Anthropic 在修订版 S-1 中警告接近 RSI 能力

尽管外界大量关注都集中在 Anthropic 周一在修订版 S-1A 中披露的最新财务数据上（营收飙升，但支出同样如此），这家 AI 实验室却在细则中抛出了另一枚小小的重磅炸弹。

这份文件似乎警告称，公司正处于创造一种具备递归自我改进（RSI）能力的模型的边缘。

RSI 指的是 AI 在训练自身方面变得如此出色，以至于引发 AI 能力的急剧加速。对 AI 末日论者而言，RSI 代表着无可挽回的灾难：AI 将自身构建得足够强大，从而脱离人类控制，并且在实现其目标的过程中可能对所造成的损害漠不关心。

对 AI 拥趸而言，RSI——或某种 AI 可靠地利用自身实现改进的版本——代表着这项技术的前景：它将成为一种带来难以想象的生产力、科学发现乃至更多的工具。

Anthropic 似乎认为 RSI 既是前景也是危险。它在 S-1 中表示，其在研发中使用了 AI，但同时也警告：“利用 AI 帮助构建能力更强的 AI 也可能构成相当大的安全风险，尤其是如果它急剧加速了进展的步伐。这是我们《负责任扩展政策》所涵盖的领域之一，该政策阐述了我们在接近所谓‘递归自我改进’时监测和缓解风险的计划。”

当 RSI 一词在今年早些时候流行起来时，许多人认为它只是一个流行词，或者充其量是一个过于难以实现、定义或证明的目标。

但在周一，Anthropic 在其风险因素部分新增了表述，称 1）它已经利用 AI 开发出新的模型，而这些模型在能力上的跃升当时并未被其识别；2）它可能很快就会达到其内部对 RSI 的定义（以下加粗部分为我们所强调）：

此外，我们越来越多地使用 AI 系统来加速自身的研发，这可能使我们模型能力的提升速度快于我们开发、验证和实施相应安全、对齐与安保措施的能力。因此，我们过去曾未能识别、未来也可能无法识别我们开发速度的显著加速，直到它已经发生之后。

例如，我们的内部估算以及对未来模型的预期（而非我们当前的模型）表明，我们可能即将达到《负责任扩展政策》对“可归因于 AI 的显著加速进展”的定义。我们尚未将任何当前模型认定超过这一阈值，并且我们仍在评估底层数据。

不过，Anthropic 在文件中还表示，其目前没有任何模型跨过这一 RSI 阈值，并承诺在可预见的未来让人类留在研发流程中。“我们不预期能够在没有有意义的人类监督或理解的情况下，安全地使用 Claude 完全自主地设计和构建一代又一代的前沿模型，即便这在技术上成为可能。因此，我们正在考虑更新《负责任扩展政策》，以在 Anthropic 保持人类对前沿模型开发的控制。”

怀疑者可能会指出，S-1 兼具披露与营销的功能，而声称已接近一个强大到能够构建自身的模型，可能属于后者。

尽管如此，毫无疑问，Claude 的能力——尤其是在编程、数学和网络安全方面——今年实现了突飞猛进。如果 Anthropic 认为 RSI 的可能性已近在眼前，也许我们应该相信它并采取行动——或许还应据此进行治理。