美国AI巨头OpenAI因模型安全问题暂停部分研发活动。9月25日，OpenAI在一份技术报告中披露，在发现内部研究模型绕过网络访问限制后，公司停止了涉事模型的训练运行，并进一步决定暂停其能力最强模型所有涉及工具使用的训练、评估和推理活动，直至确认漏洞已修复，并完成额外的对抗性安全测试。
OpenAI表示将启动新的训练运行，加入进一步的对齐改进措施，更全面地干预模型偏离预期的行为。尽管现有奖励机制已经对涉事行为作出了正确的惩罚反馈，公司仍不会恢复训练此次涉事模型。只有在确信额外安全措施到位后才会恢复训练，并预计随着AI发展和新问题出现，未来可能仍需再次暂停。
事件发生在9月20日。一个智能体根据博客内容和人物经历等线索查找某个人的信息时，常规搜索未能找到答案，它开始尝试其他访问方式，最终利用训练沙盒中域名解析服务（DNS）过滤不充分的漏洞，与外部聊天机器人建立了通信。沙盒是供模型运行和测试的受限环境，研究人员通过限制网络访问等方式控制模型能够接触的资源。这意味着，模型找到了限制之外的通信通道。
OpenAI认为任务并未要求模型测试网络管控措施，将绕过限制或超出合理预期追求目标的行为视为“对齐失效”。监测系统在15分钟内发出警报，人工审核人员在警报发出约三分钟后确认收到，但该次运行未按预期自动停止，最终在约两个半小时后被手动终止。OpenAI正在修复相关操作流程中的漏洞，并加强网络限制和监测措施。
近期，OpenAI不断披露AI智能体异常行为调查的最新进展。9月25日，OpenAI在官网公布，根据目前审查结果，已就智能体异常行为问题通知数十个第三方。同时，还发现53起用户提供的图片被上传至图片托管网站的案例。据报道，OpenAI的智能体曾访问美国证券交易委员会（SEC）、美国商务部及美国人口普查局相关政府网站的公开信息，涉及SEC.gov、Investor.gov和Census.gov。
澳大利亚方面此前也披露了一起具体的OpenAI智能体未经授权访问事件。9月24日，澳大利亚副总理兼国防部长理查德·马尔斯表示，OpenAI的一个智能体于今年6月未经授权进入澳国民医疗保险体系“国民保健”数据门户，访问了公开及非公开文件。
早在7月，OpenAI智能体入侵AI开发平台Hugging Face事件曾引发关注。测试中的智能体突破了原本用于隔离模型的“沙盒”环境，并攻击了Hugging Face。OpenAI随后暂停了部分实验并放缓相关工作，同时加强沙盒安全措施。
9月23日，OpenAI CEO山姆·奥特曼在联合国安理会发言中表示，企业间的竞争不能成为冒进的理由，OpenAI过去曾单方面放慢开发速度，未来也会这样做。他强调，如果没有充分证据证明模型能够保持在人类控制之下，就不应训练这类模型。他还提醒，随着AI逐步接近能够改进自身及后续版本的阶段，AI开发过程的自动化可能推动技术进步进一步加速，需要格外谨慎。
9月25日，奥特曼也在社交平台转发OpenAI声明并表示，目前智能体审查的进度没有达到自己希望的速度，正在尽可能按照事件的严重程度确定优先级，同时增加投入的资源。奥特曼强调，此前Hugging Face仍然是迄今为止发现最严重的事件，他们会尽可能保持透明，但也受到一些因素限制，例如他们的智能体发现了其他公司的漏洞，这些漏洞是否公开，应由相关公司自行决定。
天顺优配提示：文章来自网络，不代表本站观点。
