从弱到强的泛化

我们相信未来十年内可能开发出超级智能的人工智能，但如何引导和控制超人类的人工智能系统仍然是一个挑战。我们成立了超对齐团队来解决这个问题，并发布了第一篇论文介绍了一种新的研究方向。目前的对齐方法依赖于人类监督，但未来的人工智能系统将展示复杂和创造性的行为，使人类难以监督。这是AGI对齐的核心挑战：弱监督者如何信任和控制更强大的模型？