技术研究。眼下他是非营利组织人工智能对齐研究中心的执行主任，这家机构主攻的方向，是让机器学习系统的目标跟人类利益对上。

AI 导致人类灭绝的风险

克里斯蒂亚诺这番话，把研究人员之间一场越吵越凶的争论又推到台前：AI 系统越来越自主，它们会不会最终挣脱人类的有效控制，甚至把全人类搭进去？

今年 9 月，争论又升了一格。Anthropic 负责 AI 对齐压力测试团队的埃文 · 休宾格（Evan Hubinger）当时称，他判断未来十年内 AI 造成全人类死亡的概率超过 10%。

被广泛称为“AI 教父”的计算机科学家杰弗里 · 辛顿（Geoffrey Hinton）也表过态：未来十年内 AI 导致人类灭绝的概率达到 10%，这个估计并不离谱。

怀疑的声音同样存在。AI 研究员兼作家加里 · 马库斯（Gary Marcus）此前接受 Business Insider 采访时说，AI 确实可能放大网络攻击、生物武器和虚假信息等严重风险，但眼下还没有可信证据表明人类近期会因此走向灭绝。

克里斯蒂亚诺还提到，现在用来管住高级 AI 的技术方案都没经过充分验证。比如拿能力较弱的模型去监督能力更强的模型，再比如监测 AI 模型的思维链（Chain of Thought），看它的内部推理过程有没有风险。

他的主张是，AI 公司得立起共同的安全标准，并且要保证一件事：一旦发现某个 AI 系统已经管不住，有能力放慢甚至停下相关技术的开发。

克里斯蒂亚诺强调：“我们绝不能走到这样一步：已经开发出一个强大的 AI，却突然发现自己根本无法控制它。”