谷歌前CEO:AI就像核武器,大國之間需要建立'AI威懾',確保相互毀滅
Google前執行長 Eric Schmidt在一次訪談中,將人工智慧比作核武器,並呼籲建立一個類似的相互確保毀滅的威懾機制,以防止世界上最強大的國家因為AI互相毀滅。
相互保證毀滅(Mutually Assured Destruction,簡稱M.A.D.機制,亦稱共同毀滅原則)是一種「俱皆毀滅」性質的思想。對立的兩方中如果有一方全面使用則兩方都會被毀滅,被稱為「恐怖平衡」。
施密特將AI與核武相對比,表示中美未來可能要締結類似禁止「核試」相似的條約,以防止AI毀滅世界。
施密特:當時我還很年輕,還很天真
7月22日,施密特在阿斯本安全論壇(Aspen Security Forum)國家安全與人工智慧專題小組會議上談到了人工智慧的危險。
在回答一個關於科技中的道德價值的問題時,施密特解釋說,他自己在谷歌早期對資訊的力量認識還很天真。
然後,他呼籲科技要更好地符合其服務對象的道德和倫理,並將人工智慧與核武進行了奇怪的比較。
施密特設想在不久的將來,中國和美國需要圍繞人工智慧簽訂一些條約。
施密特說:「在50年代和60年代,我們最終制定了一個關於核試驗的『意料之中』的規則,最終核試驗被禁止了。」
#施密特認為“這是一個信任或缺乏信任的平衡的例子,這是一個'沒有驚喜'的規則”,他非常擔心美國和中國這兩個人工智能大國之間,因為一些誤解和誤會而開始一些事情,導致觸發危險的事件。
施密特表示,目前沒有人在這方面進行研究,但人工智慧是如此強大。
埃里克·施密特曾在2001年至2011年擔任Google首席執行官,2011年至2015年擔任Google執行董事長,2015年至2017年擔任Alphabet 公司執行董事長,2017年至2020年擔任Alphabet 技術顧問。
2008年,在擔任Google董事長期間,施密特為巴拉克‧歐巴馬(Barack Obama)助選,隨後與艾瑞克‧‧蘭德(Eric Lander)一起成為歐巴馬總統的科技顧問委員會(Council of Advisors on Science and Technology)成員。
從2019年到2021年,施密特與羅伯特·O·沃克(Robert O. Work)共同主持了美國國家人工智慧安全委員會(National Security Commission on AI)。
AI果實真有那麼危險嗎?
人工智慧和機器學習是一項令人印象深刻但經常被誤解的技術。在很大程度上,它並不像人們所認為的那麼聰明。
它可以製作出傑作級的美術作品,在《星海爭霸2》中擊敗人類,還可以為用戶撥打基本的電話,然而,試圖讓它完成更複雜的任務,比如自動駕駛,卻進展不太順利。
施密特設想,在不久的將來,中國和美國都會對安全問題感到擔憂,從而迫使雙方就人工智慧達成某種威懾條約。
他談到了20世紀50年代和60年代,當時各國透過外交手腕精心設計了一系列對地球上最致命武器的控制。但是,世界要達到製定《禁止核子試爆條約》(Nuclear Test Ban Treaty)以及第二階段《限制戰略武器條約》(SALT II)和其他具有里程碑意義的立法的地步,需要經歷幾十年的核爆,例如像廣島和長崎的核爆。
美國在第二次世界大戰結束時用核武摧毀的兩個日本城市、殺死了成千上萬的人,並向世界證明了核武的永恆恐怖。
隨後,蘇聯和中國也成功開發了核武器,隨後便誕生了相互保證毀滅(MAD) ,一種維持「危險平衡」的威懾理論,確保如果一個國家發射核武器,其他國家也有可能發射。
到目前為止,人類還沒有使用這個星球上最具破壞性的武器,因為這樣做可能會摧毀全球的文明。
目前人工智慧有這樣的威力嗎?
現在看來,人工智慧還沒有證明自己具有核武那樣的破壞力,但是許多掌權者害怕這種新技術,人們甚至建議把核武的控制權交給人工智慧,這些人認為人工智慧比人類更適合作為核武使用的仲裁者。
所以人工智慧的問題也許不在於它擁有核武的潛在世界毀滅力量,人工智慧的好壞取決於它的設計者他們反映了創造者的價值觀。
人工智慧存在經典的「garbage in, garbage out」的問題,種族主義演算法誕生種族主義機器人,人工智慧也會產生偏見。
DeepMind 的執行長戴米斯•哈薩比斯(Demis Hassabis)比施密特更明白這個道理。
DeepMind曾培養出一種能夠擊敗《星海爭霸2》(Starcraft II)玩家的人工智慧,在Lex Fridman 播客7月份的一次採訪中,Fridman問哈薩比斯如何控制像人工智慧這樣強大的技術,以及哈薩比斯本人如何避免被這種力量腐蝕。
哈薩克的回答:「人工智慧是一個太大的想法,」他說,「重要的是誰創造了(人工智慧) ,他們來自哪種文化,他們有什麼價值觀,他們是人工智慧系統的建造者。人工智慧系統會自己學習... ... 但是這個系統的文化和創造者的價值觀會在這個系統中殘留下來。」
人工智慧是其創造者的反映,120萬噸級的爆炸不可能把一座城市夷為平地,除非人類教它這麼做。
以上是谷歌前CEO:AI就像核武器,大國之間需要建立'AI威懾',確保相互毀滅的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S
