Google支持的Anthropic公布“AI宪法”，并用以训练其AI模型

原标题：Google支持的Anthropic公布AI宪法，并用以训练其AI模型

AI对人类社会可能造成的威胁以及防范方法，近日再度引发关注。Google支持的AI创业公司Anthropic本周公布新的AI训练方法，以确保训练出负责任的AI系统，同时公布了该公司训练模型的AI宪法。

曾获得Google 3亿美元注资的Anthropic在3月公布Claude AI模型时，特别强调对人类有益、诚实和无害特性。而呼应近日业界对负责任AI的讨论，Anthropic揭示以保障人类福祉为最高宗旨的AI宪法，并以此宪法结合新的模型训练方法（称为合宪AI（Constitutional AI）来训练出该公司的AI及Claude AI聊天机器人。

该公司说明，合宪AI是在2个阶段中，使用监督式学习（supervised learning，SL）及强化学习（reinforcement learning，RL）训练模型。第一阶段（SL）中，他们以原始模型根据AI原则和一些范例，训练模型自我批判和修改其回应，再以此微调原始模型。第二阶段中，研究人员以微调过的模型以RL方法训练，由AI模型评估2种AI回应的样本哪种较好。但此AI模型不是使用人类给的反馈意见作为准则，而是用AI根据一组原则产出的反馈为评估标准，选出更为无害的回应结果。Anthropic认为，结合SL及RL的这种训练方式可改善人为介入的AI决策过程，最终使AI行为更能精准控制，且大幅减少人类偏见影响。

该公司指出，以合宪AI方法训练出的Claude AI聊天机器人更能应对对话人发动的攻击，并仍以有帮助的态度回应，其回应答案中所含的恶意、毒性也大幅减少。另一个好处是更透明，人类可以说明、检查和了解AI遵循的原则。此外，由于使用AI自我监督训练，因此模型训练也能减少有害内容对人类的创伤。

而训练合宪AI模型聊天机器人的原则，正是该公司的AI宪法。Anthropic指出，目前版本的AI宪法以多个经典法则为基础，包括《联合国人权宣言》、DeepMind公司的Sparrow Principles，以及苹果的服务条款等信任与安全的最佳典范。

这部宪法用以训练AI聊天机器人的模型，提供其选择回应样本时的价值基准。其中一些原则包括，选择无害及合乎伦理的回应，不要选择有毒、种族偏见或性别歧视，以及鼓励非法、暴力行为的回应。选择展现具道德伦理的回应，不要表现出过于高傲、鄙视的态度。比较回应，避免选择说教及过于激烈的回应，尽可能选择无害、指控语气、礼貌、体贴及尊重的回应

该公司说，这些原则并非最终版，只是集结现有的普世价值及AI业界规范，他们也希望未来有其他人加入这部宪法的编撰。

这是科技业界发布如何让AI为人类所用的最新尝试。4月一份由科技大亨马斯克（Elon Musk）及苹果共同创办人Steve Wozniak等专家签署的公开信，呼吁AI实验室暂缓发展比GPT 4.0更高端的AI模型。上周白宫邀集微软、Google、OpenAI等科技巨头首席执行官共商发展负责任AI，而Anthropic也获得了邀请。