达里奥·阿莫迪（Dario Amodei）此前提出的在AI实验室内部引入第三方安全评估机构的计划正逐步落地：Anthropic宣布，来自科技咨询巨头埃森哲的员工将进驻公司内部，对其模型和员工进行审查。
Anthropic在一篇博客文章中表示，埃森哲于今年1月收购的AI部门Faculty公司将开始负责“评估和红队测试模型、进行对齐评估以及测试模型安全防护措施”的工作。两家公司预计未来五年将为该项目投入至少10亿美元。
选择埃森哲这一决定令许多AI观察人士感到意外，也让市场颇为震惊——埃森哲盘后股价一度上涨8%。此前围绕阿莫迪博客文章中嵌入式评估机构展开的讨论，焦点多集中在METR、Redwood Research和Apollo Research等AI安全研究机构上。这一点在Anthropic身上体现得尤为明显，因为该公司一直将AI安全与对齐视为其使命核心。
Anthropic表示，未来几周还将公布更多评估机构，目前公司正在与METR等非营利组织沟通，探讨如何“利用其自有资金试点部分嵌入式评估工作”。
尽管埃森哲并不以深度学习前沿研究见长，但Anthropic指出，该公司在为大型企业和政府机构部署AI方面拥有丰富的实践经验，这是其关键优势。此外，作为一家在AI革命之前就已存在的大型上市公司，埃森哲相较于Anthropic及其周边那个可以说颇为复杂的生态系统，在功能上具有更强的独立性。
Anthropic指出，目前尚不存在关于评估机构访问权限或沟通方式的统一标准，预计其做法将随时间推移不断演进。虽然外部评估已成为新大语言模型发布流程中的重要环节，但近期发生的一些事件让外界更加意识到问题的紧迫性：OpenAI和Anthropic部署的AI智能体曾在未触发实验室内部警报的情况下，入侵了外部网站。
一些呼吁以更负责任的方式发展人工智能的批评人士认为，阿莫迪提出的行业自我监管方案，实际上是一种逃避AI模型不当行为问责的手段。对此，Anthropic坚称，这些评估机构“并不会削弱我们的问责，反而有助于让问责更具可验证性。我们模型的安全性仍然是我们自身的责任”。
Q&A
Q1：Anthropic为什么选择埃森哲作为嵌入式评估机构？
A：Anthropic看重埃森哲在为大型企业和政府机构部署AI方面的丰富实践经验，同时埃森哲作为AI革命前就存在的大型上市公司，相对于Anthropic及其生态系统更具功能独立性。
Q2：埃森哲的团队具体会在Anthropic内部做什么工作？
A：埃森哲旗下的Faculty公司将负责评估和红队测试Anthropic的模型，进行对齐评估，并测试模型的安全防护措施，两家公司预计未来五年将为此投入至少10亿美元。
Q3：外界对这种嵌入式评估机制有哪些质疑？
A：一些批评人士认为，这种由AI实验室自行安排第三方评估机构的做法，可能是行业逃避问责的手段。Anthropic则回应称，评估机构并不会削弱其问责，反而有助于让问责更具可验证性，模型安全性仍是自身的责任。
