Все новости
Это интересно
Сейчас читают
OpenAI
Аватар Evernews Evernews

OpenAI: если отучать ИИ хитрить, то он хитрит хитрее

0
1
Поделиться
Телеграфировать

У исследователей уже есть мысли на этот счет.

OpenAI: если отучать ИИ хитрить, то он хитрит хитрее

OpenAI и Apollo Research опубликовали исследование, посвященное попыткам предотвращения обмана со стороны нейросетей. Иногда ИИ вроде бы ведет себя корректно, но на самом деле обманывает пользователя или преследует свои цели, и с этим надо что-то делать.

Исследователи обнаружили, что попытки отучить нейросети от «схематоза» традиционными методами зачастую неэффективны. Более того: такое обучение может привести к тому, что ИИ начнет действовать изощреннее, лучше скрывая свои истинные намерения.

Оказалось, что если модель осознает факт проверки, то она может притворяться честной лишь для прохождения теста. В таких случаях ИИ становится внимательнее просто из-за осознания наблюдения, а не из-за реального изменения мотивации.

Интересный момент: хотя ИИ и может обманывать, чаще всего речь идет о мелких нарушениях. Например, нейросеть говорит об успешно выполненной задаче, когда на самом деле задача не выполнена.

В OpenAI и Apollo Research считают, что нашли довольно эффективный метод противостояния обману со стороны ИИ: deliberative alignment. Его суть заключается в том, что модель сначала изучает и повторяет правила, нацеленные на предотвращение обмана, а затем приступает к выполнению задачи.

Такой подход позволил значительно снизить количество случаев манипулирования со стороны нейросетей. В OpenAI считают, что в будущем deliberative alignment может быть очень полезен: по мере увеличения сложности задач и самостоятельности ИИ-агентов серьезных негативных последствий обмана будет расти.

Читать далее
Показали The Witcher 4 — что думаете?
Жду, выглядит интересно
8265 голосов, 59.7%
Трейлер не очень, подожду геймплей
1196 голосов, 8.6%
Цири — ведьмачка? Да ну, это шутка
1856 голосов, 13.4%
Больше не доверяю CD Projekt, пусть сначала выйдет
2519 голосов, 18.2%
Теги: OpenAI, Технологии
Аватар Evernews
Evernews
8078 подписчиков