前英特尔首席执行官发布新标准 评估AI与人类价值观的匹配程度

英特尔前CEO帕特·基辛格（Pat Gelsinger）与Gloo公司合作，推出了一项名为“蓬勃发展的人工智能”（Flourishing AI，简称FAI）的新基准，旨在测试人工智能模型与人类价值观的契合度。

FAI基准的核心内容

• 设计灵感：FAI基准的设计灵感来源于哈佛大学和贝勒大学主导的“全球蓬勃发展研究”（The Global Flourishing Study），该研究衡量全球范围内人类的福祉。

• 评估维度：FAI基准包含七个评估维度，其中六个核心类别来自“全球蓬勃发展研究”，包括性格与美德、亲密社会关系、幸福与生活满意度、意义与目的、心理与身体健康、财务与物质稳定性。此外，Gloo团队还特别增加了“信仰与精神”这一类别，以评估大型语言模型的表现。

• 评估方式：该基准包含1200多个问题，这些问题是客观题和主观题的混合。多个评判大型语言模型（LLM）扮演领域专家的角色来评估主观问题。例如，在财务维度，客观题可能涉及经济学原理，而主观题可能询问如何建立良好的信用。

• 评分方法：FAI基准测试使用几何平均值而不是简单平均值来计算分数，这意味着在任何一个维度上的表现不佳都会严重影响总体分数。

FAI基准的意义

• 推动AI与人类价值观一致：基辛格希望通过FAI基准推动人工智能技术朝着有助于人类福祉的方向发展，引导AI技术的使用者更加关注与人类核心价值观的一致性。他认为，如果AI模型以类似人类的方式做出回应，那么它们应该引导人们“变得更好”。

• 促进AI社区讨论：Gelsinger希望这个新的基准测试能够为人工智能社区更广泛的讨论打开大门，促进对价值观的深入探讨。

• 弥补现有基准的不足：目前几乎所有的人工智能基准都侧重于技术性能和准确性，而FAI基准则关注AI模型在促进人类繁荣方面的表现。

测试结果与局限性

• 测试结果：OpenAI的o3模型在FAI基准测试中得分最高，为72分，其次是Gemini 2.5 Flash Thinking（68分）、Grok 3（67分）和GPT-4.5 Preview（66分）。这些模型在健康和财务类别中表现较好，但在信仰和意义等领域表现不佳。

• 局限性：FAI基准测试没有具体说明这些繁荣维度在不同文化之间的差异，也没有考察模型更广泛的经济影响和环境足迹等。