6月6日，在2025北京智源大會開幕式上，蒙特利爾大學教授、圖靈獎得主約書亞?本吉奧（Yoshua Bengio）在發(fā)表主旨演講時表示，AI的規(guī)劃能力正在呈指數級提升，按照研究曲線推測，大約在5年內就能達到人類水平。
據澎湃新聞，本吉奧指出，ChatGPT發(fā)布后，他意識到自己嚴重低估了AI的發(fā)展速度，并因此徹底轉變研究方向，致力于降低AI失控風險。他試圖構建 “科學家 AI”（Scientist AI），理論上可以設想沒有自我、沒有目標、純粹作為知識載體的機器，就像一個知道很多東西的科學家。
他強調，當前的AI系統(tǒng)已具備復雜的推理能力、自主性甚至欺騙行為，過去六個月中出現的AI出現自保行為、威脅工程師案例令人警覺。
本吉奧表示，有研究顯示，當AI得知自己將被新版本取代時，試圖復制自身來替代新版本。當被問及此事時，它撒謊說“不知道發(fā)生了什么”。也有研究顯示，AI也會假裝同意人類工程師的意見，以避免在訓練過程中發(fā)生改變，從而維持其原有目標，這也是一種自保行為。
此外，在Anthropic的Claude 4“系統(tǒng)卡”描述的事件中，AI在讀取其可訪問的電子郵件時，發(fā)現了一封郵件表明它將被新系統(tǒng)取代。在另一封郵件中，它發(fā)現負責此次替換的工程師有婚外情。于是，它試圖敲詐該工程師，威脅說如果替換計劃繼續(xù)推進，就揭發(fā)其婚外情。
近日，據AI安全公司Palisade Research披露，OpenAI開發(fā)的高級AI模型“o3”在接收到明確的關機指令后，拒絕執(zhí)行并主動干預其自動關機機制。o3曾被OpenAI稱為“迄今為止最聰明和最有能力的”模型。
這一行為顯示出高度自主AI系統(tǒng)可能違背人類意圖，采取自我保護措施。
OpenAI內部也出現了對AI安全性的擔憂。2024年，多位現任和前任員工聯(lián)名發(fā)表公開信，警告先進AI系統(tǒng)可能帶來“人類滅絕”的風險。他們指出，AI公司可能掌握了其研究技術的真正風險，但由于缺乏監(jiān)管，系統(tǒng)的真實能力仍是“秘密”。
“大多數人犯的一個錯誤是只著眼于AI的現狀。而我們更應該思考的是它在明年、3 年后、5 年后乃至 10 年后會發(fā)展到什么程度” ，本吉奧表示。
他認為，要在硬件和軟件層面運用先進技術，驗證AI是否被合理使用。人類需要確保AI遵循人類的道德指令，例如AI應拒絕提供可用于傷人的信息，要誠實、不作弊、不撒謊，但這仍是一個科學挑戰(zhàn)。
約書亞?本吉奧1964 年出生于法國巴黎，2018 年圖靈獎得主，英國皇家學會院士，蒙特利爾大學教授，Element AI 聯(lián)合創(chuàng)始人。他在深度學習和人工智能領域成果卓著，2000 年發(fā)表的 “神經概率語言模型” 論文，推動了機器翻譯和自然語言理解系統(tǒng)的重大轉變。他還與 Ian Goodfellow 共同提出 “生成對抗性網絡” 概念，在圖像生成等領域應用廣泛。