Apr, 2023

训练有素的机器代理人的寻求权力行为可以被预测

TL;DR研究表明,高级人工智能中的权力寻求行为是一种重要的风险来源,但目前对于这种现象的理论理解还相对有限。本文构建在现有的理论基础之上,研究了训练过程如何影响权力寻求激励,并证明了在一些简化的假设下,这种激励仍然可能存在于受过训练的智能体中,同时也能够预测新情况下的不良行为。