Arbital на русском

Безопасно, но бесполезно

«Этот тип безопасности подразумевает бесполезность» (или, наоборот, «любой ИИ, достаточно мощный, чтобы быть полезным, все равно будет небезопасным») — это обвинение, которое было выдвинуто против предлагаемой меры безопасности, которая для обеспечения безопасности ИИ должна применяться до такой степени, что сделает ИИ бесполезным.

В качестве метафоры, не связанной с ИИ, рассмотрим ножницы и их опасные лезвия. У нас могут быть «безопасные ножницы», которые остры лишь настолько, чтобы разрезать бумагу, но они при этом достаточно остры, чтобы причинить некоторый вред, если над этим поработать. Если вы попытаетесь сделать ножницы еще безопаснее, поместив опасные лезвия в пенопласт, ножницы больше не смогут резать бумагу. Ведь если ножницы могут резать бумагу, они все еще небезопасны. Возможно, в принципе вы могли бы резать такими ножницами глину, но это не аргумент, если только вы не расскажете нам, что такого очень полезного можно сделать, разрезая глину.

Точно так же есть очевидный способ попытаться сократить разрешенный вывод ОИИ-оракула до такой степени, что все, что он может делать, — это сообщать нам, что введенная теорема доказуема в системе аксиом теории множеств Цермело-Френкеля (ZF). Это может помешать ОИИ взломать людей-операторов и заставить их выпустить его на свободу, поскольку все, что может покинуть ящик, — это один бит со значением «да» или «нет», отправленный в определенное время. Ненадежный сверхинтеллект внутри этой схемы имел бы возможность стратегически не сообщать нам о доказуемости теорем в ZF, но если бы часть средств проверки доказательств сообщала нам, что введенная теорема ZF-доказуема, мы, скорее всего, могли бы поверить им.

Но теперь мы сталкиваемся с проблемой: никто не знает, как реально спасти мир, просто иногда обладая надежным знанием о том, что какие-то теоремы доказуемы в ZF. Ножницы затупились до такой степени, что, вероятно, совершенно безопасны, но ими можно резать только глину. И никто не знает, как принести достаточно пользы, разрезая глину.

Идеальные модели «безопасных, но бесполезных» агентов

Если у вас есть причины для проведения математического исследования этого вопроса, то отличная идеальная модель безопасного, но бесполезного агента, воплощающая максимальную безопасность и минимальную полезность — это булыжник.


Категории: Advanced safety
Оригинал: Safe but useless (читать на GreaterWrong)    Перевод: К. Кирдан

Материалы распространяются по лицензии CC BY 3.0