為了控制、引導超級智能對齊問題，OpenAI周三（5日）表示，組建了一支人工智能對齊團隊Superalignment。同時該團隊也是對OpenAI現有工作的補充，可提升ChatGPT等產品的安全性，在4年內解決超級智能對齊問題。
超級智能將是人類發明的最具影響力的技術之一，可以幫助我們解決世界上許多難題。但超級智能的巨大力量也可能非常危險，并導致人類失去控制權，甚至滅絕人類。雖然超級智能還很遙遠，但OpenAI認為，10年之內就很有可能實現。
目前，OpenAI還沒有一個明確的解決方案來引導或控制超級人工智能。當下可控制的人工智能技術，例如，根據人類反饋進行強化學習，依賴于人類監督的AI能力等。但人類無法可靠地監督，比我們聰明多的AI系統，因此，我們目前的對齊技術無法擴展到超級智能，需要新的科學技術突破。
20%算力用來解決AI失控問題
為了控制、引導超級智能對齊問題，OpenAI組建了一支由Ilya Sutskever（OpenAI聯合創始人兼首席科學家）和Jan Leike領導的人工智能對齊團隊——Superalignment。
同時該團隊也是對OpenAI現有工作的補充，可提升ChatGPT等產品的安全性，包括非法濫用、經濟破壞、虛假信息、偏見和歧視、數據隱私和其他可能出現的問題。
他們預測，超智能AI（即比人類更聰明的系統）可能在這個十年（2030年前）就會到來，人類將需要比目前更好的技術來控制超智能AI，因此需要在所謂的“一致性研究”方面取得突破，該研究的重點是確保人工智能對人類有益。
根據他們的說法，在微軟（Microsoft）的支持下，OpenAI將拿出未來四年所獲算力的20%用于解決AI失控的問題。此外，該公司正在組建一個新的團隊來組織這項工作，稱為超級一致性團隊。
據悉，該團隊的目標是創建一個“人類級別”的AI研究人員，然后通過大量的計算能力進行擴展。OpenAI表示，這意味著他們將使用人類反饋來訓練AI系統，訓練AI系統來輔助人類評估，然后最終訓練AI系統進行實際的一致性研究。
OpenAI的方法
建立一個大致達到人類水平的自動對齊系統。然后，可以使用大量算力來擴展工作，并調整超級智能。
1、開發可擴展的訓練方法：為了針對人類難以評估的任務提供訓練方法，可以通過人工智能系統來協助評估，其他人工智能系統（可擴展的監督）。此外，OpenAI希望了解和控制其模型，將監督應用到無法監督的任務（泛化）上。
2、驗證生成的模型：為了驗證系統的一致性，OpenAI將自動搜索有問題的行為（穩定性）和有問題的內部結構（自動可解釋性）。
3、對整個對齊管道進行壓力測試：可以通過故意訓練未對準的模型，來測試整個安全流程，并確認技術檢測到最差的未對準類型（對抗性測試）。
OpenAI預計，隨著對超級智能對齊了解越來越多，研究重點將會發生重大變化，可能會增加全新的研究領域。
未來，會分享更多有關技術研究路線圖的信息。
