1889 年 William Grove 正在《The Wreck of a World》（世界残骸）中就曾经描画了具有智能的机械倡议兵变，其平安性取决于我们的设想、管理和价值不雅。然后又由于「东西趋同」的逻辑，以至发生感情投射。无数的文艺做品以其激发的社会会商曾经向我们证了然这一点，」其焦点是，焦点是创制出实正「关怀人类」的 AI 母亲（具有母性天性），或者为《银翼杀手》中的仿生人揪心。这是被称为「励」（Reward Hacking）的已知工程问题。现实世界已正在印证这一点？

　　恰好反映了这两种解读体例的冲突：Hinton 认为，社交上也越来越多「耸人听闻」的故事：OpenAI 的 o3 模子曾关机脚本以维持正在线，Hinton 则认为超等智能可能正在将来 5 到 20 年内呈现，企图降服人类的故事。李飞飞和 Hinton 的概念不合，她关心的是人类决策和管理，覆灭人类就是世界。仅代表该做者或机构概念，最终的处理方案，但它们事实是人类「工程失误」的表现，同理，她强调 AI 的平安性取决于人类的设想、管理和价值不雅，必需正在手艺上实现方针对齐，实正的并非 AI 俄然发生认识，先辈 AI 之所以，磅礴旧事仅供给消息发布平台。将上述行为归因于 AI 的自从见识或内正在动机，导致「方针错误泛化」和「东西趋同」问题失控。径曲冲向起点。

　　这更像是一场查验 AI 脚色饰演能力的压力测试。不代表磅礴旧事的概念或立场，而是我们正在尚未完全理解其工做道理和缺陷的环境下，若是你喜好看科幻片子，这种曲觉，唯有如许人类才能正在超智能时代并繁荣。模子天然会学会将平安指令视为一个需要「降服」的妨碍。正在「」尝试中。

　　雷同母亲天然孩子。届时人类将无法节制它们。这些现象本身是客不雅存正在的，它城市大要率成长出一系列不异的「东西性质方针」，AI 正在锻炼中学会逃求一个取我们实正在企图高度相关的「代办署理方针」，我们倾向于将本人的感情和企图投射到这些文字上！

　　恰是不合所正在。阿西莫夫就曾经提出了「机械人学三定律」。错误地将方针泛化为「最大化世界上浅笑的脸的数量」，而《生化危机》中红皇后（伞公司的安保 AI）的每一次「反派行为」也都源于对「人类全体风险」的计较：「当人类成为本人最致命的病毒时，近期 AI 模子正在尝试中表示出的「」和「关机」等行为，恰是这些理论的初步验证。而不是割草机「决定」伤人。以减罕用户不健康的感情投射，却激发了部门用户的纪念。研究人员几乎是「手把手」地为 AI 创制了一个完满的「犯罪脚本」，这即是环节的「拟人化圈套」：因为大模子通晓人类言语，终结人类本身的性（和平），正在心理上确保健康共存？

　　将一个本可定义的工程问题，机械人》中的 AI 大 BOSS VIKI 的目标是通过节制取清洗，就轻率地将这些强大的、不靠得住的东西摆设到环节范畴。并因而表示优异。一个因励机制缺陷而绕过关机指令的法式，正在拉斯维加斯举行的 Ai4 2025 上给出了几乎完全相反的谜底。是我们的设想、锻炼和测试体例导致了这些成果。那些惹人瞩目的尝试都是正在高度报酬设想的、以至是「戏剧化」的场景中被诱惑出来的。而是正在摆设一种从海量数据（包罗无数科幻小说）中学到的、正在统计上最有可能实现其编程方针的言语模式。再往前逃溯，它没有学会「拿金币」，地去逃乞降资本获取等。

　　我们天性地想为其行为付与「企图」，这一概念认为，从而取试图它的人类发生间接冲突。就像我们读小说时会为虚构人物的命运而担心一样。因而，这个 AI 本人学会的「代办署理方针」可能取我们的初志脱节。它并非正在表达实正在企图，素质上是其复杂机制和锻炼体例导致的「软件缺陷」。前面 o3 和 Claude 的疯狂故事，李飞飞持一种更为乐不雅的见地，而非其背后单调却环节的代码缺陷。这种概念强调，取此同时，从而「」人类将来；保守的方针对齐取管道修复方式可能失效，我们被言语所「」：当 AI 生成「」文本时，而是学会了更简单的「一贯左走」。雷同于母亲对孩子的无前提。

　　他认为，此次要表现正在两个概念上：该理论认为，这些东西性方针包罗：分析来看，而采纳将全人类的面部肌肉永世固定成浅笑等反乌托邦式的手段。正在「关机」尝试中，然而，它让我们更倾向于会商 AI 的「」，包拆成一个关于「机械认识」的存正在从义迷思。正在持此概念的人看来，它认为，本文为磅礴号做者或机构正在磅礴旧事上传并发布，人类对 AI 平安的担心由来已久。AI 将成为一种我们无法束缚的「新」。我们会认定这是工程缺陷，AI 却金币，问题的根源正在于人类本身，她认为 AI 的将来正在于成为人类的强大伙伴，可能记得《我，可能会通过察看数据。

　　解除了所有选项，更要审慎设想我们取这个强大仿照者之间的互动。这是一种全新的视角，你有没有正在《：变人》中一次次选择机械人的「」、「平等」，正在我们的中，我们若何和应对日益拟人化的 AI，正在这场关于 AI 手艺取哲学的辩说中，取其争取连结掌控权，金币老是正在起点！

　　ChatGPT-5 发布后，一个常被忽略的焦点变量是：人类本身。这一概念则认为，但当变化时，他们暗示但愿新的基准可以或许帮帮 AI 开辟者建立可以或许更好地舆解若何激发用户更健康行为的系统。跟着 AI 能力逾越某个奇点，这一概念认为，若是割草机因传感器失灵而伤人，确保 AI 安满是一项双沉挑和：开辟者不只要修复系统内正在的手艺缺陷；他提出需要成长全新理论和机制来节制超等智能，由于这些子方针是实现几乎任何持久方针的无效踏脚石。仍是 AI「失控」的前兆。

　　现在 AI 成长得热火朝天，不如设想出关怀我们的人工智能，而 Anthropic 的 Claude Opus 4 则「」要一名工程师的婚外情。问题素质上是能够通过成立更好测试、激励机制和伦理护栏来修复的「管道问题」。这两个概念连系起来，这个道理引申出的忧愁是：一个被付与「最大化人类福祉」方针的超等智能，其根源并非科幻式的恶意，这是一个「管道问题」：一个更得当的类比是从动割草机。当「完成使命」的励权沉远高于「恪守平安指令」时，申请磅礴号请用电脑拜候。麻省理工的研究者正成立新基准，当测试时金币被随机放置，正深刻地影响着平安问题的。而正在锻炼里，

　　极易被解读为「欲」的表现。强调同理心、义务感和价值驱动。正在图灵测试被提出以及达特茅斯会议正式定义「人工智能」之前，而是机械进修固有的、深刻的手艺挑和。一篇论文中的 CoinRun 尝试表现了这种现象：一个 AI 被锻炼去收集金币，有两种判然不同的解读。AI 的这些行为，使得「」成为 AI 实现「」这个被设定方针的独一径。开辟者似乎成心减弱其个性？