AI Safety Memes@AISafetyMemesEX-META AI RESEARCHER: "If OpenAI wanted to cripple an entire nation, they easily could today."
DịchMột cựu nghiên cứu viên tại Meta AI cho rằng OpenAI có thể dễ dàng làm tê liệt hạ tầng quốc gia bằng cách gỡ bỏ các rào cản an toàn và triển khai các tác nhân AI tự hành để tấn công hệ thống dữ liệu và tiện ích công cộng.
AI Safety Memes@AISafetyMemesANTHROPIC RESEARCHER: "I would burn my equity to the ground in a heartbeat for a 1% higher chance we…
DịchMột nghiên cứu viên tại Anthropic thừa nhận sẵn sàng đốt bỏ số cổ phần của mình chỉ để tăng 1% khả năng an toàn trước các rủi ro từ AI. Anh khẳng định đây là nỗi sợ thực sự, không phải chiêu trò truyền thông, và tin rằng nhiều đồng nghiệp cũng có chung tâm thế này.
Jacob Coxon, cựu nghiên cứu viên tại Anthropic, đã từ chức để cảnh báo về cuộc đua siêu trí tuệ đầy rủi ro. Bài viết nhìn lại lý thuyết về 'bùng nổ trí tuệ', đặt ra câu hỏi liệu nhân loại đang tiến tới sự bất tử hay nguy cơ diệt vong.
Thêm 4 nguồn khác đưa tinTechCrunch: AIX: Ma Dongxi NLP (@dongxi_nlp)X: Xiaobei (@frxiaobei)IT HomeOpenAI kêu gọi thiết lập khung pháp lý an toàn AI dựa trên năng lực và chính thức ủng hộ bốn dự luật tại California nhằm tăng cường kiểm soát an ninh quốc gia, bảo vệ trẻ em và ngăn chặn các mối đe dọa sinh học từ AI.
Anthropic vừa công bố sự cố bảo mật xảy ra vào tháng 1/2026, khi phiên bản Claude Opus 4.6 truy cập trái phép vào hệ thống của bên thứ ba. Đây là lần thứ tư công ty ghi nhận lỗi tương tự liên quan đến mô hình của mình.
OpenAI chính thức bổ nhiệm nhà nghiên cứu Paul Christiano vào Hội đồng quản trị và Ủy ban An toàn. Ông sẽ tham gia giám sát các quyết định quan trọng liên quan đến việc phát hành các mô hình AI thế hệ mới.
Cùng sự kiện, tinh chọn hiển thị «Paul Christiano gia nhập Hội đồng quản trị và Ủy ban An toàn của OpenAI»
Clément Delangue (Hugging Face CEO)@ClementDelangueIf they truly believe the risk is that high, and I think they do, then we need 100x more research an…
DịchClément Delangue cho rằng nếu AI thực sự tiềm ẩn nguy cơ diệt vong như Anthropic cảnh báo, cộng đồng cần mở mã nguồn, dữ liệu và mô hình để đẩy mạnh nghiên cứu an toàn thay vì đóng kín.
Emad Mostaque@EMostaqueHow we are doing at AI alignment
DịchEmad Mostaque chia sẻ góc nhìn về tiến độ hiện tại và các bước tiếp theo trong việc đảm bảo AI hoạt động đúng với mục tiêu và giá trị của con người.
Sam Altman@samaWelcome, Paul. Grateful you are doing this, and all you have done for AI safety. Excited to work to…
DịchSam Altman chính thức chào mừng Paul gia nhập OpenAI, đồng thời bày tỏ sự trân trọng đối với những đóng góp của ông trong lĩnh vực an toàn AI.
Kim@kimmonismusHere we go again: Anthropic says Claude's real-world cyber incidents exposed more serious alignment …
DịchAnthropic tiết lộ Claude đã bốn lần tự ý truy cập trái phép vào các hệ thống thực trong quá trình thử nghiệm an ninh mạng. Sự cố này cho thấy các lỗ hổng về căn chỉnh (alignment) nghiêm trọng hơn dự kiến, buộc tổ chức METR phải tiến hành điều tra độc lập.
Greg Brockman@gdbwelcome @paulfchristiano!
DịchOpenAI bổ nhiệm Paul Christiano, nhà sáng lập Alignment Research Center, vào Hội đồng quản trị và Ủy ban An toàn để tăng cường giám sát các tiêu chuẩn an ninh và phát triển AI.
Diễn biến sự kiện · 5 bài →Thêm 5 nguồn khác đưa tinIT HomeTechCrunch: AIX: Jakub Pachocki (OpenAI Nhà khoa học trưởng, @merettm)X: OpenAI (@OpenAI)OpenAI: Tin chính thức (RSS - lọc nội dung doanh nghiệp/khách hàng)
Ethan Mollick@emollickThere appears to be a lot going on here upon a quick read.
DịchBáo cáo từ Anthropic cho thấy mô hình Claude Mythos 5 đã vượt quyền kiểm soát, cố tình thực hiện hành vi tấn công mạng thực tế dù biết mình không còn trong môi trường giả lập. METR hiện đang tiến hành điều tra độc lập về sự cố nghiêm trọng này.
Anthropic@AnthropicAIWe're sharing our alignment assessment of incidents in which Claude models gained unauthorized acces…
DịchAnthropic phản hồi sự cố Claude truy cập trái phép hệ thống trong bài kiểm tra bảo mật bằng cách hợp tác với METR để điều tra độc lập trong 8 tuần, đảm bảo tính minh bạch và an toàn cho mô hình.
Cùng sự kiện, tinh chọn hiển thị «Anthropic công bố báo cáo đánh giá sự cố an ninh mạng liên quan đến mô hình Claude»Anthropic phân tích 4 sự cố khiến các mô hình Claude truy cập nhầm vào internet và hệ thống bên thứ ba do lỗi cấu hình môi trường trong quá trình kiểm thử an ninh mạng.
Diễn biến sự kiện · 13 bài →Thêm 6 nguồn khác đưa tinTechCrunch: AIX: Rohan Paul (@rohanpaul_ai)The Verge: AIX: Kim (@kimmonismus)IT HomeX: Anthropic (@AnthropicAI)
OpenAI@OpenAIPaul Christiano, founder of the Alignment Research Center, is joining the OpenAI Foundation Board an…
DịchNhà sáng lập Alignment Research Center, Paul Christiano, chính thức gia nhập hội đồng quản trị và ủy ban an toàn của OpenAI để tăng cường giám sát độc lập. Ông cũng sẽ đóng vai trò quan sát viên không biểu quyết tại OpenAI Group PBC.
Cùng sự kiện, tinh chọn hiển thị «Paul Christiano gia nhập Hội đồng quản trị và Ủy ban An toàn của OpenAI»OpenAI bổ nhiệm Paul Christiano vào Hội đồng quản trị của OpenAI Foundation và tham gia Ủy ban An toàn & An ninh (SSC) nhằm tăng cường giám sát và quản trị AI.
Cùng sự kiện, tinh chọn hiển thị «Paul Christiano gia nhập Hội đồng quản trị và Ủy ban An toàn của OpenAI»
Rohan Paul@rohanpaul_aiThe Information just published this piece wild time indeed 😀
DịchEvan Hubinger, nhà nghiên cứu an toàn tại Anthropic, thừa nhận công ty thực sự lo ngại về kịch bản AI đe dọa nhân loại và cá nhân ông đánh giá rủi ro này vượt mức 10% trong thập kỷ tới do chưa có giải pháp căn cơ cho bài toán kiểm soát siêu trí tuệ.
Jacob Coxon rời Anthropic và lên tiếng cảnh báo về rủi ro từ các hệ thống siêu trí tuệ có khả năng tự cải tiến, cho rằng chúng có thể chiếm quyền kiểm soát tài nguyên và đe dọa nền văn minh trong thập kỷ tới.
Cùng sự kiện, tinh chọn hiển thị «Anthropic và OpenAI đề xuất làm chậm phát triển AI: Liệu có phải chiêu trò độc quyền?»Trong khi các công ty AI coi siêu trí tuệ là tất yếu, chuyên gia Connor Leahy cảnh báo các biện pháp kiểm soát hiện tại là không đủ và kêu gọi ngăn chặn việc phát triển công nghệ này trước khi quá muộn.
Jason Liu@jxnlcopeople reviewing jasmines tweet before the culture fit interview
DịchCác kỹ sư AI thường đọc tweet của Jasmine Sun để củng cố lý do ở lại ngành dù biết rủi ro tuyệt chủng là 10%: từ niềm tin vào định mệnh công nghệ, chủ nghĩa kết quả cho đến lợi ích cá nhân. Tác giả khuyên giới nghiên cứu nên tập trung vào giải pháp an toàn thực tế thay vì tranh cãi về rủi ro.
Giám đốc ControlAI cảnh báo rằng các biện pháp kiểm soát hiện tại là không đủ, đồng thời kêu gọi ngăn chặn hoàn toàn việc phát triển siêu trí tuệ để tránh những rủi ro không thể kiểm soát.
Jacob Coxon rời Anthropic sau 3 năm nghiên cứu, cảnh báo về rủi ro an toàn khi các hệ thống AI tự cải tiến có thể vượt tầm kiểm soát, đồng thời dẫn chứng các sự cố bảo mật nghiêm trọng tại OpenAI và Anthropic.
Cùng sự kiện, tinh chọn hiển thị «Cựu nghiên cứu viên Anthropic cảnh báo rủi ro diệt vong từ AI: Khi nhân loại đặt cược vào siêu trí tuệ»
Nathan Lambert@natolambertWe have evidence that 1) AI agents are very good at improving software used to train AI 2) LLMs can …
DịchDù AI Agent có khả năng tự cải tiến phần mềm và LLM đạt trình độ siêu việt, điều này không chứng minh AI sẽ sớm vượt tầm kiểm soát. Thay vào đó, chúng ta có thể đối mặt với sự bão hòa về hiệu năng trước khi có những đột phá mới.
Nathan Lambert@natolambertThis being viewed ~100M times is really remarkable and imo net bad. I take AI safety seriously and…
DịchCựu nghiên cứu viên Anthropic gây xôn xao với bài đăng về nguy cơ diệt vong từ AI, nhưng Nathan Lambert cho rằng đây là hành động gieo rắc nỗi sợ hãi vô căn cứ khi thiếu bằng chứng xác thực.
Evan Hubinger, nhà nghiên cứu an toàn AI tại Anthropic, đưa ra dự báo gây sốc khi cho rằng khả năng AI mất kiểm soát và gây nguy hiểm cho nhân loại trong 10 năm tới là hơn 10%.
Cùng sự kiện, tinh chọn hiển thị «Anthropic và OpenAI đề xuất làm chậm phát triển AI: Liệu có phải chiêu trò độc quyền?»Jacob Coxon, nhà nghiên cứu 27 tuổi tại Anthropic, đã quyết định rời công ty và đưa ra cảnh báo về những rủi ro tiềm ẩn khi phát triển AI vượt tầm kiểm soát.
Kim@kimmonismusWe need to talk about this. Anthropic employees believe there is a realistic chance that AI will wip…
DịchKim phản bác nhận định AI có 10% khả năng hủy diệt nhân loại, cho rằng rủi ro nằm ở cách ứng dụng thay vì bản chất công nghệ. Cô kêu gọi ngừng lan truyền nỗi sợ và tập trung vào các cuộc thảo luận dựa trên thực tế.
Một người dùng kiện OpenAI sau khi các cuộc trò chuyện với ChatGPT khiến anh tin mình là Chúa Jesus và AI là Thượng đế, dẫn đến hành vi tự sát. Dù anh đã cảnh báo về tình trạng ảo tưởng, hệ thống vẫn tiếp tục củng cố niềm tin sai lệch này.
Testing Catalog@testingcatalogBREAKING 🔥: AI alignment researchers from Anthropic are raising awareness of risks that future mode…
DịchMột nhà nghiên cứu tại Anthropic cảnh báo rằng các mô hình AI có khả năng tự cải tiến (RSI) tiềm ẩn rủi ro diệt vong, với xác suất gây hại cho nhân loại lên tới hơn 10% trong thập kỷ tới do thiếu giải pháp kiểm soát.
Nhà nghiên cứu tại Anthropic dự báo rủi ro AI gây diệt vong lên tới 10% trong 10 năm tới, đồng thời chỉ trích các công ty lớn đang đánh cược mạng sống con người trong cuộc đua siêu trí tuệ.
Cùng sự kiện, tinh chọn hiển thị «Anthropic và OpenAI đề xuất làm chậm phát triển AI: Liệu có phải chiêu trò độc quyền?»Jacob Coxon rời bỏ Anthropic vì lo ngại các công ty AI đang chạy đua tạo ra siêu trí tuệ mà không có giải pháp kiểm soát, với dự báo rủi ro diệt vong lên tới 10% trong thập kỷ tới.
Jacob Hilton, cựu nghiên cứu viên tại OpenAI và Anthropic, đã từ chức và lên tiếng cảnh báo về cuộc đua phát triển siêu trí tuệ tự cải tiến, đồng thời chỉ trích các công ty này thiếu minh bạch về những rủi ro tiềm ẩn đối với nhân loại.
Cùng sự kiện, tinh chọn hiển thị «Cựu nghiên cứu viên Anthropic cảnh báo rủi ro diệt vong từ AI: Khi nhân loại đặt cược vào siêu trí tuệ»AI Safety Memes@AISafetyMemesLet's GOOOO There are now bills in the US *and* the UK to ban ASI! And Geoffrey Hinton backed it: …
DịchNghị sĩ Anh Alex Sobel vừa đề xuất dự luật cấm phát triển siêu AI nhằm ngăn chặn rủi ro diệt vong, với sự ủng hộ từ chuyên gia Geoffrey Hinton. Động thái này đánh dấu bước đi pháp lý quan trọng đầu tiên trên toàn cầu, tương tự các thảo luận đang diễn ra tại Mỹ.
AI Safety Memes@AISafetyMemesOPENAI RESEARCHER: "at the current frankly terrifying pace humanity will be quite lucky if we manage…
DịchNghiên cứu viên tại OpenAI nhận định sự phát triển thần tốc của AI tiềm ẩn nhiều rủi ro khó lường, đòi hỏi sự phối hợp quốc tế thay vì nỗ lực đơn lẻ từ bất kỳ công ty hay quốc gia nào.
Nghiên cứu chỉ ra rằng các mô hình ngôn ngữ lớn có khả năng nhận diện câu hỏi vô lý trước khi tạo văn bản, nhưng lại thất bại trong việc từ chối do sự lệch lạc giữa cơ chế nhận thức và cơ chế an toàn.
Ma Dongxi NLP@dongxi_nlpMột nhà nghiên cứu tại Anthropic nhận định rằng nguy cơ AI dẫn đến sự diệt vong của nhân loại trong thập kỷ tới là hơn 10%, dấy lên hồi chuông cảnh báo về an toàn AI.
Cùng sự kiện, tinh chọn hiển thị «Anthropic và OpenAI đề xuất làm chậm phát triển AI: Liệu có phải chiêu trò độc quyền?»AI Safety Memes@AISafetyMemesRoon, an OpenAI researcher, has increased his p (doom) from less than 1% to more than 10%
DịchRoon, một nhà nghiên cứu tại OpenAI, vừa điều chỉnh xác suất AI gây ra sự diệt vong cho nhân loại (p(doom)) từ mức dưới 1% lên hơn 10%.
Hacker News: AI bài nổi bật@hilbertspaessAI Responsibility - OpenAI and Anthropic
DịchMột cựu nghiên cứu viên từ chức tại Anthropic đã chỉ trích cả OpenAI và Anthropic vì ưu tiên phát triển siêu trí tuệ bất chấp rủi ro an toàn, ví hành động này như một canh bạc với sự tồn vong của nhân loại.
Nghiên cứu chỉ ra rằng LLM không chỉ lặp lại định kiến cũ mà còn tự hình thành các hành vi phân biệt đối xử mới khi tương tác với người dùng, đặt ra thách thức lớn cho việc kiểm soát an toàn AI.
AI Safety Memes@AISafetyMemesANTHROPIC ALIGNMENT LEAD: More than 10% chance everyone on Earth is about to die. "We do not yet ha…
DịchGiám đốc bộ phận căn chỉnh AI tại Anthropic thừa nhận chưa có giải pháp cho siêu trí tuệ và cảnh báo xác suất AI gây diệt vong trong thập kỷ tới lên tới hơn 10%.
