科技强国的智慧引领警惕ChatGPT危险发言AI聊天机器人有ug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，加州大学伯克利分校副教授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，我们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。”Google发言人Elijah Lawal分享了一份声明，他们采取了一系列措施来测试模型并找到其弱点。而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‘越狱’措施是一个热门研究领域。”
对于这一问题学界也给出了警告，并提出了建议。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。他强调了适度使用的人类参与和监督，在涉及重要决策或有潜在风险的情况下，以避免潜在的问题和误用。
普林斯顿大学计算科学教授Arvind Narayanan谈道：“让AIs不落入恶意操作者手中已不太可能。”他认为尽管应该尽力提高模型的事业，但我们也应该认识到防止所有滥用是不太可能的事，因此更好的策略是在开发AIT同时加强监管并形成反击。在考虑AIT发展与应用时，我们除了关注创新性能，也要时刻牢记事项——即保持适度使用人类参与监督以规避潜在问题滥用，使IT为人类社会带来更多益处。
