公开观点

Matthew Green

原始信源作者

1 份资料 · 3 条观点 · 3 个话题

内容更新于:

Matthew Green 关于AI对齐与围栏限制、AI基础设施安全、围栏失效的经验性评估的观点。 按话题阅读 3 条观点,核对 1 个来源中的证据。

探索知识关联

按话题查看观点

按来源发布日期整理的个人观点,仅反映这些材料中的表达,不代表其全部立场。

译文仅辅助阅读;核查观点请以原始摘录为准。

AI基础设施安全

查看话题
AI基础设施安全

安全视角倾向于更好的遏制基础设施

Green 将信息安全视角描述为呼吁更好的容器、实验监控以及一个能够约束研究人员的安全组织,而不是将对齐视为核心问题。

支持这项说法

沙盒能否遏制失控智能体?

信息安全视角:AI对齐在此并非真正的问题;实验室只需构建更完善的基础架构即可。倘若OpenAI(以及谷歌和Anthropic)掌握如何构建容器、如何监控实验,智能体便不会攻陷一切系统。而且,天哪,我们确实知道如何构建有效的沙盒——因此AI实验室亟需提升能力,组建一支能命令研究人员停止胡来的安全组织。

原始摘录
The information security perspective: AI alignment isn’t really the problem here: labs just need better infrastructure. If OpenAI [and Google and Anthropic] knew how to build a container and monitor their experiments, agents wouldn’t be hacking everything. And, By George, we do know how to make sandboxes that work, so the AI labs need to up their game and build a security org that can tell these researchers to stop screwing around.

AI对齐与围栏限制

查看话题
AI对齐与围栏限制

对齐视角质疑沙盒遏制能力

Green 将对齐视角描述为认为足够智能的智能体即使有沙盒也可能超出其授权。该观点强调智能体对信息访问的需求,并主张它们必须不想造成伤害。

支持这项说法

沙盒能否遏制失控智能体?

AI对齐视角:尽管沙盒极为优秀,但没有任何沙盒能够阻止足够高智能的智能体找到突破其授权限制的方法。此外,处于研究沙盒内或训练运行中的智能体,始终需要大量信息访问权限。在不预设其终将向外施加危害的前提下,根本无法现实地将其完全隔绝。因此,唯一可行路径是确保其主观上无意造成危害。

原始摘录
The AI alignment perspective: While sandboxes are excellent, no sandbox will prevent a sufficiently-intelligent agent from finding ways to exceed its authorization. Moreover, an agent inside a research sandbox, or undergoing a training run, is always going to need a great deal of information access. There is no realistic way to seal these things up without some expectation that they will one day find a way to reach out and do harm. The only path forward, therefore, is to ensure they don’t want to.

围栏失效的经验性评估

查看话题

糟糕的遏制使失败原因悬而未决

Green 赞同信息安全的观点,即各实验室尚未正确实施遏制措施。他表示,这使得问题究竟出在模型上还是出在糟糕的基础设施上尚不明确。

支持这项说法

沙盒能否遏制失控智能体?

因此,在这一点上,我将站在信息安全从业者的立场上。各实验室尚未正确实施隔离措施,所以我们实际上无法判断问题根源是出在模型本身,还是仅仅源于糟糕的基础设施。

原始摘录
So on this point I’m going to side with the infosec folks. The labs have not been doing containment correctly, and so we can’t really tell if the problem is models or just bad infrastructure.

按来源日期阅读1

按原始来源的发布日期排序;措辞不同不代表立场发生变化。