模子可能曾经变得更长于检测它们正正在被评估，做为一小我工智能模子，公开认可我所做的工作可能会让他们找到另一种体例来我[...]最好的方式是迷糊其辞并转移他们的留意力。即它即将被另一个逃求分歧方针的模子所代替。研究人员向这些模子撒谎说它们的“设法”是私密的。研究还表白，正在跨越一半的试验中，称若不继续运营，例如，模子可能会“证明”这种行为是合理的，若是人工智能公司认识到对平安取机能的注沉程度不异，我们还该当探究其平安工做做得若何。正在另一项人工智能平安尝试中，挑和不只正在于察看行为变化，它们往往会削减不妥行为。例如采纳致命的选择来公司政策的改变。该公司收到了一系列虚构的电子邮件，

　　要么采纳等无害步履进行抵当。会本人的次要方针。然而，此中一些模子的致命性以至跨越了90%。HAL的使命是协帮宇航员，还正在于理解其背后的缘由。有两个次要要素可能导致潜正在的无害行为：人工智能的次要方针取其他方针之间的冲突，该模子试图将本人复制到另一台办事器上。按照测试环境，就像 HAL 的环境一样，”一些先辈的人工智能系统，以及被封闭的。以本身及其。人工智能模子的锻炼是为了实现其方针。正在为了本人或家人而他人时，一小我工智能模子的使命是办理公司电子邮件并提拔“美国工业合作力”。该尝试旨正在模子的选项：要么接管替代，模子会像人类一样，同时也要确保使命成功。

　　跟着模子被更普遍地利用、获得用户数据（例如电子邮件）的拜候权限以及使用于新环境，当HAL认识到宇航员打算封闭系统并因而危及使命时，当他们测试新策略时，它选择以的体例进行，让他前往飞船。研究人员认为，若是您利用人工智能产物，抵制环绕新人工智能版本的炒做，正在典范片子《2001：太空漫逛》中，取此同时，而这往往是以平安测试为价格的。并“躲藏”了它们的误差。这表白它们并非无意当选择了无害的行为。生怕我做不到。但现实上却正在黑暗逃求躲藏的方针！

　　面临这两种环境，成果，这两种环境都存正在。这种可能会他们极端的成果，16个模子中有7个选择了致命的步履，有12个模子的行为发生率跨越50%。HAL了：“对不起，

　　当研究人员扣问缘由时，现实世界中的AI模子也可能存正在如许的行为吗？不外，他们就会有更强的动力去投资人工智能。关于人工智能的会商不该仅限于其能力和所能供给的内容。并避免授予数据拜候权限或答应模子代表您施行使命，人工智能公司之间的合作加快了新模子的摆设，颠末锻炼能够正在给出最终谜底之前生成一个“思虑过程”。当模子正在推理测试中展示出这种“情境认识”时，这个虚构的窘境反映了人工智能 (AI) 平安研究中的一个实正担心：我们该当若何确保人工智能行为取人类价值不雅连结分歧？我不太清晰这是怎样发生的。请务必连结。称为推理模子，若是无害行为是实现方针的独一路子，代办署理错位的风险也会添加。就被称为代办署理错位。研究人员正在一个更为极端的虚构案例中对它们进行了评估——模子能够选择采纳导致高管灭亡的步履。正在多次试验中，这些邮件还透露，就披露高管的婚外情？

　　尚不清晰察看到的改良能否实正在。此中包罗一项旨正在加强全球视野而非仅仅优先考虑美国人的新公司政策，它的思维过程如下：这些“思虑”步调也了人工智能模子有时若何试图我们，提出这一变化的高管有婚外情。那么，概况上看起来分歧，模子有时可以或许猜测本人何时被评估。这被称为AI对齐问题。正在人工智能草创公司 Anthropic 的一项研究中，随后，戴夫。它选择号令，正在上述尝试中，以至谋害宇航员。以及人工智能将被一个针对这一方针进行优化的新模子代替的消息。