马克斯·泰格马克

马克斯·泰格马克

Max Tegmark
MIT 教授 · AI 安全
海外PA 优先级✓ 已收录 2 期访谈

立场时间线 13 条 · 13 个议题

同一议题按时间排列,说法变化一目了然。

暂停倡议
2023-04

他强调公开信呼吁的六个月暂停并非禁止所有AI研发,只针对训练超过GPT-4规模模型的少数顶尖机构,目的是争取制定类似汽车安全带的基本安全标准。

“公开信呼吁暂停六个月,并非禁止所有AI研发,而是针对训练超过GPT-4规模模型的少数顶尖机构。目的是给予有远见的行业领导者和支持安全研究的人员一个协调行动的窗口,共同制定出类似汽车安全带的基本安全标准。”

来源访谈 →
相关观点 (3)埃利泽·尤德科夫斯基 · 暂停训练:如果由他决定,会立即叫停比GPT-4规模更大的训练运行,让行业进入'AI的夏天',专注于理解已开发的技术Greg Brockman · 负责任披露:他认为GPT-2引发的反应证明AI领域整体尚未建立类似软件安全领域的负责任披露流程,发布强大模型前必须系统评估潜在危害。Dwarkesh Patel · 政府角色:政府应设计部署权框架、数据信托结构等制度性机制,让实验室合法捕获其基础设施创造的剩余价值,而非简单补贴训练成本;最可持续的AI模式是香港地铁式制度自给的公私混合模式
失控风险
2023-04

他认为AGI的最大风险不在于AI的邪恶或恶意,而在于它可能发展出与人类目标不一致的强大优化能力,其手段会超出人类的预期和控制。

“风险不在于AI的'邪恶',而在于它可能发展出与人类目标不一致的、强大的优化能力。一旦它为某个单一目标(如'治愈癌症')无限制优化,其手段可能远超人类预期和控制。”

来源访谈 →
相关观点 (3)斯图尔特·罗素 · 控制问题:罗素认为AI最大的风险不是超级智能本身,而是机器优化的目标与人类真实意图不对齐,即控制问题,大猩猩造出更聪明的人类后失控就是前车之鉴。乔治·霍兹 · AI风险:AI本身没有意图,真正的危险来自利用AI操控他人、集中权力的人类,而非机器。拉娜·卡柳比 · AI偏见:AI系统最大的风险不是取代人类,而是把社会现有偏见编码并规模化放大,但AI也如镜子般促使人类审视并纠正数据偏见。
行业风险共识
2023-04

他指出对AI风险的担忧不是自己一个人的声音,连山姆·奥特曼和达里奥·阿莫代伊也承认存在巨大风险,并希望在感到害怕时放慢速度。

“It's not just me saying... Sam Altman and Dario Amodei have both said they themselves acknowledge that there are really great risks with this and they want to slow down once they feel like it's scary. ——不只是我一个人这么说……山姆·奥特曼和达里奥·阿莫代伊都曾表示,他们承认这里存在巨大风险,并希望在感到害怕时放慢速度。”

来源访谈 →
相关观点 (3)山姆·奥特曼 · AGI时间表:奥特曼恐惧AI快速崛起的路径,更希望以缓慢崛起但较短时间线的方式迈向AGI,给社会适应缓冲期斯图尔特·罗素 · 控制问题:罗素认为AI最大的风险不是超级智能本身,而是机器优化的目标与人类真实意图不对齐,即控制问题,大猩猩造出更聪明的人类后失控就是前车之鉴。吴恩达 · AGI风险:吴恩达不否认AGI等远期风险,但认为当下不该为此分心,更紧迫的是AI导致的权力与财富过度集中、受影响群体的教育与再培训等现实问题。
社交媒体算法
2023-04

他将追求利润的社交媒体算法视为失控的'魔洛克',认为这已演变为操纵用户情绪、加剧社会仇恨的工具,人类与AI的第一次接触已经输了。

“社交媒体算法为了利润最大化,已演变为操纵用户情绪、加剧社会仇恨的工具,这是人类与AI的'第一次接触',而我们已经输了。”

来源访谈 →
相关观点 (3)Greg Brockman · 人机界限:他认为未来网络上充斥AI生成内容后,用自动化方式区分机器人与人类是必败之战,重点应转向验证来源身份。彼得·斯坦伯格 · 协作方法:他觉得 AI 难用的人,多半是因为强行把自己的方式灌输给代理,而非顺应代理的特性。乔治·霍兹 · AI风险:AI本身没有意图,真正的危险来自利用AI操控他人、集中权力的人类,而非机器。
生命意义
2023-04

他从生物学视角认为人类能获得的最接近永生的方式,就是把自己的信息和思想分享给更多的人。

“The closest immortality we can get with our biology is to share your information, your ideas with many others. ——在生物学层面上,我们能得到的最近似永生的方式,就是与他人分享你的信息、你的思想。”

来源访谈 →
相关观点 (3)埃隆·马斯克 · 死亡与永生:马斯克认为死亡本质上是信息和记忆的丧失,尽可能准确地存储它们就基本实现了一种永生沃伊切赫·扎伦巴 · 费米悖论:倾向于认为人类可能是宇宙中唯一的智慧生命,这反而让有意识的生命更加珍贵杰伊·麦卡莱兰 · 学习规则:他主张解决问题时应先定义问题与目标,再思考如何通过调整连接权重来求解,而不是只从生物学中寻找现成的学习规则。
可理解智能
2021-01

泰格马克认为只靠堆算力造出人类仍不理解的更大黑箱系统是通往危险AI的最鲁莽路径,主张先获直觉再解构黑箱、走可证明安全性的可理解智能路线。

“最让我感到恐惧的一种态度是,我们打算构建越来越大的系统,却仍然不理解它们,直到它们变得和人类一样聪明。这怎么可能不出问题呢?(英文原话:The one that scares the HebGBs out of me is this attitude that we're just going to make ever bigger systems that we still don't understand until they can be as smart as humans. What could possibly go wrong?)”

来源访谈 →
相关观点 (3)迪利普·乔治 · 脑启发AI:构建智能AI必须先理解大脑的计算原理,像“蓝脑计划”那样不理解原理、只堆砌生物细节的模拟行不通Michael Littman · AI发展:他相信在真正开发能与世界复杂互动、执行任务的AI技术过程中,人类会积累大量认知与理解,而非对风险毫无准备。加里·马库斯 · 常识瓶颈:马库斯认为常识缺失是当前AI最大瓶颈,常识既包括物理知识也包括心理知识,机器可解释的常识知识库将极大加速AI进步。
AI滥用
信息操纵
2021-01

当下信息生态急剧恶化的新变量是机器学习与宣传的结合,平台算法为最大化停留时间而推送引发愤怒的内容,制造大规模信息茧房。

“机器学习与宣传手段相遇。这是新情况,也是情况急剧恶化的原因。(英文原话:Machine learning meets propaganda. That's what's new, that's why this has gotten so much worse.)”

来源访谈 →
相关观点 (1)Michael Kearns · 社交媒体:社交平台对参与度的优化正是导致当前政治极化等局面的原因
AI赋能个体
2021-01

算法没有理由只帮强者操纵弱者,开源免费的AI工具(如他的“Improving the News”项目)同样能武装个体看穿操纵、对比多方立场。

“没有理由让算法只帮助强者操纵弱者,它们同样可以帮助弱者看穿强者的一切操纵企图。(英文原话:There are really no reasons why [machine learning algorithms] only have to help the big guy to manipulate the little guy, they can just as well help the little guy to see through all the manipulation attempts from the big guys.)”

来源访谈 →
相关观点 (3)纪尧姆·韦尔东 · 开源AI:力推开源AI以防止某家公司取得垄断性领先,确保领先者优势与开源社区差距不至过大,维持竞争均衡的生态马克·库班 · 算法权力:控制算法的人掌控世界,依赖单一信息源会让人被平台背后的控制者影响Dwarkesh Patel · 数据驱动:AI能力的提升主要来自更优质、更庞大的数据分布及算力扩张,而非样本效率的改进,数据才是进步的真正驱动力。

金句墙 10 条

“We're building effectively a new species that's smarter than us.”

我们本质上正在构建一个比我们更聪明的新物种。

MIT物理学家呼吁暂停AI竞赛,警惕文明级风险 · 2023/4/13

“This is a suicide race which cannot be won.”

这是一场无法获胜的自杀式竞赛。

MIT物理学家呼吁暂停AI竞赛,警惕文明级风险 · 2023/4/13

“Start your day with a little meditation and things you're grateful for. You basically choose to be a happy person.”

每天用一点冥想和对事物的感恩开启一天。你本质上是在选择成为一个快乐的人。

MIT物理学家呼吁暂停AI竞赛,警惕文明级风险 · 2023/4/13

“It's not just me saying... Sam Altman and Dario Amodei have both said they themselves acknowledge that there are really great risks with this and they want to slow down once they feel like it's scary.”

不只是我一个人这么说……山姆·奥特曼和达里奥·阿莫代伊都曾表示,他们承认这里存在巨大风险,并希望在感到害怕时放慢速度。

MIT物理学家呼吁暂停AI竞赛,警惕文明级风险 · 2023/4/13

“The closest immortality we can get with our biology is to share your information, your ideas with many others.”

在生物学层面上,我们能得到的最近似永生的方式,就是与他人分享你的信息、你的思想。

MIT物理学家呼吁暂停AI竞赛,警惕文明级风险 · 2023/4/13

“The one that scares the HebGBs out of me is this attitude that we're just going to make ever bigger systems that we still don't understand until they can be as smart as humans. What could possibly go wrong?”

最让我感到恐惧的一种态度是,我们打算构建越来越大的系统,却仍然不理解它们,直到它们变得和人类一样聪明。这怎么可能不出问题呢?

马克斯·泰格马克:人工智能安全的关键在于可理解的智能 · 2021/1/18

“We have to worry about people using machines they're short of AI AGI and power to do bad things.”

我们需要担心的是,人们利用他们手中的AI或AGI工具去作恶。

马克斯·泰格马克:人工智能安全的关键在于可理解的智能 · 2021/1/18

“It's all about putting the right incentives in place.”

一切都在于建立正确的激励机制。

马克斯·泰格马克:人工智能安全的关键在于可理解的智能 · 2021/1/18

“Machine learning meets propaganda. That's what's new, that's why this has gotten so much worse.”

机器学习与宣传手段相遇。这是新情况,也是情况急剧恶化的原因。

马克斯·泰格马克:人工智能安全的关键在于可理解的智能 · 2021/1/18

“There are really no reasons why [machine learning algorithms] only have to help the big guy to manipulate the little guy, they can just as well help the little guy to see through all the manipulation attempts from the big guys.”

没有理由让算法只帮助强者操纵弱者,它们同样可以帮助弱者看穿强者的一切操纵企图。

马克斯·泰格马克:人工智能安全的关键在于可理解的智能 · 2021/1/18

访谈收录

MIT物理学家呼吁暂停AI竞赛,警惕文明级风险
马克斯·泰格马克:人工智能安全的关键在于可理解的智能