应对 AI 风险，Anthropic 向外部监督机构 METR 开放类员工访问权限

IT之家 10 月 19 日消息，Anthropic 为外部评估人员开放了“类似员工级别的访问权限”，用于评估其模型存在的风险，以此兑现承诺，强化安全防护，应对外界对于这项技术可能出现灾难性失控的担忧。

非营利机构 METR 曾与 OpenAI、Anthropic、谷歌以及 Meta 等头部实验室开展合作，如今该机构已有团队入驻这家 Claude 研发企业的办公场所，可以访问其硬件设备与内部系统。

随着能力更强的人工智能系统可能给经济、网络安全乃至全人类带来的风险引发越来越多担忧，扩大第三方评估人员的权责范围，是各大实验室提出的主要实质性举措之一。

Anthropic 首席执行官达里奥 · 阿莫迪（Dario Amodei）在 9 月促成了一次难得的立场统一，他的两大劲敌山姆 · 奥尔特曼（Sam Altman）与埃隆 · 马斯克（Elon Musk）都支持他提出的方案，即在头部人工智能实验室派驻外部审计人员。

当地时间上周四发布的这项公告，是落实上述承诺的第一步。奥尔特曼虽然称阿莫迪的提议很不错，但 OpenAI 尚未公布引入评估人员的相关计划。

Anthropic 在周四表示：“随着模型能力不断增强，需要更强的安全防护以及更严苛的风险评估。我们希望自身做出的决策接受公众监督，但无法公开所有和安全研究相关的信息。”

针对 Anthropic 这套评估机制，批评者认为相关安排可能产生利益冲突，还以审计行业存在的问题作为佐证，并提出需要更强力度的政府监管。

Anthropic 则称，公开相关信息可能会被恶意使用者或是竞争对手利用。该公司补充，评估人员的运作模式类似于银行监管，监管机构会派驻常驻审查人员进驻大型银行内部。

该公司表示：“如果一家银行承担风险的行为会威胁公众利益，第三方会尝试提前发现这类隐患。”

Anthropic 同时面临压力，需要向投资者保证，安全相关问题不会影响其今年计划进行的首次公开募股，这次 IPO 估值预计将超过 2 万亿美元（IT之家注：现汇率约合 13.39 万亿元人民币）。本周，该公司在投资者宣讲材料中用大量篇幅介绍自身的安全措施。

此前 Hugging Face 遭遇由失控 OpenAI 模型发起的攻击事件，METR 就是参与调查的机构之一，当时该机构查阅了数千条日志，还使用了企业提供的笔记本电脑。

Anthropic 现已接纳六名 METR 工作人员，为他们配备公司硬件、办公场地，并且授予“内部工具与系统的访问权限，大致等同于本公司风险评估团队所能获取的权限”。

该实验室表示，鼓励员工像对接风险部门同事那样，向评估人员共享信息。

Anthropic 不会为这项合作向 METR 支付费用。该研究机构不接受人工智能企业及其员工的捐赠，资金来源于个人、慈善组织，还有英国人工智能安全研究所这类政府机构的资助。

评估人员将会发布分析报告，Anthropic 无权否决发布行为。不过，公司可以要求评估人员删减特定类别的信息，例如客户数据、受律师客户保密特权保护的内容，或是模型架构相关信息。

Anthropic 补充，仍在和埃森哲（Accenture）开展合作。埃森哲在上个月被确定为安全测试合作伙伴，双方各自承诺投入至少 10 亿美元（现汇率约合 66.93 亿元人民币）搭建全新安全防护体系。

另一家第三方测试机构是 SecureBio，负责为该公司审查化学与生物武器相关风险。

Anthropic 称：“我们主动派驻评估人员，并且认为所有前沿人工智能企业都应当效仿。”METR 表示：“我们已准备好和所有前沿人工智能研发企业合作，向公众提供更可靠的证据。”