9月7日，在2023 Inclusion•外滩大会上，中国科学院院士何积丰以《大模型时代的安全问题》为题，与大家共同探讨大模型发展所带来的安全问题以及应对之道。
人工智能拥有超强的自主学习能力，进化速度极快，在数次迭代升级后，是否有可能在多个方面超越人类？
何积丰提到：“人类与机器都在学习。人类指导机器，机器不断学习变得更加智能；在这一过程中人类也要学习指导方法，使机器所生成的内容能够更符合人类需要。”何积丰表示，在人工智能技术发展过程中，要牢记人类的核心角色，人工智能技术将成为人类的助手，而不是替代人类创造未来。
谈及当前大模型带来的安全隐患，何积丰认为，问题主要集中在隐私泄露以及对齐两方面。
保护隐私安全至关重要
何积丰指出，隐私问题，即未经本人同意的情况下，收集、使用和泄露个人信息，是大模型发展过程中最受关注的问题。
具体来看，他认为，隐私问题在大模型的训练、与用户对话和结果生成三个阶段都有所涉及。
首先，大模型与传统机器学习不同，其训练需要大量数据，在这一过程中，尽管研究人员早已采取相关措施，但是提示技术仍然使得大量用户的个人信息和数据被大模型吸入，从而造成隐私泄露。
其次，大模型在与用户对话过程中，可能涉及到众多用户私密信息，而这类信息往往没有受到应有的隐私保护。如在使用大模型的过程中，数据控制键将要求用户选择“结束对话”或“继续对话并允许获取数据”。这意味着如果选择继续对话，将可能造成隐私泄露；如果选择保护隐私，将会失去使用权。
再次，大模型在产出结果时，其强大的生成力也让隐私泄露的方式变得更加多元，用户隐私获取将更加容易，而这也将隐私保护变得更加困难。
反馈强化学习是实现对齐的技术途径
而对齐问题，即引导智能系统的目标和人类价值观一致，使其符合设计者的利益和预期，不会产生意外的有害后果，是大模型发展过程中的另一大安全问题。
“如果将人工智能的能力比做《西游记》中的孙悟空，那么对齐技术就是唐僧口中的紧箍咒，它可以保证孙悟空不会随意使用他的能力为所欲为。因此，对齐技术是控制人工智能安全的核心技术。”谈及对齐技术的重要作用，何积丰抛出上述比喻。
那么，对齐问题将会带来哪些安全挑战？
何积丰表示，对齐的基础是人类价值观，而人类价值观处于动态变化中，且具有多元化特征。这样的特点可能导致对齐成为一项眼花缭乱的跨学科研究，这不仅考验技术，也审视着人类不同的文化。
此外，大模型有着“有用性”与“无害性”两个目标的冲突。在使用大模型的过程中，研发人员无法保证大模型是否会提供“错误”观点，那么要如何纠正这类“错误”观点，就是大模型发展过程中的重要挑战。
对于这些问题，何积丰指出，反馈强化学习是实现对齐的技术途径。
反馈技术的第一重含义，即通过反馈给模型不同的“奖励”信号，来引导其高质量的输出。但是，每个人喜好不同，这种反馈也可能存在主观因素，从而影响反馈的客观性。
第二重含义，是基于给大模型提供明确的原则，使得系统自动训练模型对所有生成的输出结果提供初始排序。这样的反馈可以使得大模型生成效率更高，生成的内容更加透明，每个人都可以看到系统受到什么样的指令，将会生成怎样的“答案”。
总体来看，人类与大模型都在进步，人类与机器持续共同学习，将更好地使技术转化为生产力，服务于经济社会发展。
