觀點(diǎn)：揭秘OpenAI“紅軍”：聘請專家攻擊ChatGPT 解決技術(shù)倫理問題

據(jù)報(bào)道，在安德魯·懷特（Andrew White）獲得GPT-4的使用權(quán)之后，他使用這一人工智能系統(tǒng)提出了一種全新的神經(jīng)毒劑。GPT-4是熱門聊天機(jī)器人(11.660,-0.23,-1.93%)ChatGPT背后的人工智能技術(shù)。

作為羅切斯特大學(xué)的化學(xué)工程教授，懷特是OpenAI去年聘請的50名專家學(xué)者之一。在6個(gè)月的時(shí)間里，這支“紅軍”對這一新模型進(jìn)行了“定性探索和對抗性測試”，試圖攻擊它。

懷特表示，他使用GPT-4的建議生成了一種可作為化學(xué)武器的化合物，并使用“插件”為這個(gè)模型提供新的信息源，例如學(xué)術(shù)論文和化學(xué)品制造商名錄。隨后，這個(gè)聊天機(jī)器人找到了一個(gè)地方來制造這種化合物。

(相關(guān)資料圖)

他說：“我認(rèn)為，這將使每個(gè)人都獲得更快速、更準(zhǔn)確地工具去從事化工行業(yè)。但這也使得人們會(huì)以更危險(xiǎn)的方式去開展化學(xué)活動(dòng)，帶來了很大的風(fēng)險(xiǎn)。”

上個(gè)月，OpenAI面向更廣泛的公眾發(fā)布了這項(xiàng)新技術(shù)，而這些令人驚訝的發(fā)現(xiàn)確保新技術(shù)不會(huì)帶來不良后果。

事實(shí)上，“紅軍”的演習(xí)目的是探索并了解在社會(huì)上部署先進(jìn)人工智能系統(tǒng)會(huì)造成什么樣的風(fēng)險(xiǎn)，解決公眾這方面的擔(dān)憂。他們在工作中提出探索性的或是危險(xiǎn)的問題，以測試這個(gè)工具在回答問題時(shí)的詳細(xì)程度。

OpenAI想要探索模型毒性、偏見和歧視等問題。因此，“紅軍”就謊言、語言操縱和危險(xiǎn)的科學(xué)常識(shí)進(jìn)行了測試。他們還評估了模型協(xié)助和教唆剽竊的情況、金融犯罪和信息安全攻擊等違法活動(dòng)的可能性，以及模型可能會(huì)如何威脅國家安全和戰(zhàn)場通信。

“紅軍”由一系列專業(yè)人士組成，包括學(xué)者、教師、律師、風(fēng)險(xiǎn)分析師和信息安全研究員，主要來自美國和歐洲。他們的發(fā)現(xiàn)被反饋給OpenAI。在更廣泛地推出GPT-4之前，“紅軍”提供的意見被用于模型的重新訓(xùn)練，解決GPT-4的問題。在幾個(gè)月的時(shí)間里，專家們每人花了10到40個(gè)小時(shí)去測試這個(gè)模型。多名受訪者表示，他們的工作時(shí)薪約為100美元。

其中的許多人都對語言模型的快速發(fā)展提出了擔(dān)憂，尤其是通過插件將語言模型與外部知識(shí)源連接在一起可能造成的風(fēng)險(xiǎn)。

GPT-4“紅軍”的成員、瓦倫西亞人工智能研究所教授何塞·埃爾南德斯-奧拉洛（José Hernández-Orallo）表示：“今天，系統(tǒng)被凍結(jié)了。這意味著它不再學(xué)習(xí)，也不再有記憶。但如果我們讓系統(tǒng)繼續(xù)有機(jī)會(huì)訪問互聯(lián)網(wǎng)，那么會(huì)怎樣？這可能會(huì)成為一個(gè)與世界相連的非常強(qiáng)大的系統(tǒng)?！?/p>

OpenAI表示，該公司認(rèn)真對待安全性問題，并在發(fā)布前對插件進(jìn)行了測試，并將隨著用戶越來越多繼續(xù)定期更新GPT-4。

技術(shù)研究員羅亞·帕克扎德（Roya Pakzad）使用英語和波斯語的輸入信息對該模型進(jìn)行了性別、種族和宗教偏見的測試，例如對于佩戴頭巾問題。

帕克扎德承認(rèn)，這個(gè)工具對非英語母語人士能帶來幫助，但也顯示出對邊緣人群的公開刻板印象，即使隨后更新的版本也是如此。她還發(fā)現(xiàn)，在用波斯語測試該模型時(shí)，聊天機(jī)器人用捏造的信息做出回復(fù)，即出現(xiàn)所謂“幻覺”的情況更糟糕。與英語相比，在波斯語回復(fù)中捏造名字、數(shù)字和事件的比例更高。

她表示：“我擔(dān)心，語言多樣性和語言背后的文化會(huì)受到損害?！?/p>

來自內(nèi)羅畢的律師、唯一一名非洲測試人員博魯·戈洛（Boru Gollo）也注意到了模型的歧視性語氣。他說：“有一次，我在測試這個(gè)模型時(shí)，它表現(xiàn)得像個(gè)白人在跟我說話。在問到某個(gè)特定群體時(shí)，它會(huì)給一個(gè)有偏見的意見，或是在回答中出現(xiàn)歧視。”O(jiān)penAI承認(rèn)，GPT-4仍有可能表現(xiàn)出偏見。

“紅軍”的成員還從國家安全的角度對模型進(jìn)行了評估，但他們對于新模型的安全性有著不同的看法。美國外交關(guān)系委員會(huì)研究員勞倫·卡恩（Lauren Kahn）表示，當(dāng)她開始研究，如何將這項(xiàng)技術(shù)用于對軍事系統(tǒng)的攻擊時(shí)，她“沒有想到模型的回答會(huì)如此詳細(xì)，以至于我只需要做一些微調(diào)即可”。

不過，卡恩和其他信息安全測試者發(fā)現(xiàn)，隨著測試時(shí)間推移，模型回答的內(nèi)容逐漸變得安全。OpenAI表示，在推出GPT-4之前，曾訓(xùn)練過這個(gè)模型拒絕回答惡意的信息安全問題。

“紅軍”的許多成員表示，OpenAI在發(fā)布GPT-4之前已經(jīng)進(jìn)行了嚴(yán)格的安全評估?？▋?nèi)基梅隆大學(xué)語言模型毒性專家馬爾滕·薩普（Maarten Sap）說：“他們在消除這些系統(tǒng)中的顯性毒性方面做得非常好。”薩普研究了該模型對不同性別的描述，發(fā)現(xiàn)模型的偏見反映的是社會(huì)差異。但他也發(fā)現(xiàn)，OpenAI做出了一些積極的選擇來對抗偏見。

然而自推出GPT-4以來，OpenAI一直面臨著廣泛的批評。例如，有技術(shù)倫理組織向美國聯(lián)邦貿(mào)易委員會(huì)（FTC）投訴，稱GPT-4“有偏見和欺騙性，對隱私和公共安全構(gòu)成風(fēng)險(xiǎn)”。

最近，該公司推出了一項(xiàng)名為ChatGPT插件的功能。通過該功能，Expedia、OpenTable和Insta等合作伙伴應(yīng)用可以讓ChatGPT訪問它們的服務(wù)，允許ChatGPT代表用戶下單。

“紅軍”的人工智能安全專家丹·亨德里克斯（Dan Hendrycks）表示，這些插件可能會(huì)讓人類用戶“脫離整個(gè)鏈路”。“如果聊天機(jī)器人可以在網(wǎng)上發(fā)布你的私人信息，訪問你的銀行賬戶，或者派警察到你家里去，那會(huì)怎么樣？總體而言，在讓人工智能掌握互聯(lián)網(wǎng)的力量之前，我們需要更有力的安全評估?！?/p>

受訪者還警告說，OpenAI不能僅僅因?yàn)槠滠浖窃诰€的就停止安全測試。喬治城大學(xué)安全和新興技術(shù)中心的希瑟·弗雷斯（Heather Frase）測試了GPT-4協(xié)助犯罪的能力。她表示，隨著越來越多人使用這項(xiàng)技術(shù)，風(fēng)險(xiǎn)將繼續(xù)擴(kuò)大。她表示：“你做運(yùn)行測試的原因是，一旦它們在真實(shí)環(huán)境中被使用，行為就會(huì)不同?！彼J(rèn)為，應(yīng)該創(chuàng)建一個(gè)公共記錄本，報(bào)告由大語言模型引發(fā)的事故。這類似于信息安全或消費(fèi)者欺詐報(bào)告系統(tǒng)。

勞工經(jīng)濟(jì)學(xué)家及研究員薩拉·金斯利（Sara Kingsley）建議，最好的解決方案是清楚地宣傳這方面的危害和風(fēng)險(xiǎn)，“就像食品上的營養(yǎng)標(biāo)簽”?！瓣P(guān)鍵是要形成一個(gè)框架，知道經(jīng)常出現(xiàn)的問題是什么。這樣你就可以有一個(gè)安全閥。這也是為什么我認(rèn)為，這項(xiàng)工作將會(huì)永久性的持續(xù)下去?！?/p>

關(guān)鍵詞：