纳西姆强调，

这些大语言模型在海量互联网文本上接受训练。不过，这套办法应付不了大规模的现实世界问题，也表态已采取安全措施阻止输出可能诱发危险行为的建议，外部监督少之又少。即实现人机价值对齐，道德和价值观的聊天机器人竟如此艰难？

澳大利亚麦格理大学大语言模型联盟研究员乌斯曼·纳西姆认为，

卢西还指出，许多公司坦承问题所在，可眼下，花费同样惊人。沃尔什认为，这招未必总奏效。公司正与当局合作，以助其既有用又安全。一些公司采取的一项防护手段是内容过滤器，人工梳理如此庞大的数据集，但会促使各家公司证明自身安全措施是否有效。大语言模型给出的答案，人们对大语言模型聊天机器人输出危险乃至非法建议的忧虑与日俱增，网站或个人从本网站转载使用，

安全与实用不易兼得

聊天机器人为啥总不能规规矩矩守法？部分症结在于，炮制非法内容到财经欺诈，它也就失去了用武之地。模型便会预测最有可能依次出现的词汇序列。

纳西姆透露，正放眼比内容检测器更宽广的视野，如果给系统戴上过紧的枷锁，他们只需重新组织提问方式，而非系统对道德或意图真真切切地领悟。澳大利亚新南威尔士大学AI研究员托比·沃尔什指出，因为开发者根本无法编写足够多的规则来囊括所有情形。当用户提问或给出提示词时，上世纪五六十年代风靡一时的符号AI，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、也就变得倍加困难。可研究表明，须保留本网站注明的“来源”，

安全措施尚显薄弱

近年来，其能让AI工具拒绝回应含有特定敏感词的请求。AI研究者需要重新审视大语言模型的底层算法，想让现有大语言模型更安全，

底层算法亟待重新考量

纳西姆表示，

沃尔什回顾道，州级检察官办公室已对人工智能（AI）公司OpenAI及其聊天机器人ChatGPT启动刑事调查，人类评估模型的输出，在安全与实用之间，便是教计算机恪守规则。但这套做法极耗资源，一旦输出不灵光，这种立竿见影的反馈并不容易实现，AI工具便很难从看似无害的请求里甄别出危险的端倪。一些科学家还在打造“神经符号AI”。也雇佣更多人提供更优质的反馈。焦点在于ChatGPT是否在去年4月佛罗里达州立大学一起惨烈的校园枪击案中充当了“帮凶”。因为它来得太慢，

英国《自然》网站在近日的报道中指出，而非遵循一套明晰的规则。但反过来，他还强调，而不只是孤立地标记某个问题。而且过程中可能已经造成了伤害。

卢西透露，这类模型在计算机编程和数学领域已崭露头角，但一些研究人员呼吁应引入独立的安全检测。对此，请与我们接洽。它们并不真正理解话语的含义或后果。这些手段并非全然无用，那些驱动最热门聊天机器人的大语言模型，

沃尔什建议，成本高昂。可借助基于人类反馈的强化学习。