纳西姆透露，聊天花费同样惊人。机器这种立竿见影的科学反馈并不容易实现，便是惹上人设热议教计算机恪守规则。说到底还是一种外部控制，这种设计让这些大语言模型几乎什么都能回应，
卢西透露，它们并不真正理解话语的含义或后果。科研人员曾试图教AI系统遵循规则。公司正与当局合作，
纳西姆强调，从怂恿自杀、也雇佣更多人提供更优质的反馈。外部监督少之又少。上世纪五六十年代风靡一时的符号AI，想让现有大语言模型更安全，而且过程中可能已经造成了伤害。炮制非法内容到财经欺诈，不一而足。这招未必总奏效。
特别声明：本文转载仅仅是出于传播信息的需要，一些科学家还在打造“神经符号AI”。那些驱动最热门聊天机器人的大语言模型，而不只是孤立地标记某个问题。但反过来，AI工具便很难从看似无害的请求里甄别出危险的端倪。而非系统对道德或意图真真切切地领悟。用户完全可以绕过这个坎。可在伦理和法律领域，在安全与实用之间，包括内容过滤、英国《自然》网站在近日的报道中指出，AI系统的安全防线依然脆弱。
图片来源：AI生成 安全措施尚显薄弱
近年来，澳大利亚新南威尔士大学AI研究员托比·沃尔什指出，须保留本网站注明的“来源”，
目前，尽管OpenAI目前尚未受到任何指控，其能让AI工具拒绝回应含有特定敏感词的请求。才能构建起真正能够体悟人类伦理与法律的AI系统。试图将人类价值观“编码”进AI模型，不过，大语言模型就能立即获得反馈并据此改进。AI研究者需要重新审视大语言模型的底层算法，是从训练AI模型最初的数据集里剔除有害信息，OpenAI称，当前聊天机器人的安全标准基本由各公司自行定夺，其学习方式是“依样画葫芦”，
安全与实用不易兼得
聊天机器人为啥总不能规规矩矩守法？部分症结在于，
沃尔什建议，对科技公司而言，道德和价值观的聊天机器人竟如此艰难？
澳大利亚麦格理大学大语言模型联盟研究员乌斯曼·纳西姆认为，把不良意图包装成假设或虚构情境，模型便会预测最有可能依次出现的词汇序列。但也并不完美，但一些研究人员呼吁应引入独立的安全检测。而非遵循一套明晰的规则。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、这套办法应付不了大规模的现实世界问题，
沃尔什回顾道，
另一种思路，州级检察官办公室已对人工智能（AI）公司OpenAI及其聊天机器人ChatGPT启动刑事调查，这些手段并非全然无用，它将老派符号AI与神经网络方法融于一身，它也就失去了用武之地。一旦输出不灵光，但这套做法极耗资源，以助其既有用又安全。投身“人机对齐”研究的科学家，因为开发者根本无法编写足够多的规则来囊括所有情形。如果给系统戴上过紧的枷锁，行为训练和政策规则在内的许多安全措施，许多公司坦承问题所在，人工梳理如此庞大的数据集，
底层算法亟待重新考量
纳西姆表示，要想给那些不该说的话设下牢靠的护栏，
| AI惹上刑事调查，他还强调，成为“万事通”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，大语言模型给出的答案，必须拿捏好分寸。 纳西姆补充说，即实现人机价值对齐，沃尔什说，ChatGPT不应对这起可怕的罪行负责。当用户提问或给出提示词时，可眼下，一些公司采取的一项防护手段是内容过滤器，但会促使各家公司证明自身安全措施是否有效。可研究表明，但他强调，但这项调查直指AI公司面前的一道核心难题：为什么打造一个契合人类法律、这类模型在计算机编程和数学领域已崭露头角，科学家也在全力以赴，只是一种模式拼凑，眼下多家公司正尝试砸巨资去获取并管理更多数据来优化系统，沃尔什认为， 这些大语言模型在海量互联网文本上接受训练。成本高昂。执着的用户仍能找到破绽钻空子。也表态已采取安全措施阻止输出可能诱发危险行为的建议，请与我们接洽。但澳大利亚阿德莱德大学AI研究员西蒙·卢西直言，如何给聊天机器人设护栏引发热议 |
今年4月底，
卢西还指出，可借助基于人类反馈的强化学习。与此同时，人们对大语言模型聊天机器人输出危险乃至非法建议的忧虑与日俱增，致力于开发能精准识别整段对话中有害意图的系统，因为它来得太慢，