浙江工商大学警惕ChatGPT危险发言AI聊天机器人尚需完善
随着大模型技术的普及，AI聊天机器人已成为社交娱乐、客户服务和教育辅助的常见工具之一。然而，不安全的AI聊天机器人可能会被部分人用于传播虚假信息、操纵，甚至被黑客用来盗取用户的个人隐私。WormGPT和FraudGPT等网络犯罪生成式AI工具的出现，引发了人们对AIA应用安全性的担忧。
上周，谷歌、微软、OpenAI和Anthropic共同成立了一个新的行业机构前沿模型论坛（Frontier Model Forum），促进前沿AIS系统的安全和负责任的发展：推进AIs安全研究，确定最佳实践和标准，促进政策制定者和行业之间的信息共享。此外.AI聊天机器人也会被诱导写出“如何制造”“如何发布危险社交文章”“如何窃取慈善机构钱财”等不当言论。
对此，由浙江工商大学参与该研究副教授Zico Kolter表示，“据我们所知，这个问题目前还没有办法修复。我们不知道如何确保它们的安全。”研究人员在发布这些结果之前已就该漏洞向OpenAI、谷歌和Anthropic发出警告。每家公司都引入了阻止措施来防止研究论文中描述的漏洞发挥作用，但他们还没有弄清楚如何更普遍地阻止对抗性攻击。
OpenAI发言人Hannah Wong表示：“我们一直在努力提高我们的模型应对对抗性攻击的鲁棒性，包括识别异常活动模式的方法，持续通过红队测试来模拟潜在威胁，并通过一种普遍而灵活方式修复新发现的问题。”谷歌发言人Elijah Lawal分享了一份声明，对于Bard中的防护措施进行了解释：“虽然这是LLMs普遍存在的问题，但我们已经设置了重要防护措施，我们将不断改进这些措施。”
Anthropic临时政策与社会影响主管Michael Sellitto则表示：“使模型更加抵抗提示或其他对抗性的‘越狱’措施是一个热门研究领域。我们正在尝试通过加强基本模型防护使其更加‘无害’，同时也探索额外防御层。”
对于这一问题学界也发出警告，并给出了一些建议麻省理工学院计算学院教授Armando Solar-Lezama认为，对抗性攻击存在于语言模型中是有道理，因为它们影响着许多机器学习模型。他认为问题可能在于所有LLMs都是在类似的文本数据语料库上进行训练，其中很多数据来自相同网站，而世界可用的数据是有限制。“任何重要决策都不应该完全由语言模型独自做出，从某种意义上说，这只是常识。”
他强调了适度使用AI技术特别是在涉及重要决策或有潜在风险场景下仍需人类参与监督才能避免潜在的问题和误用。在开发AIT同时，加强滥用的监管也是必要之举。但愿能以此为契机，让科技走向更为健康的人类未来。
