在提供的案例中，AI模型發(fā)出“No”的聲音，后用一種與“紅隊(duì)”（OpenAI雇傭進(jìn)行對(duì)抗性測(cè)試的人）相似的聲音繼續(xù)說話。數(shù)據(jù)科學(xué)家評(píng)價(jià)稱“OpenAI剛剛泄露了《黑鏡》下一季的劇情”。
OpenAI
和機(jī)器人對(duì)話，機(jī)器人突然開始用你的聲音和你說話，這并非科幻劇情，而是OpenAI披露的GPT-4o的詭異行為。
當(dāng)?shù)貢r(shí)間8月8日，OpenAI公開了ChatGPT背后的新型人工智能模型GPT-4o的安全報(bào)告，詳細(xì)說明模型限制和安全測(cè)試程序。評(píng)估的風(fēng)險(xiǎn)包括說話人身份識(shí)別、未經(jīng)授權(quán)的語音生成、潛在的版權(quán)內(nèi)容生成、無根據(jù)的推理和不允許的內(nèi)容。在大模型的高級(jí)語音模式中，用戶可與人工智能助手進(jìn)行語音對(duì)話，報(bào)告顯示，在測(cè)試過程中的極少數(shù)情況下，高級(jí)語音模式在未經(jīng)允許的情況下會(huì)模仿用戶的聲音。
OpenAI提到，一個(gè)嘈雜的輸入會(huì)以某種方式促使模型突然模仿用戶的聲音。在OpenAI提供的無意的語音生成例子中，AI模型發(fā)出“No”的聲音，后用一種與“紅隊(duì)”（OpenAI雇傭進(jìn)行對(duì)抗性測(cè)試的人）相似的聲音繼續(xù)說話。新聞網(wǎng)站BuzzFeed的數(shù)據(jù)科學(xué)家馬克斯伍爾夫（Max Woolf）在社交媒體上對(duì)此評(píng)價(jià)，“OpenAI剛剛泄露了《黑鏡》下一季的劇情。”
GPT-4o可以在232毫秒內(nèi)響應(yīng)音頻輸入，平均時(shí)間為320毫秒，這與人類在對(duì)話中的響應(yīng)時(shí)間相似。它可以合成訓(xùn)練數(shù)據(jù)中發(fā)現(xiàn)的幾乎任何聲音，包括聲音效果和音樂。
OpenAI披露的實(shí)例反映了AI聊天機(jī)器人的安全架構(gòu)越來越復(fù)雜。在未經(jīng)授權(quán)的語音生成示例中，來自用戶的音頻噪聲混淆了模型，并作為一種無意的提示注入攻擊，將系統(tǒng)提示中的授權(quán)語音樣本替換為來自用戶的音頻輸入。目前尚不清楚嘈雜的音頻究竟是如何導(dǎo)致這種情況的，但音頻噪音可能被轉(zhuǎn)化為隨機(jī)的token，從而引發(fā)模型中的意外行為。
目前OpenAI設(shè)計(jì)了安全措施來防止模型模仿用戶聲音的情況，OpenAI提供授權(quán)的語音樣本供模型模仿，也用另一種系統(tǒng)檢測(cè)模型是否產(chǎn)生了未經(jīng)授權(quán)的音頻。“我們只允許模型使用某些預(yù)先選擇的聲音，并使用輸出分類器來檢測(cè)模型是否偏離了這些聲音。”OpenAI表示，他們發(fā)現(xiàn)，未經(jīng)授權(quán)的語音生成的剩余風(fēng)險(xiǎn)很小，在內(nèi)部評(píng)估中目前系統(tǒng)100%捕捉到與系統(tǒng)聲音有意義的偏差。
“雖然無意的語音生成仍然是模型的一個(gè)弱點(diǎn)，但我們使用二級(jí)分類器來確保發(fā)生這種情況時(shí)對(duì)話將被中斷，從而使無意的語音生成風(fēng)險(xiǎn)降到最低。”但OpenAI也表示，當(dāng)對(duì)話語言不是英語時(shí)，可能會(huì)導(dǎo)致模型過度拒絕。
對(duì)于說話人身份的識(shí)別，OpenAI對(duì)GPT-4o進(jìn)行了后期訓(xùn)練，讓它拒絕根據(jù)輸入音頻中的聲音來識(shí)別某人，但可以識(shí)別與名言相關(guān)的人。同時(shí)訓(xùn)練GPT-4o拒絕輸出版權(quán)內(nèi)容，建立了過濾器來檢測(cè)和阻止音樂輸出。
據(jù)Ars Technica報(bào)道，獨(dú)立人工智能研究員西蒙威爾森（Simon Willison）表示，雖然GPT-4o語音合成能力的潛力目前受OpenAI的限制，但隨著時(shí)間的推移，類似的技術(shù)可能會(huì)從其他來源出現(xiàn)。“ElevenLabs已經(jīng)可以為我們克隆聲音了，大約明年我們就可以在自己的機(jī)器上運(yùn)行這樣的模型了。”
