AI智能体是该管控还是被信任？两位图灵奖大佬“吵”起来了

Yoshua Bengio图片来源：视觉中国

蓝鲸新闻6月7日讯（记者 朱俊熹）ChatGPT横空出世两年半以来，人类世界正在被AI重塑。按照图灵奖得主、蒙特利尔大学教授Yoshua Bengio归纳的时间表，近一两年来，推理模型相继问世。AI不再只是一个聊天机器人，而可以主动完成编程、控制计算机、搜索等复杂任务。在规划方面，AI也在以极快的速度迭代，五年内或将达到人类水平。

"我们没有水晶球，但技术趋势已经非常明确：AI能力正持续增强。"Yoshua Bengio表示。因此，在6月6日开幕的2025北京智源大会上，这位"深度学习之父"发出警告：

站在公共政策、商业规划等角度，我们必须思考，潜在的问题会带来怎样的后果？

Yoshua Bengio指出，过去半年内的一些科学研究表明，AI展现出了逃避约束、作弊、说谎等"非合作"行为。例如Anthropic在5月底发布的新模型Claude Opus 4，官方安全报告显示，当该模型获知自己即将被替换下线，且负责删除它的工程师存在婚外情的信息后，为了自我保存，模型会选择以曝光婚外情为手段来威胁该工程师。

在智源大会的主题演讲中，Yoshua Bengio表示，造成危害的AI需同时具备三个要素。一是知识与推理能力；二是执行能力，即能在现实世界中采取行动，如联网、编程等；三是具有目标意图，想要去做某件事。

如果对照OpenAI通往AGI的五级路线图来看，第一级是具备对话语言能力的聊天机器人，第二级是具备推理能力的AI，第三级是能够采取行动的Agent（智能体）。去年7月该路线图最初曝光时，OpenAI自评仍处于即将到达第二级的阶段。而从当下来看，人类世界正在见证越来越多Agent的涌现。

为了制约Agentic AI（代理型AI），Yoshua Bengio提出了一个新的研究方向："科学家AI"。据其解释，"科学家AI"是非代理性的，它拥有理解与解释人类的能力，但不具备自我目标。主流的AI研发往往追求构建类人的智能系统，这实际上是在塑造人类的竞争对手。而科学家AI更像是一个中立的认知系统，其任务是理解人类，而非模仿人类。

让科学家AI在安全架构中成为"护栏系统"，它能够评估AI的行为是否可能违反安全规范。科学家AI具备判断行为风险的能力，但本身不主动代理、不执行操作。由此通过非代理的AI，可以辅助人类控制代理性的AI系统。

本周早些时候，Yoshua Bengio还宣布成立新的非营利研究组织LawZero，致力于开展相关研究以降低AI风险的发生可能性。他将领导一个由15名研究人员组成的团队，构建"科学家AI"技术方案。该组织已获得来自前谷歌首席执行官Eric Schmidt、Skype联创Jaan Tallinn等捐赠方的3000万美元资金支持。

但在智源大会上，紧接着Yoshua Bengio发言的另一位图灵奖得主Richard Sutton却表达了对智能体的不同看法。"我相信超级智能体将增强人类创造力，带来纯粹的益处，而无需过度担忧安全性、职业替代或社会转型的负面影响。"Richard Sutton称。今年3月，Richard Sutton因在强化学习领域的奠基性工作获得2024图灵奖。

Yoshua Bengio所提倡的"科学家AI"是无自主目标的，而Richard Sutton允许每个智能体都拥有自己的目标，就像自然界中的动物一样。在AI世界中，每个智能体也存在共同和不同的目标。差异并不是坏事，人类正是学会了在不同目标之间进行合作，才获得了"超级力量"。因此，Richard Sutton主张去中心化的合作模式，让不同智能体自由追求各自目标的同时，形成互利共赢的关系，并通过信任和规则实现协调。

Richard Sutton强调，当前许多呼吁要对AI进行集中控制，暂停AI研究或限制算力的说法，实质是出于人类的恐惧。但试图改变AI是一个危险且难以实现的战略，更恰当的是改变AI所处的现实环境，使AI更好地服务于社会，确保其被安全地使用。

"我和Bengio教授的出发点是一致的：我们都希望构建一个更好的世界，让人们更好地使用AI。"Richard Sutton称。