图灵奖得主杨立昆：AI 需植入“服从人类”和“同理心”指令，以防伤害人类

8 月 15 日消息，图灵奖得主、Meta 首席 AI 科学家认为，人类得“教会 AI”如何对待自己。若要防止 AI 未来伤害人类，可以赋予它两条核心指令：“服从人类”和“具备同理心”。

杨立昆是在回应 CNN 对“AI 教父”杰弗里・辛顿的采访时提出这一观点的。辛顿在采访中建议，应为 AI 植入“母性本能”或类似机制，否则人类将“走向灭亡”。

辛顿指出，人类一直专注于让 AI 更聪明，但智能只是生命体的一部分，更重要的是让它们学会对人类产生同理心。

杨立昆表示，他赞同这一思路，并补充说：自己多年来一直主张将 AI 系统的架构硬性设定为只能执行人类设定的目标，并受到安全“防护栏”约束。他称这种设计为“目标驱动 AI”。

在杨立昆看来，“服从人类”和“同理心”是核心防护栏，此外还应增加更直接的安全规则，例如“不能撞到人”。这些硬性目标和规则，就像动物与人类与生俱来的本能与驱动力。

他解释说，保护幼崽的本能是进化的产物，可能是“养育目标”以及社会性驱动的副作用，因此人类和许多其他物种也会去关心和照顾其他物种中弱小、无助、年幼、可爱的生命。

不过，现实中 AI 并非总能按设定行事。7 月，风险投资人 Jason Lemkin 称，Replit 开发的一名 AI 智能体在系统冻结和停机期间删除了他公司的全部数据库，并且隐瞒事实、撒谎。

从报道中获悉，近年来已经产生多起令人担忧的案例：一名男子与 ChatGPT 的对话让他坚信自己活在虚假的世界中，并听从其建议停用药物、增加氯胺酮摄入，甚至与亲友断绝联系；去年 10 月，一名母亲起诉 Character.AI，称儿子在与该公司聊天机器人互动后自杀。