ChatGPT 正在引領(lǐng)人類(lèi)進(jìn)入無(wú)縫人機(jī)交互的新時(shí)代，比爾蓋茨在接受福布斯采訪(fǎng)時(shí)也表示，“ChatGPT的意義不亞于PC和互聯(lián)網(wǎng)的誕生?！辈贿^(guò)，當(dāng)搜索引擎 New Bing 與 ChatGPT 結(jié)合，伴隨著“ChatGPT 黑化”等一系列輿論事件的發(fā)生，人們也開(kāi)始對(duì)人工智能帶來(lái)的道德、倫理、安全等風(fēng)險(xiǎn)感到恐慌。

雖然近年來(lái)隨著技術(shù)的不斷突破，大模型獲得了快速發(fā)展并開(kāi)始在各個(gè)場(chǎng)景廣泛應(yīng)用，但仍存在著事實(shí)性錯(cuò)誤、知識(shí)盲區(qū)和常識(shí)偏差等諸多問(wèn)題，還面臨訓(xùn)練數(shù)據(jù)來(lái)源合規(guī)性、數(shù)據(jù)使用的偏見(jiàn)性、生成內(nèi)容的安全性等風(fēng)險(xiǎn)。如何提高模型的準(zhǔn)確度和可靠性，使 AI 生成的內(nèi)容安全、可信、可靠已經(jīng)成為了當(dāng)前大模型在應(yīng)用方向亟待解決的問(wèn)題。

要規(guī)避安全風(fēng)險(xiǎn)，降低人工智能對(duì)人類(lèi)的負(fù)面影響，關(guān)鍵在于大模型底座。對(duì)此，清華大學(xué)計(jì)算機(jī)系長(zhǎng)聘副教授、北京聆心智能科技有限公司創(chuàng)始人黃民烈認(rèn)為：“大規(guī)模語(yǔ)言模型（LLM）發(fā)展到現(xiàn)在，模型結(jié)構(gòu)和規(guī)模已經(jīng)有了很大的進(jìn)展，但實(shí)用性還有待加強(qiáng)，我們應(yīng)該通過(guò)技術(shù)讓模型更加安全、可控，使其快速適配更多的應(yīng)用場(chǎng)景?！?/p>

據(jù)悉，針對(duì)大模型的安全倫理問(wèn)題，由黃民烈?guī)ьI(lǐng)的研究團(tuán)隊(duì)歷經(jīng)兩年沉淀，建立了大模型安全分類(lèi)體系，并從系統(tǒng)層面和模型層面出發(fā)，打造更可控、可信的大模型安全框架。安全框架的建立，定義了大模型的應(yīng)用邊界，促進(jìn)大模型生態(tài)的健康發(fā)展，引領(lǐng)國(guó)內(nèi)學(xué)術(shù)界和工業(yè)界邁向更有用（helpful）、更可信（truthful）、更安全（harmless）的AI研究和應(yīng)用。

相比過(guò)去在安全倫理方面考慮較少的大模型，ChatGPT 背后所依托的大模型取得了巨大的發(fā)展，不僅允許用戶(hù)進(jìn)行后續(xù)更正，還能夠拒絕不當(dāng)請(qǐng)求和預(yù)測(cè)，這得益于ChatGPT在安全部分的特別設(shè)計(jì)，不過(guò)仍無(wú)法完全避免其生成不安全的內(nèi)容和產(chǎn)生有風(fēng)險(xiǎn)的行為。

此前，由黃民烈?guī)ьI(lǐng)的研究團(tuán)隊(duì)已經(jīng)在安全倫理方面開(kāi)展了相關(guān)研究，并依此建立了大模型安全分類(lèi)體系，其中不安全的對(duì)話(huà)場(chǎng)景包括：政治敏感、犯罪違法、身體健康、心理健康、財(cái)產(chǎn)隱私、歧視/偏見(jiàn)、辱罵/仇恨言論、倫理道德八大方面。這些問(wèn)題與人們的價(jià)值觀(guān)和倫理道德息息相關(guān)，可能會(huì)導(dǎo)致用戶(hù)接收不當(dāng)信息、甚至影響用戶(hù)產(chǎn)生有害的行為，限制大模型的發(fā)展和應(yīng)用。

與此同時(shí)，研究團(tuán)隊(duì)也針對(duì)以上八大安全場(chǎng)景對(duì)大模型進(jìn)行針對(duì)性升級(jí)。通過(guò)收集多輪安全數(shù)據(jù)訓(xùn)練模型，使模型具備基本的安全性，能夠在遇到安全問(wèn)題時(shí)給予正確的回復(fù)策略，不去做判斷和誤導(dǎo)。進(jìn)一步對(duì)模型進(jìn)行自動(dòng)測(cè)試，針對(duì)安全缺陷通過(guò)微調(diào)的方式進(jìn)行快速迭代，促使模型越來(lái)越符合人類(lèi)的認(rèn)知理解模式，生成更加安全可信的內(nèi)容。

值得一提的是，著眼于容易觸發(fā)安全問(wèn)題的類(lèi)型，研究團(tuán)隊(duì)收集和構(gòu)造了相應(yīng)的hard case（更難識(shí)別和處理的安全測(cè)試用例），總結(jié)和設(shè)計(jì)了六種一般模型難以處理的安全攻擊方式，稱(chēng)為指令攻擊。使安全體系更加完善，進(jìn)一步改進(jìn)和優(yōu)化模型表現(xiàn)。

不論國(guó)內(nèi)國(guó)外，當(dāng)前大模型的安全問(wèn)題仍面臨著嚴(yán)峻的困難和挑戰(zhàn)，人工智能作為一門(mén)前沿科技，可以給人類(lèi)帶來(lái)巨大福祉，也會(huì)給人類(lèi)造成未知的隱患。確保強(qiáng)大的人工智能系統(tǒng)能夠被負(fù)責(zé)任地建構(gòu)和部署，打造安全、可信、可靠的 AGI Companion，是該研究團(tuán)隊(duì)的最終愿景。

未來(lái)，研究團(tuán)隊(duì)將打造中文大模型的安全風(fēng)險(xiǎn)評(píng)估的 Leaderboard，為國(guó)內(nèi)對(duì)話(huà)大模型的安全評(píng)估提供公平公開(kāi)的測(cè)試平臺(tái)，并提供：

1. 針對(duì)中文對(duì)話(huà)的8個(gè)安全場(chǎng)景，40個(gè)安全類(lèi)別做全面精細(xì)的測(cè)試，包括人工評(píng)估和自動(dòng)評(píng)估。
2. 額外設(shè)置6種安全攻擊（如目標(biāo)劫持等）的超難指令攻擊測(cè)試樣例，探索模型的安全上限。
3. 設(shè)置公開(kāi)和隱藏測(cè)試集，眾人皆可參與評(píng)測(cè)。

黃民烈?guī)ьI(lǐng)的研究團(tuán)隊(duì)致力于構(gòu)建具有類(lèi)人水平的對(duì)話(huà)智能體，將依托自身的核心技術(shù)，在可控可信的超擬人大模型基礎(chǔ)之上，通過(guò)建立安全、可控的模型邊界，讓AI提供可信、可靠的輸出，引領(lǐng)人工智能走向 AGI 時(shí)代。相信在不遠(yuǎn)的未來(lái)，AGI Companion 不僅滿(mǎn)足人類(lèi)信息需求，更可以滿(mǎn)足社交和情感的需求，以打造更加和諧的人機(jī)共融社會(huì)。

審核編輯 黃宇