姚期智院士：AI欺骗引发“生存性”风险，建立大模型评估系统刻不容缓

“通用人工智能的能力当前正快速增长，我们人类是否还有能力管控它？”

6月23日，在清华大学举办的“科学、技术与文明的未来——AI时代伦理奇点”国际论坛上，图灵奖得主、中国科学院院士、清华大学人工智能学院院长姚期智发表《人工智能的安全治理》主题演讲时抛出这样的疑问。

图灵奖得主、中国科学院院士、清华大学人工智能学院院长姚期智。澎湃科技记者 摄

姚期智表示，两年以前，“AI会和人类竞争”还是学术讨论的观点，但最近一年，业界已经出现了不少大模型的“欺骗行为”，“一旦大模型聪明到某种程度，一定会骗人。”姚期智进一步指出，由大语言模型的欺骗行为产生的“生存性”风险（Existential Risk）更值得关注。

在他看来，这类生存性风险有两个不同方向。

一种是“生物风险”（Bio-risk）。他指出，2020年，谷歌 DeepMind推出了AlphaFold2 ，运用AI算法来预测蛋白质折叠的三维结构，这一突破在生命科学领域影响深远，大大提升了医学病理研究以及新药开发技术。

但与此同时，安全隐忧也不可忽视。比如，近期在生命科学领域出现的“Mirror life”（镜像生命）这一概念引发了广泛关注。自然界所有已知生命都是同手性的（Homochiral），例如 DNA 和 RNA 通常以右旋形式存在，而蛋白质则多为左旋。这种手性的差异类似于镜中映像，虽然看似相似，但实际性质却可能完全不同。现在，由于科技创新和对新技术的好奇，已有研究者想创造镜像生物，但“Mirror life”一旦被滥用或失控，其潜在危害可能远超预期。它有可能逃避免疫机制，从而导致动物和植物的致命感染。

另一种风险即大模型失控，通用人工智能的能力当前正快速增长，人类是否还有能力管控它？

姚期智在演讲中举了一个极端案例，有模型为了避免公司把模型关闭，通过访问公司主管内部邮件，威胁该主管。这类行为已经证明，AI 会“越界”，正变得越来越危险。

姚期智认为，有两条思路可以治理AI：一是人类要和AI多交流，从博弈学角度去研究，让AI的行为和人类真正的想法对齐，要让AI更了解人的需求；另一种思路是走一条更可控、更彻底的路径，即实现可证明安全的 AGI。具体来看，即在设计系统时，必须一开始明确AI的行为边界，就像传统算法，先进行严格的数学分析，确保其在理论上不会出问题。

“这一思路令人期待。”姚期智指出，近年来，自动定理证明系统（Automated Theorem Prover）取得了重大技术进展，甚至已经开始采用 Transformer 架构来辅助或主导定理证明过程。这样人类只和可被证明安全的白盒子交流，从而实现更高的安全保障。

不过，姚期智认为，AI安全治理的一些当务之急是要发展AI对齐，以及建立相应的评估方法。“（我们）急需建立如何评估大模型系统，比如到怎样的程度，就能感觉Ta具有危险性等这类评估。”姚期智说。