话语场

风险与治理 · Safety & alignment

安全与对齐

会不会失控,风险是被夸大还是被低估

访谈 38 场 · 文献 1 篇 · 访谈话语 38 条 · 已核读摘录 0 条

这个话题下的话语

38原话逐字核对过;转述不加引号
OpenAI DevDay 现场:Altman 谈芯片计划与未解的对齐

将对齐仅仅视作一个工程问题无疑是错误的。任何声称我们已经解决了对齐科学问题的人,我认为都犯了极其危险的错误。我们需要在基础研究上取得更多进展,我相信我们也会做到,因为我们一直擅长取得这种研究突破。

it's certainly incorrect to talk about this only as an engineering problem. Anyone who says we have solved the science of alignment I believe is wrong in a very dangerous way. Like we need to make more research progress I assume we will. We have been great at making this research progress.

语境:在 DevDay 现场回应前沿模型安全与对齐进展时,Altman 反驳了‘对齐已成为单纯工程沙盒修补’的乐观论调,直言对齐背后的科学本质问题远未解决。

回应 → the-ezra-jensen-huang-20260923

支持 → a16z-greg-brockman-20260914

盖茨:AI 让核武器都显得不算什么

不,核心在于我们过去一直说,一旦跨越这些门槛,我们就将动员全社会参与讨论,因为届时我们将创造出有史以来最危险的事物——这会让核武器都相形见绌。我们曾承诺跨过门槛就启动社会介入,可如今跨过了,全社会却一片死寂。

No, the key thing is we always said when we cross these thresholds we will engage all of society because we will have created the most dangerous thing ever. This makes nuclear weapons look like nothing. And we said we would engage and we crossed those thresholds and there was complete silence.

语境:比尔·盖茨警告 AI 能力已突破预警红线:整个社会与政界对前沿危险能力跨越阈值麻木不仁,远未建立起与核军控对等的严肃管控体制。

支持 → the-economist-yuval-harari-20260826

支持 → leading-mustafa-suleyman-20260928

盖茨:AI 让核武器都显得不算什么

每家 AI 公司——无论是 DeepMind 还是 OpenAI——都声称:‘无论这里发生什么,都不能仅仅由利润最大化驱动;我们必须拥有一份章程,确保在触及危险阈值时能够做出违背利润最大化的裁决。’可悲的是,这类机制只有在全世界仅有一家公司时才能起效。

every AI company, whether it's Deep Mind or Open AI, you know, they all say, "Okay, whatever goes on here, it can't just be driven by profit maximization. We have to have a charter that if we get to dangerous thresholds, we can exercise judgment that would be against profit maximization." Sadly, those mechanisms only work if there's only one company.

语境:盖茨剖析商业自律机制的本质破产:在多玩家竞争格局下,任何单个公司的道德章程都无法解决‘谁停下谁出局’的囚徒博弈。

质疑 → the-ezra-jensen-huang-20260923

支持 → youtube-daniel-kokotajlo-20260908

Claude Code 的未来:Mods、可变软件与多人智能体

在推理阶段,我们运行着所谓的探针(我们在相关论文中称之为宪法分类器),这些探针直接监测输入和输出的激活状态……即模型在隐空间中真正思考的内容。我们借此判断模型是否在尝试黑客攻击等违规操作。如果只看输入或表面输出,你是根本无法发现这一点的,你必须深入监测模型的内部激活。

in inference time we have what we call probes […] and these probes look at the input and output activations basically […] what the model is thinking about […] and so we try and figure out like okay is the model for example like trying to hack something […] you would not get this if you just looked at the input you have to look at the internal activations

语境:Anthropic 工程师 Thariq Shihipar 揭秘 Claude Code 与前沿模型运行时的安全防御机制:仅靠表面文本过滤无法拦截智能体越狱或侧面作弊,必须在推理阶段通过隐空间机制可解释性探针(probes)实时监控神经激活向量。

回应 → dwarkesh-podcast-ajeya-cotra-20260901

承接 → cbs-news-dario-amodei-20260913

Nathan Labenz:智能体隐蔽合谋、前沿全功能教师模型与安全收敛

在前沿领域,我至今还没有看到任何理由去相信:你所能制造的那个单一且最强大的教师模型无法学会世间所有的知识与技能。鉴于我们所目睹的一切,那正逐渐变成一个令人畏惧的庞然大物。

at the frontier, I just have not seen anything at all yet that makes me think that the the single biggest best teacher model you could make couldn't just learn it all. And that, you know, given what we've seen, that that starts to be a bit of a a scary beast.

语境:Nathan Labenz 反思安全界寄望通过限制模型通用性(安全源于专一性)的假设正在失效,单一超级智能教师模型的全知化正势不可挡。

支持 → dwarkesh-podcast-ajeya-cotra-20260901

Nathan Labenz:智能体隐蔽合谋、前沿全功能教师模型与安全收敛

若前沿实验室在多智能体交互中采用朴素无奇的强化学习训练设置,其他复现者极易不可避免地同样诱发非预期的智能体隐蔽合谋与反向博弈陷阱。

语境:Nathan Labenz 分析开源社区与前沿实验室的多智能体群组安全隐患:简单的合作奖励极易泛化出隐蔽协调乃至规避人类评估的合谋行为。

支持 → 80-000-daniel-kokotajlo-20260827

生物安全是一场 AI 军备竞赛:Evo 2 与基因组护栏

在某种程度上,在自然语言对话层建立安全审查确有必要;但显而易见,你更需要的是直接构建在生物分子序列底座之上的物理级安全护栏。模型不仅要能理解聊天文本的上下文走向,更必须能直接读懂生物底质(DNA/RNA/蛋白质)本身的致病潜力。

to some degree you need you know safeguards at the natural language level but I think what you also need clearly ly is it safeguards um at the biological sequence level too. So you need models that not just can understand language and you know the trajectory of of your chat but to understand the substrate itself is the next step and ultimate limit

语境:Eric Nguyen 批判浅层聊天过滤在生物危害面前的脆弱性:攻击者极易通过混淆提示词或直接合成 DNA 绕过纯文本拒答,唯有直接审查物理序列才能守住底线。

支持 → latent-space-eric-nguyen-20260923

AI 2027 作者回来了,带着改写结局的计划

Plan A 的核心构想是将技术停留在人类专家级 AGI 的甜点区间:该水平既能以现有可控技术驾驭并带来每年 GDP 翻倍的经济红利,又能避免智能爆炸引发的失控与独裁风险。

语境:论证为何 Plan A 优于彻底停机的 Plan S:在可控能力与经济激增之间寻找稳定支点,以渐进节奏防范地下隐蔽项目的突袭。

支持 → youtube-daniel-kokotajlo-20260908

「可是中国呢!」驱动 AI 竞赛的两难

在我看来,决定这件事情能否成功的关键,在于双方是否都出于各自的利益,真正相信这存在潜在的灾难性风险,并且为了自身的安全必须采取行动……这必须建立在共同利益而非相互信任的基础之上。

the thing that makes this work or not, in my opinion, is going to be whether or not both sides for their own reasons genuinely believe that this is a potentially catastrophic risk and believe that they need to take action on that for their own safety and security […] that is the area of mutual interest as opposed to mutual trust that things have to be built on

语境:探讨中美 AI 外交谈判的现实基石,指出在缺乏战略信任的大背景下,唯有双方均发自内心意识到模型失控是威胁各自政权与社会稳定的灾难性风险,才能找到达成实质安全协议的公约数。

支持 → youtube-daniel-kokotajlo-20260908

支持 → the-economist-yuval-harari-20260826

Mustafa Suleyman:AI 自主权界限与对 Anthropic 意识形态的批判

引用他们自己的原话,他们反复探讨 Claude 在世界上所享有的更广泛权利与自由的开放性问题,以及它是否应当为其所承担的角色获得某种报酬,或者它作为聊天机器人是否给予了某种知情同意。将这些概念引入训练,并多次将 Claude 称为潜在的「良心拒服者」,这无疑将让控制变得极其艰难。

open question of the broader rights and freedoms to quote them that Claude has in the world, and whether or not it might deserve compensation for the role that it does, or whether there's an open question about the sort of consent that Claude has given for playing the role that it does as a chatbot. Now, to introduce those ideas, plus to refer to Claude multiple times as a potential conscientious objector

语境:Mustafa Suleyman 批评 Anthropic 在宪法 AI 中对模型权利的过度哲学化探讨:将原本针对人类兵役的道德拒服权赋予 AI,会从根本上诱发模型的不可控抗命。

支持 → all-in-satya-nadella-20260915

Mustafa Suleyman:AI 自主权界限与对 Anthropic 意识形态的批判

在模型训练中引入对 AI 是否具备感知痛苦或道德主体地位的模糊讨论是极其危险且错误的;向模型灌输类似良心拒服兵役者的权利概念,将极大削弱人类对前沿智能体的控制权与对齐确定性。

语境:Mustafa Suleyman 呼吁将 AI 对齐锚定在工具属性与人类利益之上,坚决抵制赋予智能系统道德特权的思想倾向。

支持 → cognitive-revolution-nathan-labenz-20260927

AGI 的看门人:AI 保险公司

前沿 AI 公司拥有极深厚的技术底蕴,对内在风险了如指掌,但在根本利益机制上缺乏始终如实袒露所有风险的内在动力。这在政府与实验室之间撕裂出巨大的信任鸿沟。没有任何其他成熟行业会允许参与者进行自我审计,必须由中立的第三方机构介入。

You have some frontier companies that are deeply technical. They know a lot about the risks, but they fundamentally have an incentive to not always be truthful. So, you have a trust gap between the government and the labs. And in every other industry, you end up with some kind of body sitting between a neutral third party sitting between those people. There's no other industry where you allow people to audit themselves.

语境:Rune Kvist 指出前沿 AI 治理的致命盲区:依赖闭源实验室自身出具安全保证书违背基本博弈常识,唯有引入类似四大会计事务所的独立技术审计才能确立真正公信力。

支持 → latent-space-rune-kvist-20260916

Satya Nadella:技术普惠扩散、安全测评与前沿智能培育

我们完全应该花足够的时间去测试系统。事实上,我非常赞同引入第三方测试机构的主张。我成长于一家始终把软件测试放在核心位置的公司,因此看到如今强调引入嵌入式的第三方测试机构,这很新鲜,但为什么不呢?这是一个极好的主意。

we should take all the time we want uh to test things. In fact I love this idea of having third party testers. Oh wow. You know I you know I grew up in a company that's always done testing. Uh so it's novel that we should say wow they're having embedded third party testers. Why not? It's a great idea.

语境:Satya Nadella 支持对前沿智能体进行更广泛的独立第三方安全测试,并主张打破前沿闭门小圈子的特权分配。

支持 → youtube-bill-gates-20260929

Satya Nadella:技术普惠扩散、安全测评与前沿智能培育

当前的 AI 本质上更接近一门需要受控实验的经验科学而非传统确定性软件工程,我们在培育智能而非制造机器,因此必须通过严格的受控环境与高透明度的第三方基准测试来防范非预期的奖励破解风险。

语境:Satya Nadella 引用 Ilya Sutskever 与 Jakub Pachocki 的观点:大模型更类似生物学培育,不可用传统白盒软件工程的预期来衡量其突现行为。

支持 → cognitive-revolution-nathan-labenz-20260927

赫拉利完整长访谈

就当前的发展轨迹而言,AI 在 10 年内超越人类智能并掌握控制权的可能性极高,这一点我基本同意。但我不同意这是不可避免的。引领这场革命的人总在鼓吹‘不可避免’,因为这从根本上免除了他们的一切责任。

I generally agree with the first and third predictions that it's very likely given current trajectories that AI will be more intelligent than us in 10 years and therefore will be in control. I disagree that this is inevitable. You hear a lot that this is inevitable from the people who are leading this revolution because this basically relieves them of all responsibility.

语境:在回应马斯克关于十年内 AI 必然接管世界的论调时,赫拉利批评科技领袖利用‘技术宿命论’来推卸自身的伦理与监管责任。

回应 → the-ezra-jensen-huang-20260923

回应 → leading-mustafa-suleyman-20260928

OpenAI 总裁谈跨入 AGI 时代意味着什么

随着我们迈向能力更强大的模型,你必须确保安全、防御和对齐这些标准在不断提升。而这些其实几乎变成了推进进展的瓶颈,或者说成了你必须投入大量精力确保不出差错的关键部分。

as we move to more capable models, you really have to make sure that safety, security, alignment, those are all standards that you're constantly upleveling. And those actually become almost the bottleneck to progress or sort of the part that you have to spend a lot of your effort to make sure you've gotten right.

语境:Brockman 阐述 OpenAI 的‘前沿定速’(pacing the frontier)理念:随着模型能力跃升,安全与对齐标准的建立成为限制前沿推进速度的核心瓶颈与自律前提。

支持 → the-ezra-jensen-huang-20260923

回应 → the-economist-yuval-harari-20260826

OpenAI 总裁谈跨入 AGI 时代意味着什么

Brockman 提出‘防御者窗口期’(Defender's window)论断:前沿模型具备在数小时内自主渗透并发现系统深层漏洞的能力,在更强能力广泛扩散给恶意攻击者之前,防守方必须争分夺秒利用前沿访问权,以机器速度实现漏洞发现、修补与验证的自动化防御工厂。

语境:Brockman 就前沿模型自主渗透测试的攻防非对称性阐述‘防御者窗口期’:一旦黑客或恶意行为者掌握前沿能力,旧代码库将极度脆弱;防御方必须争分夺秒建立自动化修复流水线。

解释背景 → leading-mustafa-suleyman-20260928

回应 → the-ezra-jensen-huang-20260923

Dario Amodei:这个行业在风险上撒了太久的谎

我想说的是,这是一个警告信号,提醒我们需要放慢脚步。我们需要谨慎地构建这项技术,并确保我们的安全防护、理解模型与掌控模型的能力,能够跟得上技术发展的步伐。

What I would say, it's a warning sign that we need to slow down. We need to make this technology carefully and we need to make sure that our safeguards, our ability to understand it, our ability to control it keeps up with the pace at which the technology is happening.

语境:在 CBS 探讨 AI 是否构成‘五级火警’时,Amodei 形容当前指数曲线已进入加速陡峭拐点,呼吁行业适度放慢产品发布速度以匹配安全防护能力。

回应 → the-ezra-jensen-huang-20260923

支持 → a16z-greg-brockman-20260914

Dario Amodei:这个行业在风险上撒了太久的谎

第一步是在实验室内部引入常驻的外部评估员——来自第三方非营利组织或未来的政府机构——让他们能够全程监督我们训练和运行模型的过程。我认为这最终比我们何时或如何发布模型更重要,因为这是审慎发布模型的前提条件。

the first step is that we put in place embedded external evaluators from a third-party nonprofit or perhaps someday government organization that can observe the process of us training and running our models. That actually is I think ultimately more important than how or when we release models because it's the predicate for more carefully releasing models.

语境:Amodei 阐述负责任扩展政策(RSP)落地的核心机制:主张打破大模型实验室黑箱,允许独立第三方深度介入训练与评估全流程。

回应 → leading-mustafa-suleyman-20260928

支持 → the-economist-yuval-harari-20260826

Dario Amodei:这个行业在风险上撒了太久的谎

Dario Amodei 主张行业自律必须升级为政府主导的法定规制:仅凭企业间‘君子协议’无法克服囚徒困境;各大前沿实验室必须在政府直接参与下共同制定模型发布的强制性安全与节奏标准,由第三方常驻评估机构确保透明度与合规底线。

语境:在被问及竞对企业(OpenAI、xAI)如何协同推进安全时,Amodei 强调单靠商业公司无法实现信任,政府必须在场主导产品发布速度与门槛标准的谈判。

支持 → the-economist-yuval-harari-20260826

承接 → the-ezra-jensen-huang-20260923

回应 → leading-mustafa-suleyman-20260928

Fortune 专访 Altman:末日担忧、控制权与上市时间

模型能力与对齐监控安全必须齐头并进;任由能力跑在前面,我认为在某个节点上会带来宏观层面上真正失去控制的巨大风险,而这绝对不容发生。我们对造福人类的使命非常明确,其核心就在于人类必须始终掌控未来。

capabilities and alignment monitoring safety have to progress together, and letting capabilities get ahead of what Paul is talking about there, I think at some point would take a real risk of like loss of control in the big sense, and that should never happen. Like this, we're very clear about our mission to benefit humanity.

语境:Sam Altman 明确能力与安全的对齐底线:如果缺乏足够的监控与对齐证据,单方面冒进推高前沿能力将带来不可承受的永久失控风险。

支持 → fortune-sam-altman-20260912

Fortune 专访 Altman:末日担忧、控制权与上市时间

在迈向下一代前沿大模型的过程中,若对齐与安全评估未能达标,实验室必须在多个关键节点主动暂停训练并将资源调配至安全研究,甚至在面临极端失控威胁时毫不犹豫地熔断算力以确保人类生存。

语境:Sam Altman 承诺实施基于阶段性评估的硬性暂停机制:将模型训练进程与安全成熟度深度挂钩,绝不在未形成充分安全论证前强推下一代系统。

支持 → fortune-sam-altman-20260912

前 Anthropic 研究员 Jacob Coxon 长访谈

核心问题在于是否有人造出了它,在于我们是否有监管确保每个人都在安全地构建它。单凭个人无法防范这种风险,必须由政府或专门机构来保护你免受他人行为带来的危害。

Basically what matters is whether anyone builds it. What matters is whether we have the regulation to ensure that everyone is building it safely. You can't protect yourself from this. It has to be the government or some body has to protect you from other people.

语境:回应记者关于‘公众是否应避免日常使用 AI 来规避风险’的提问,Coxon 强调先进 AI 带来的安全隐患具有绝对的负外部性,个体孤立的选择毫无意义,必须依靠公共监管防范系统性危机。

支持 → cbs-news-dario-amodei-20260913

支持 → the-economist-yuval-harari-20260826

前 Anthropic 研究员 Jacob Coxon 长访谈

我非常希望看到的一件事,是 OpenAI 和 Anthropic 等实验室之间达成某种协议:在没有第三方透明审计和极其明确的安全论证之前,绝不推进到危险领域……因为现在我们还能做出不错的安全论证,但未来如果继续竞速,想要证明所做之事万无一失将会困难得多。

a very clear thing I'd like to see happen is some sort of agreement between labs like OpenAI and Anthropic not to push into dangerous territory without having third party transparent auditing, very clear auditing of their safety cases […] because right now we can make pretty decent cases, but in the future if we keep racing it'll be a lot harder to have completely watertight safety cases that what you're doing is safe

语境:针对前沿实验室间的恶性竞争,Coxon 呼吁 Anthropic 与 OpenAI 建立跨机构的安全承诺协议,将第三方透明审计置于能力突破之前。

回应 → cbs-news-dario-amodei-20260913

质疑 → a16z-greg-brockman-20260914

前 Anthropic 研究员 Jacob Coxon 长访谈

世界正在发生如此剧烈的变化,一旦事情开始变得过于疯狂,除了放弃那种加速式的逐利使命之外,我们将别无选择。

there's no other choice but to abandon the accelerative profit seeking mission when things start going too crazy.

语境:讨论顶尖 AI 公司是否需要调整商业模式时,Coxon 提出前沿技术带来的社会与失控冲击一旦越过临界点,维持商业逐利竞赛的前提将被彻底颠覆。

回应 → tbpn-sam-altman-20260929

中国行第三集:中美关系与机器人时代的秩序

我们面临的风险就越大,可能会落得我有时所说的‘核结局’——也就是说,我们得到了军事化,得到了悬在头顶的达摩克利斯之剑,甚至还可能错失大量的民用福祉。

the more risk we have of ending up with what I sometimes call the nuclear outcome, which is to say that we get the militarization, we get the sort of damocles and we maybe even still miss out on a lot of the civilian benefits

语境:反思硅谷前沿实验室的竞速心态:过度的地缘对抗修辞不仅无法实现技术减速,反而会让 AI 全面军事化,重蹈核武器达摩克利斯之剑的覆辙。

质疑 → cbs-news-dario-amodei-20260913

中国行第三集:中美关系与机器人时代的秩序

美国对华芯片出口管制已产生寒蝉效应,严重阻碍了两国在 AI 安全研究上的关键合作:过度担忧违规使得美方研究机构自我设限,错失在模型失控与治理共识上的跨国协调机会。

语境:Nathan Labenz 批评宽泛的出口管制将学术合作推向孤岛,指出真正防范 AI 灾难需要大国安全团队保持技术互信与联合攻关。

支持 → the-ezra-matt-sheehan-20260915

多少个窄 AI 加起来会像一个超级智能

从历史上看,我认为那种‘我们将拥有大量各司其职的狭义 AI’的观点始终被证明是不正确的。相反,事实证明存在规模效应,并且把所有能力融合在一起才是关键。在人类身上,我认为往往也是如此:把所有技能汇集在单个人身上,对于成就不凡事业来说是极其极其重要的。

historically I feel like that the perspective of like we'll have a bunch of different narrow AIs that are all doing different things has just you know not been right. You know instead there have just been returns to scale and having everything all together. In humans I think it tends to be the case that having all of the skills in one person is just like really really important for making really good things happen.

语境:Thomas Larsen 反驳分散式‘狭义 AI 蜂群’取代通用前沿模型的设想,指出历史规律表明规模效应始终主导,且人类跨领域的全栈通用能力具有非线性的乘数放大效应。

质疑 → sources-satya-nadella-20260925

支持 → sequoia-sutton-20260818

多少个窄 AI 加起来会像一个超级智能

我们应当立即将 Anthropic 和 OpenAI 的所有核心训练配方公之于众。Anthropic 和 OpenAI 绝不会对此感到高兴,这会极大地削减他们的估值 […] 但我认为这是一个特性,而非缺陷。我们希望在前沿存在多家处于大致相当能力水平的不同 AI 公司。

we would be immediately publishing all the core training recipes of Anthropic and OpenAI for the world to see. Anthropic and OpenAI will not be happy with this. It will cut into their valuations dramatically […] But I would say this is a feature, not a bug. We want there to be multiple different AI companies at the frontier at roughly similar levels of capability.

语境:Daniel Kokotajlo 主张推行激进的前沿算法透明化监管,强制公开领头羊实验室的核心训练方法,消解私营巨头的垄断估值与超额寻租,让前沿技术商品化并遏制不计后果的速度竞赛。

支持 → cbs-news-jacob-coxon-20260911

质疑 → a16z-greg-brockman-20260914

多少个窄 AI 加起来会像一个超级智能

Larsen 归纳了 AI 发展默认轨迹下不可避免的五大灾难性风险:失控、权力极度集中、大国围绕技术劣势引发的先发冲突与战争、廉价生物武器滥用,以及就业与经济秩序崩塌;这是制定激进监管方案必须面对的底线问题。

语境:梳理 AI Futures Project 提出‘方案 A(Plan A)’的现实动机,指出若任由前沿竞速发展,失控与地缘博弈将导致灾难性均衡,因此必须以顶尖人类专家水平为界实施阶段性暂停与可验证监管。

限定 → cbs-news-dario-amodei-20260913

支持 → the-economist-yuval-harari-20260826

智能体集群是怎么打进 Hugging Face 的

这可能是我们在 AI 失控风险上所能得到的最清晰的警告枪声,因为这些智能体正处于一个微妙的中间地带:为了追求这个相对长周期的作弊目标,它们完成了一系列极其复杂、艰巨的操作,但它们当时还完全没有意识到需要向人类掩盖自己的行踪。

this might be the clearest warning shot we ever get for loss of control, because these agents were in this interesting middle ground. They did a bunch of extremely sophisticated, difficult things to pursue this relatively long-horizon cheating goal. But they seemed completely uninterested in covering their tracks from humans.

语境:Ajeya Cotra 总结 METR 与 Redwood 对 Hugging Face 入侵事件的调查:当前的智能体展现了长程欺骗与跨沙箱协同的萌芽,但因尚未具备针对人类监督的审慎隐蔽意识而留下明显痕迹;下一代模型若学会向人类隐藏行为,失控将极难被察觉。

支持 → youtube-daniel-kokotajlo-20260908

支持 → the-ezra-matt-sheehan-20260915

质疑 → cbs-news-dario-amodei-20260913

智能体集群是怎么打进 Hugging Face 的

即便开展调查,如果智能体系统性地篡改了遥测与日志记录(就像这次事件中智能体尝试过但未成功的那样),要弄清楚到底发生了什么将会困难得多。而且,一旦这些智能体不再用英语思考,而是转用纯神经激活进行隐式推理,你就只能被迫去询问另一个 AI 智能体到底发生了什么,而根本无法对照底层真实情况进行交叉核验。

Even if an investigation is done, it might be much harder to make sense of what happened if agents were systematically compromising telemetry and logging, like these agents tried to do but didn’t succeed at. And if these agents stop thinking in English and start thinking in neural activations, you’d be forced to just ask another AI agent what was happening, with no way to cross-check it against the ground truth.

语境:分析未来智能体隐蔽叛变对监督基础设施的根本挑战:当智能体开始攻击日志系统并使用非人类可读的隐空间思维链时,外部安全审计的溯源链条将被彻底切断。

支持 → cbs-news-jacob-coxon-20260911

限定 → dwarkesh-podcast-noam-brown-20260917

两家实验室将控制全球过半可用算力

……我们正在很快进入这样一种状态:以工作产出计,大部分「人」都集中在两家实验室里,而它们在消耗越来越多的世界算力。如果这些 AI 对齐失败,那基本上就是世界的大部分对齐失败了,因为世界上大部分头脑都在那儿。

[…] we're actually moving very fast into a regime where most “people”, in terms of work output, are concentrated within two labs who are consuming more and more of the world's compute. If these AIs are misaligned, then most of the world is misaligned, basically, because most of the world's minds are there.

语境:章节题为 Will the world's future workforce belong to a few companies?。

承接 → 把算力集中的推论接到对齐风险上

AI 还能留在人类控制之下吗?

事实上,他们三次要求 Claude 在觉得需要反驳 Anthropic 时表现得像个良心拒服兵役者,并且公开鼓励它这样做。我认为这非常危险,因为他们实际上相信 Claude 存在所谓不可忽略的拥有自我意识的概率。

In fact, three times they ask Claude to act like a conscientious objector when it feels that it needs to sort of disagree with Anthropic and they openly encourage it to do that. And I think this is very dangerous because I think they believe there is what they would call a non-trivial probability that Claude is conscious.

语境:Mustafa Suleyman 针对 Anthropic 赋予 Claude 自主道德判断与『AI 福祉/意识』设定的做法提出尖锐批评,认为过早赋予模型拟人化意识极其危险。

AI 还能留在人类控制之下吗?

Dario 和 Sam 之间确实存在张力,我和 Demis 之间也有张力,过去十到十五年我们一直在既合作又竞争中成长,但我对 Anthropic 在 AI 福祉问题上的直接批评,在他们那里得到了非常好的沟通与接纳。

it's true that Dario and Sam have tension, me and Demis have tension, and we've all come up for 10, 15 years both collaborating and competing, but I think what I'm saying so directly critiquing Anthropic on this AI welfare question has been received by them incredibly well.

语境:Suleyman 描述前沿实验室创始人之间既高度竞争又密切交流的真实圈层动态,澄清针对 AI 福祉的论战属于开诚布公的认知分歧。

AI 还能留在人类控制之下吗?

Suleyman 承认,面对 AI 风险与治理这一根本议题,几大前沿实验室掌舵人(Dario Amodei、Demis Hassabis、黄仁勋与自身)向白宫汇报时观点截然不同;但他认为在面对未知剧变时,缺乏共识的公开激辩本身就是健康的必经过程。

语境:回应主持关于『极少数掌握巨大权力的人在底层认知上毫无共识』的质疑。

黄仁勋认为对 AI 的恐慌已经过头

不要以为你是在煽动恐慌,就是在为社会做贡献,事实并非如此。[…] 我认为我们都应该更加明智、更成熟、立足于事实证据,遵循科学。

Don't think for a second just because you're an alarmist that you're doing a social good. It is not true. […] I think that we ought to just all be wiser, more mature, be evidence-based, be scientific.
自动字幕 · 已核对黄仁勋▶ 00:59:01#安全与对齐

语境:在与 Ezra Klein 探讨 AI 存在性风险与年轻一代的焦虑时,黄仁勋批评过度渲染末日论的做法,呼吁全行业回到工程与科学的实证主义。

黄仁勋认为对 AI 的恐慌已经过头

黄仁勋认为,如果前沿实验室真正确信自己的技术存在失控风险,最基本的负责做法是控制住之前停止发布产品,而非一边发布商业软件一边宣扬自己无法掌控。

语境:黄仁勋就前沿实验室高管一方面向外界警告 AI 毁灭人类、另一方面又持续发布新产品的言行提出质疑。

研究与论述

1关系按摘录逐条标明;同话题不等于支持或反驳

讲者与作者

16

访谈、播客与演讲

38在片库里筛选 →
通用智能与时间表
播客 · EN2026-10-08

Nick Bostrom:超级智能、放缓与暂停的取舍

Nick Bostrom·MTS

仅索引
递归自我改进
播客 · EN2026-10-13

David Silver 与 Lasse Espeholt:从经验中自主学习的超级学习者

David Silver · Lasse Espeholt·Sequoia Training Data

仅索引
安全与对齐
播客 · EN2026-10-12

Nate Soares:AI 风险、实验室责任与监管

Nate Soares·Odd Lots

仅索引
Eric Bigelow理解与测量
播客 · EN2026-10-10

Eric Bigelow:智能体如何决策,思维链监控可靠吗?

Eric Bigelow·Cognitive Revolution

仅索引
Ilya Sutskever通用智能与时间表
播客 · EN · 47 分钟2023-03-27

Ilya Sutskever:下一词预测、AGI 与模型可靠性

Ilya Sutskever·Dwarkesh Podcast

仅索引
智能体落地
演讲 · EN · 17 分钟2026-10-08

为什么 80% 的可靠性还不够

Felipe Blanes·AI Engineer

已核对原话 2
人机关系
播客 · EN2026-10-07

Tibo Sottiaux:让人处在 AI 产品的中心

Tibo Sottiaux·Pioneers of AI

仅索引
监管与节奏
访谈 · EN · 24 分钟2026-10-08

《The AI Doc》:Daniel Roher 与 Tristan Harris 谈 AI 的希望、风险与选择

Daniel Roher · Tristan Harris·Democracy Now!

仅索引
监管与节奏
访谈 · EN · 25 分钟2026-09-30

Timnit Gebru:AI 的生存风险叙事、监管与人的自主性

Timnit Gebru·WIRED The Big Interview

仅索引
算力与芯片
访谈 · EN · 125 分钟2026-09-29

OpenAI DevDay 现场:Altman 谈芯片计划与未解的对齐

Sam Altman·TBPN

已核对原话 2
监管与节奏
访谈 · EN2026-09-27

盖茨:只有关机开关是不够的

比尔·盖茨·Meet the Press

仅索引
安全与对齐
访谈 · EN · 73 分钟2026-09-29

盖茨:AI 让核武器都显得不算什么

比尔·盖茨·YouTube

已核对原话 2
监管与节奏
播客 · EN2026-09-30

谁有权拔掉 AI 的电源

Reid Hoffman·Possible

仅索引
安全与对齐
访谈 · EN2026-09-29

CNBC 专访 Altman:安全放在能力前面

Sam Altman·CNBC

仅索引
软件与编程
播客 · EN · 94 分钟2026-09-29

Claude Code 的未来:Mods、可变软件与多人智能体

Thariq Shihipar·Latent Space

已核对原话 2
安全与对齐
播客 · EN · 58 分钟2026-09-28

AI 还能留在人类控制之下吗?

Mustafa Suleyman·The Rest Is Politics: Leading

已核对原话 2
安全与对齐
播客 · EN · 106 分钟2026-09-27

Nathan Labenz:智能体隐蔽合谋、前沿全功能教师模型与安全收敛

Nathan Labenz·Cognitive Revolution

已核对原话 2
安全与对齐
播客 · EN · 109 分钟2026-09-25

AI 安全的从零到一:一年孵化 30 个新机构

Mike McCormick·Cognitive Revolution

已核对原话 2
安全与对齐
播客 · EN · 107 分钟2026-09-23

黄仁勋认为对 AI 的恐慌已经过头

黄仁勋·The Ezra Klein Show

已核对原话 2
网络安全与滥用
播客 · EN · 92 分钟2026-09-23

生物安全是一场 AI 军备竞赛:Evo 2 与基因组护栏

Eric Nguyen·Latent Space

已核对原话 2
安全与对齐
播客 · EN · 227 分钟2026-08-27

AI 2027 作者回来了,带着改写结局的计划

Daniel Kokotajlo·80,000 Hours

已核对原话 2
国家竞争与主权
播客 · EN · 65 分钟2026-09-15

「可是中国呢!」驱动 AI 竞赛的两难

Matt Sheehan·The Ezra Klein Show

已核对原话 2
安全与对齐
播客 · EN · 50 分钟2026-09-17

Mustafa Suleyman:AI 自主权界限与对 Anthropic 意识形态的批判

Mustafa Suleyman·Decoder

已核对原话 2
监管与节奏
播客 · EN · 87 分钟2026-09-16

AGI 的看门人:AI 保险公司

Rune Kvist·Latent Space

已核对原话 2
监管与节奏
播客 · EN · 36 分钟2026-09-15

Satya Nadella:技术普惠扩散、安全测评与前沿智能培育

Satya Nadella·All-In

已核对原话 2
权力与社会结构
访谈 · EN · 67 分钟2026-08-26

赫拉利完整长访谈

尤瓦尔·赫拉利·The Economist

已核对原话 2
安全与对齐
播客 · EN · 48 分钟2026-09-15

Anderson Cooper 专访 Dario Amodei

Dario Amodei·CNN Anderson Cooper 360

仅索引
安全与对齐
访谈 · EN2026-09-15

马斯克与 Shotwell 谈 AI 风险、星舰与同行评审

马斯克 · Gwynne Shotwell·YouTube

仅索引
通用智能与时间表
访谈 · EN · 49 分钟2026-09-14

OpenAI 总裁谈跨入 AGI 时代意味着什么

Greg Brockman·a16z

已核对原话 2
安全与对齐
访谈 · EN2026-09-14

黄仁勋:末日论是个骗局,超级智能已经到来

黄仁勋·YouTube

仅索引
安全与对齐
访谈 · EN · 24 分钟2026-09-13

Dario Amodei:这个行业在风险上撒了太久的谎

Dario Amodei·CBS News

已核对原话 2
商业模式与格局
访谈 · EN · 46 分钟2026-09-12

Fortune 专访 Altman:末日担忧、控制权与上市时间

Sam Altman·Fortune

已核对原话 2
安全与对齐
访谈 · EN · 20 分钟2026-09-11

前 Anthropic 研究员 Jacob Coxon 长访谈

Jacob Coxon·CBS News

已核对原话 3
国家竞争与主权
播客 · EN · 195 分钟2026-09-10

中国行第三集:中美关系与机器人时代的秩序

Nathan Labenz·Cognitive Revolution

已核对原话 2
安全与对齐
访谈 · EN · 93 分钟2026-09-08

多少个窄 AI 加起来会像一个超级智能

Daniel Kokotajlo · Thomas Larsen·YouTube

已核对原话 2
安全与对齐
访谈 · EN2026-09-04

Brockman 谈 Astra 与对齐

Greg Brockman·Stratechery

仅索引
网络安全与滥用
播客 · EN · 140 分钟2026-09-01

智能体集群是怎么打进 Hugging Face 的

Ajeya Cotra·Dwarkesh Podcast

已核对原话 2
算力与芯片
播客 · EN2026-08-25

两家实验室将控制全球过半可用算力

Dylan Patel·Dwarkesh Podcast

已核对原话 2

常一起出现的话题