
就在今天,一众全球范围内AI领域的重要人物,包括伊隆·马斯克(Elon Musk)和OpenAI CEO萨姆·奥尔特曼(Sam Altman)等在内,共同联署了一封公开信,呼吁全球共同努力,降低人工智能导致的灭绝风险。
这封公开信由Safe AI Society发起,该组织是一个致力于推动AI安全研究和政策的非营利组织。这封公开信强调,AI的发展可能带来重大的风险,包括人类文明的存续风险。他们呼吁全球的研究者、政策制定者和公众共同努力,避免在AI发展中出现可能威胁安全的竞赛行为。
这次联署,与几个月前的一次呼吁有类似之处,但有本质不同。当时,马斯克等人呼吁,暂停训练大型AI模型六个月,主要是考虑到大型AI模型可能带来的风险和道德问题。那封公开信虽然也有上千人参与,但是这次联署中出现的很多人,并没有加入其中,比如“ChatGPT之父”萨姆·奥尔特曼,以及国内的清华大学AIR院长张亚勤。
而这一次声明虽然很短,只有22个词,但透露的情绪明显更警惕——将AI风险与瘟疫大流行和核战争,相提并论。公开信如下:
部分签署声明的专家和公众人物名单:
1. Geoffrey Hinton - 多伦多大学计算机科学名誉教授
2. Yoshua Bengio - 蒙特利尔大学/米拉计算机科学教授
3. Demis Hassabis - Google DeepMind首席执行官
4. Sam Altman - OpenAI首席执行官
5. Dario Amodei - Anthropic首席执行官
6. Dawn Song - 加州大学伯克利分校计算机科学教授
7. Ya-Qin Zhang - 清华大学AIR教授和院长
8. Ilya Sutskever - OpenAI联合创始人和首席科学家
9. Shane Legg - Google DeepMind首席AGI科学家和联合创始人
10. Martin Hellman - 斯坦福大学电气工程名誉教授
11. James Manyika - Google-Alphabet研究、技术与社会高级副总裁
12. Yi Zeng - 中国科学院自动化研究所大脑启发式认知AI实验室教授和主任
13. Xianyuan Zhan - 清华大学助理教授
14. Anca Dragan - 加州大学伯克利分校计算机科学副教授
15. Bill McKibben - 米德尔伯里学院舒曼杰出学者
16. Alan Robock - 罗格斯大学气候科学杰出教授
17. Angela Kane - 国际和平研究所副总裁,前联合国裁军事务高级代表
18. Audrey Tang - 数字事务部长,国家网络安全研究所主席
19. Daniela Amodei - Anthropic总裁
20. David Silver - Google DeepMind和UCL计算机科学教授
21. Lila Ibrahim - Google DeepMind首席运营官
22. Stuart Russell - 加州大学伯克利分校计算机科学教授
23. Marian Rogers Croak - Google负责人工智能和人类中心技术的副总裁
24. Andrew Barto - 马萨诸塞大学名誉教授
25. Mira Murati - OpenAI首席技术官
26. Jaime Fernández Fisac - 普林斯顿大学电气和计算机工程助理教授
27. Diyi Yang - 斯坦福大学助理教授
28. Gillian Hadfield - 多伦多大学教授,CIFAR AI主席,AI向量研究所
29. Laurence Tribe - 哈佛大学名誉大学教授
30. 30.30. Pattie Maes - 麻省理工学院 - 媒体实验室教授
31. Kevin Scott - 微软首席技术官 ?
加入公开信签名?:https://www.safe.ai/statement-on-ai-risk#open-letter
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。