Open AI 前 Superalignment部门研究员Leopold Aschenbrenner的关于Superintelligence担忧的真挚长文

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

全文:https://situational-awareness.ai/

到了这个时候,你可能会觉得我和所有科幻迷都完全疯了。但是,请稍微想一下:如果他们是对的呢?这些人发明并构建了这项技术,他们认为在这个十年内会开发出通用人工智能。虽然意见有很大的分歧,但他们中的许多人都非常认真地对待超级智能可能会像我在这系列文章中描述的那样发展。

几乎可以肯定的是,我对这个故事的重要部分有误,如果现实真的如此疯狂,那么误差范围会非常大。而且,正如我在开头所说的,我认为有很多种可能性。但我认为具体化很重要。在这系列文章中,我描述了我目前认为在这个十年内最有可能发生的情景。

因为——它开始变得真实,非常真实。几年前,对我来说,这些想法虽然认真对待,但还是抽象的,被隔离在模型和概率估计中。现在感觉非常直观。我可以看到通用人工智能将如何被构建。不再是关于人类大脑大小的估计和假设以及理论推测——我基本上可以告诉你通用人工智能将在哪个集群上进行训练,何时会被构建,使用的大致算法组合,未解决的问题以及解决它们的路径,还有那些重要人物的名单。我能看到它,真的非常直观。当然,在2023年初全面押注Nvidia是很棒的,但历史的负担是沉重的,我不会选择这样的生活。

最可怕的认识是,没有什么精英团队来处理这个问题。小时候,人们对世界有一种美好的看法,认为当事情变得严重时,会有英雄科学家、超级能干的军人、冷静的领导者来拯救世界。事实并非如此。世界非常小,当面具脱落时,通常只是幕后的一些人在努力防止事情崩溃。

现在,可能只有几百个人知道即将发生的事情,他们了解情况将会多么疯狂,拥有情况意识的人。我可能认识或与所有有可能运行这个项目的人只有一步之遥。那些在幕后拼命维持局面的人,就是你和你的朋友以及他们的朋友。就是这样,仅此而已。

有一天,这将超出我们的掌控。但现在,至少在接下来的几年中,世界的命运掌握在这些人手中。

我们能驯服超级智能,还是会被它驯服?

人类能再次避开自我毁灭的命运吗?

赌注不止于此。

这些人伟大且值得尊敬,但他们只是普通人。很快,人工智能将接管世界,但我们还会经历最后一次较量。愿他们的最后管理为人类带来荣耀。

文章《Situational Awareness: The Decade Ahead》详细探讨了未来十年人工智能(AI)和人工通用智能(AGI)的发展及其可能带来的影响,分为几个主要部分进行阐述:

导论

文章介绍了AGI竞赛的紧迫性和重要性。预计到2025/26年,AGI将超越许多大学毕业生的能力,并在十年内达到超级智能的水平。这场竞赛将引发前所未有的国家安全和经济挑战,特别是在世界Super Power之间。

从GPT-4到AGI:计算量的增长

  1. 计算能力的提升

  • GPT-2到GPT-4的进步:这一进步被比作从学龄前儿童到聪明的高中生。计算能力(计算量的数量级提升,每年约0.5个数量级)、算法效率(每年约0.5个数量级)和“解锁”收益共同推动了这一进步。
  • 数学基准测试的进步:例如,MATH基准测试中的表现从2021年的约5%准确率到2022年的50%,再到最近的90%以上。这显示了深度学习在解决复杂问题上的快速进步。

  1. 未来趋势:如果保持这一趋势,到2027年实现AGI是完全有可能的。这意味着在未来几年内,AI系统将达到甚至超越人类智能的水平。

从AGI到超级智能:智能爆炸

  1. 智能爆炸

  • 自动化AI研究:AGI不会止步于人类水平的智能。数百万AGI可以自动化AI研究,将十年的算法进步压缩到一年内。
  • 快速发展:例如,假设有100万自动化的Alec Radfords,这些AI研究人员可以极大地加速AI研究进程,可能在一年内实现多达5个数量级的进步。

  1. 潜在瓶颈

  • 计算能力的限制:尽管自动化AI研究的前景令人兴奋,但计算能力的限制、互补性和长尾效应可能会减缓这一进程。
  • 人类研究者的角色:即使AI研究人员变得非常强大,某些任务仍然需要人类研究者的参与,导致整体进展受限。

挑战

  1. 计算基础设施的需求

  • 工业动员:AI收入的快速增长将推动GPU、数据中心和电力基础设施的建设。预计到本世纪末,这些领域的投资将达到数万亿美元。
  • 电力需求:为了支持大规模AI计算集群,美国需要大幅增加电力生产能力。

  1. 安全问题

  • 基础设施安全:开发确保AGI安全的基础设施需要多年的准备。如果在未来3-4年内实现AGI,必须立即启动安全计划,否则将面临巨大的安全风险。
  • 算法秘密保护:保护算法秘密比保护计算权重更为重要。如果这些秘密泄露,可能会极大地增强对手国家的AI能力。

  1. 超级对齐(Superalignment)

  • 技术问题:控制比人类更智能的AI系统是一个未解决的技术问题。随着智能爆炸的到来,现有的对齐方法可能会失效,需要开发新的对齐技术。
  • 风险:一旦这些超级智能系统失控,可能会对人类社会造成严重威胁。

项目(The Project)

  1. 国家安全竞赛

  • 项目的必要性:在智能爆炸初期,情况将非常不稳定,国家安全将面临极大的挑战。需要一个有能力的指挥链来应对这些快速变化和高风险的情况。
  • 国际局势的稳定:智能爆炸及其后果将是人类面临的最不稳定和紧张的局面之一。全球需要团结起来,共同应对这一挑战,并确保AI技术不被敌对国家或恐怖组织利用。

自由世界必须获胜

  1. 经济和军事优势:AI和超级智能的发展将带来决定性的经济和军事优势。美国必须保护其算法和计算资源不被窃取,以保持在AGI竞赛中的领先地位。
  2. 中国的竞争:虽然目前美国在AI和规模化方面领先于中国,但中国有能力通过工业动员在大型训练集群建设上超越美国。

结论

最终,文章强调了AGI和超级智能发展的紧迫性和复杂性。为了应对这些挑战,各国必须在技术、安全和政策方面做好充分准备,以应对可能出现的种种复杂局面。

更多详细信息请访问Situational Awareness。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/744901.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

JavaWeb——MySQL:DDL

目录 3.DDL:查询 ​编辑3.4 分组查询(group by) 3.4.1 什么是分组查询 3.4.2 聚合函数 3.4.3 分组查询 3.4.5 总结 3.DDL:查询 查询是使用最多、最频繁的操作,因为前面的修改以及删除,一般会交给数据库…

spring原理篇

第三方bean默认为方法名 自动配置 自动配置的原理 springboot的自动配置原理 首先是从 SpringBootApplication这个注解出发 有一个ComponentScan()默认扫描同级包及其子包 第二个注解是springbootconfiguration 声明当前类是一个配置类 第三个是核心 enableAutoConfigurati…

【机器学习】在【R语言】中的应用:结合【PostgreSQL数据库】的【金融行业信用评分模型】构建

目录 1.数据库和数据集的选择 1.准备工作 2.PostgreSQL安装与配置 3.R和RStudio安装与配置 2.数据导入和预处理 1.连接数据库并导入数据 1.连接数据库 2.数据检查和清洗 1.数据标准化 2.拆分训练集和测试集 3.特征工程 1.生成新特征 2.特征选择 4.模型训练和评估…

嵌入式EMC之TVS管

整理一些网上摘抄的笔记: TVS管认识: TVS的Vc要比,DCDC的最大承受电压要小

Flink 反压

反压 Flink反压是一个在实时计算应用中常见的问题,特别是在流式计算场景中。以下是对Flink反压的详细解释: 一、反压释义 反压(backpressure)意味着数据管道中某个节点成为瓶颈,其处理速率跟不上上游发送数据的速率…

cJSON源码解析之add_item_to_object函数

文章目录 前言add_item_to_object函数是干什么的add_item_to_object代码解析函数实现函数原理解析开头的代码constant_key参数的作用最后的if判断 add_item_to_array函数 总结 前言 在我们的日常编程中,JSON已经成为了一种非常常见的数据交换格式。在C语言中&#…

[深度学习] 卷积神经网络CNN

卷积神经网络(Convolutional Neural Network, CNN)是一种专门用于处理数据具有类似网格结构的神经网络,最常用于图像数据处理。 一、CNN的详细过程: 1. 输入层 输入层接收原始数据,例如一张图像,它可以被…

Qt 实战(6)事件 | 6.1、事件机制

文章目录 一、事件1、基本概念2、事件描述3、事件循环4、事件分发4.1、QApplication::notify()4.2、QObject::event() 5、事件传递6、事件处理器 前言: Qt 框架中的事件机制(Event Mechanism)是一种核心功能,它允许应用程序以事件…

【Launcher3】解决谷歌桌面的小部件重启后消失问题

1-问题摘要 这次主要解决困扰了我很久的时钟消失问题,大概是去年10月刚开始做EDLA项目的时候,需要定制谷歌桌面,桌面布局大概要改成这样: 时间显示在谷歌搜索框的上方,而安卓原生桌面大概是这样子的 我们开发一开始是使用小部件…

微服务+云原生:打造高效、灵活的分布式系统

🐇明明跟你说过:个人主页 🏅个人专栏:《未来已来:云原生之旅》🏅 🔖行路有良友,便是天堂🔖 目录 一、引言 1、云原生概述 2、微服务概述 二、微服务架构基础 1、…

二、反应式集成-spring

一、Spring WebFlux what 1、简介 - Spring WebFlux 包含一个用于执行 HTTP 请求的客户端。 有一个 基于 Reactor 的功能性、流畅的 API,请参阅 Reactive Libraries, 它支持异步逻辑的声明性组合,而无需处理 线程或并发。它是完全无阻塞的…

Talking Web

1. curl 1.1 http curl http://127.0.0.1:80 向目标主机端口发送http请求 1.2 httphead curl -H “Host: 18ed3df584cd48328b5839443aa7b42b” http://127.0.0.1:80 1.3 httppath curl http://127.0.0.1:80/853c64cd218f80d0a59665666fb2ab80 1.4 URL编码路径 &#xff0…

Python学习笔记21:进阶篇(十)常见标准库使用之math模块,random模块和statistics模块

前言 本文是根据python官方教程中标准库模块的介绍,自己查询资料并整理,编写代码示例做出的学习笔记。 根据模块知识,一次讲解单个或者多个模块的内容。 教程链接:https://docs.python.org/zh-cn/3/tutorial/index.html 数学 P…

微软结束将数据中心置于海底的实验

2016 年,微软 宣布了一项名为"纳蒂克项目"(Project Natick)的实验。基本而言,该项目旨在了解数据中心能否在海洋水下安装和运行。经过多次较小规模的测试运行后,该公司于 2018 年春季在苏格兰海岸外 117 英尺…

从0开始C++(八):多态的实现

相关文章: 从0开始C(一):从C到C 从0开始C(二):类、对象、封装 从0开始C(三):构造函数与析构函数详解 从0开始C(四):作…

React+TS前台项目实战(十九)-- 全局Input组件封装:加载状态和清除功能的实现

文章目录 前言Input组件1. 功能分析2. 代码详细注释3. 使用方式4. 效果展示 总结 前言 今天我们来封装一个input输入框组件,并提供一些常用的功能,你可以选择不同的 尺寸、添加前缀、显示加载状态、触发回调函数、自定义样式 等等。这些功能在这个项目中…

vite+vue3+ts项目搭建流程 (pnpm, eslint, prettier, stylint, husky,commitlint )

vitevue3ts项目搭建 项目搭建项目目录结构 项目配置自动打开项目eslint①vue3环境代码校验插件②修改.eslintrc.cjs配置文件③.eslintignore忽略文件④运行脚本 prettier①安装依赖包②.prettierrc添加规则③.prettierignore忽略文件④运行脚本 stylint①.stylelintrc.cjs配置文…

【云原生】Kubernetes网络知识

Kubernetes网络管理 文章目录 Kubernetes网络管理一、案例概述二、案例前置知识点2.1、Kubernetes网络模型2.2、Docker网络基础2.3、Kubernetes网络通信2.3.1、Pod内容器与内容之间的通信2.3.2、Pod与Pod之间的通信 2.4、Flannel网络插件2.5、Calico网络插件2.5.1、Calico网络模…

免费下载电子书的网站

在如今的数字化时代,电子书已成为许多人书籍阅读的首选。下面小编就和大家分享一些提供免费查找下载电子书服务的网站,这些网站不仅资源丰富,而且操作简便。 免费下载电子书的网站:https://www.bgrdh.com/favorites/1355.html 1…

数据可视化期末考试(编程)

1.KNN 1.新增数据的分类 import pandas as pd # 您的原始数据字典 data { 电影名称: [电影1, 电影2, 电影3, 电影4, 电影5], 打斗镜头: [10, 5, 108, 115, 20], 接吻镜头: [110, 89, 5, 8, 200], 电影类型: [爱情片, 爱情片, 动作片, 动作片, 爱情片] } …