亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Strong and weak alignment of large language models with human values

计算机科学 价值(数学) 词(群论) 点(几何) 扩展(谓词逻辑) 人工智能 认知 真值 认知科学 自然语言处理 机器学习 语言学 心理学 数学 神经科学 程序设计语言 哲学 几何学
作者
Mehdi Khamassi,Marceau Nahon,Raja Chatila
出处
期刊:Scientific Reports [Springer Nature]
卷期号:14 (1)
标识
DOI:10.1038/s41598-024-70031-3
摘要

Minimizing negative impacts of Artificial Intelligent (AI) systems on human societies without human supervision requires them to be able to align with human values. However, most current work only addresses this issue from a technical point of view, e.g., improving current methods relying on reinforcement learning from human feedback, neglecting what it means and is required for alignment to occur. Here, we propose to distinguish strong and weak value alignment. Strong alignment requires cognitive abilities (either human-like or different from humans) such as understanding and reasoning about agents' intentions and their ability to causally produce desired effects. We argue that this is required for AI systems like large language models (LLMs) to be able to recognize situations presenting a risk that human values may be flouted. To illustrate this distinction, we present a series of prompts showing ChatGPT's, Gemini's and Copilot's failures to recognize some of these situations. We moreover analyze word embeddings to show that the nearest neighbors of some human values in LLMs differ from humans' semantic representations. We then propose a new thought experiment that we call "the Chinese room with a word transition dictionary", in extension of John Searle's famous proposal. We finally mention current promising research directions towards a weak alignment, which could produce statistically satisfying answers in a number of common situations, however so far without ensuring any truth value.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Jack80发布了新的文献求助10
3秒前
5秒前
5秒前
Gemini完成签到 ,获得积分10
8秒前
阿良发布了新的文献求助10
9秒前
xu发布了新的文献求助10
17秒前
20秒前
run完成签到 ,获得积分10
21秒前
sulh发布了新的文献求助10
25秒前
27秒前
大先生完成签到 ,获得积分10
28秒前
陈杰发布了新的文献求助10
28秒前
阿良发布了新的文献求助10
29秒前
34秒前
白白白完成签到 ,获得积分10
38秒前
慕青应助眯眯眼的迎荷采纳,获得10
41秒前
56秒前
57秒前
方飞丹完成签到,获得积分10
1分钟前
Iron_five完成签到 ,获得积分10
1分钟前
1分钟前
科研完成签到,获得积分20
1分钟前
科研发布了新的文献求助10
1分钟前
xu完成签到,获得积分10
1分钟前
魏行方完成签到 ,获得积分10
1分钟前
陈尹蓝完成签到 ,获得积分10
1分钟前
科研通AI2S应助科研采纳,获得10
1分钟前
1分钟前
陈杰发布了新的文献求助10
1分钟前
1分钟前
充电宝应助sulh采纳,获得10
1分钟前
归海浩阑完成签到,获得积分10
1分钟前
qcy72完成签到,获得积分10
1分钟前
小马甲应助松松果采纳,获得10
1分钟前
远古遗迹完成签到,获得积分10
1分钟前
sulh完成签到,获得积分10
2分钟前
头大不愁发布了新的文献求助10
2分钟前
SHERRY发布了新的文献求助30
2分钟前
2分钟前
心灵美鑫完成签到 ,获得积分10
2分钟前
高分求助中
中国国际图书贸易总公司40周年纪念文集: 史论集 2500
Sustainability in Tides Chemistry 2000
大理州人民医院2021上半年(卫生类)人员招聘试题及解析 1000
2023云南大理州事业单位招聘专业技术人员医疗岗162人笔试历年典型考题及考点剖析附带答案详解 1000
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3114308
求助须知:如何正确求助?哪些是违规求助? 2764608
关于积分的说明 7678871
捐赠科研通 2419674
什么是DOI,文献DOI怎么找? 1284695
科研通“疑难数据库(出版商)”最低求助积分说明 619771
版权声明 599711