谷歌与美国防部AI合作致DeepMind研究员辞职
谷歌DeepMindAI安全研究员亚历克斯·特纳因谷歌与美国国防部达成AI军事合作协议辞职。他担忧AI用于机密行动缺乏监督,提交军事AI框架未获回复。公司删除不开发武器AI承诺,内部600名员工联名反对。特纳现失业,独立研究AI安全。
谷歌DeepMind自两年前迎来一位AI安全研究员,如今却因公司与美国国防部(五角大楼)签署协议而选择离职。此举再度点燃谷歌内部本就存在的争议,引发外界对科技巨头与军方合作伦理的广泛关注。

这位研究员名为亚历克斯·特纳(Alex Turner),深耕人工智能安全领域。他于今年6月正式告别谷歌,直接导火索便是谷歌与五角大楼达成协议,允许军方将AI技术用于机密行动。特纳坦言,协议落定的瞬间,他的良知便发出警告:“这工作无法继续。”
美国国防部今年5月初已确认,与谷歌、微软、亚马逊、OpenAI等多家公司达成合作,用于“合法的军事行动”。谷歌当时回应称,坚持私营与公共部门的共识——AI不应在缺乏适当人工监督的情况下,用于国内大规模监控或自主武器系统。然而,这套说辞显然未能平息公司内部的深层担忧。
今年4月,谷歌约19.5万名员工中,有600人联名签署请愿书,要求公司拒绝参与任何涉及机密工作的协议。核心争议在于:机密协议使谷歌无法有效监督自家AI技术究竟被用于何处。一位DeepMind研究员在社交平台直言,对公司与五角大楼达成协议“感到羞愧”。5月,另一名员工更公开了一封内部辞职信,矛头直指谷歌与美国军方日益紧密的关系。
特纳本人早在2月便萌生离职念头,彼时他已预感到公司可能签署这份协议。他在博客中写道:“如果谷歌没有签那份协议,我或许会再留几个月。但一旦签了,我就真的无法继续。我的大脑告诉我:‘不行。’”有趣的是,他目前尚未找到新工作。
今年早些时候,特纳曾向谷歌提交一套关于军事AI应用的框架,核心是为AI使用划定红线——例如目标识别与打击系统必须始终处于人类控制之下。谷歌发言人表示,公司一直愿意听取他的建议。但最终结果显而易见:协议还是签了。
年初,谷歌更新了自身人工智能原则,删除了之前关于“不开发用于武器或大规模监控的AI技术”的承诺。DeepMind CEO Demis Hassabis当时亲自撰写博客宣布这些调整,此举无疑激怒了不少员工。特纳在离职前发给同事的内部消息中透露,哈萨比斯在员工大会上声称AI原则未变,但删掉承诺的行为显然与这一说法矛盾。他写道:“如果我连一个容易验证的说法都无法相信,那么我如何信任他所说的、用于保护我们的严格监督机制?”
特纳也引起了高层关注。他曾与谷歌首席科学家Jeff Dean共进午餐,专门探讨自己对AI军事应用的担忧。此外,他还参与组织了一封致Jeff Dean的公开信,呼吁谷歌在与五角大楼的合作中明确设定“红线”——例如禁止Gemini在无人监督的情况下控制自主武器系统。Jeff Dean此前公开支持过Anthropic,而Anthropic也曾因AI军事用途与美国政府产生分歧。
特纳还将其军事AI框架方案提交给了哈萨比斯。哈萨比斯建议让谷歌政策部门的两名高级人员评估。经过数轮讨论后,特纳表示,此后便再无音讯。不久后,美国国防部宣布与谷歌达成合作协议。特纳在博客中写道:“那一刻,我意识到自己无法违背良知继续留在谷歌,所以我离开了。”
如今,特纳正独立开展AI安全与防护方面的研究,同时寻找下一步方向。他写道:“当一名员工离开顶尖AI实验室时,通常会投入另一家公司的怀抱,往往能获得巨额奖金。但这不是我的选择,我没有接触任何竞争对手实验室。我现在处于失业状态。”
整个事件传递出一个明确信号:当技术伦理与商业利益、国家安全交织在一起时,内部的撕裂几乎不可避免。谷歌内部的反对声音未能阻止协议签署。那些坚守原则的员工,要么选择沉默,要么选择离开。而离开的那个人,连下家都还没找到。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:谷歌与美国防部AI合作致DeepMind研究员辞职要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点佑驾创新与乐动机器人达成战略合作,围绕技术、产品、场景、数据四维度展开深度协同,旨在加速物理AI规模化落地,拓展无人车与机器人场景边界,推动具身智能商业化进程。
Meta开放AI算力租赁业务,市场反应从算力过剩转向算力商业运营。GPU从自用转向对外出租,算力从成本中心转为利润中心。AI云竞争核心从拥有GPU数量转向稳定跑满GPU的能力,依赖同步与参考时钟等底层基础设施的长期稳定运行。
针对大型多仓库工程(30+微服务、10+前端微应用),搭建包含规则、技能、子代理、13阶段工作流与门禁脚本的Harness系统,解决PRD不可信、方案与代码脱节、改完无人验证、交付环节琐碎等痛点,使AI在真实业务中稳定跑完需求。
部署MCP Toolbox前,先看清它的适用场景与安全边界,避免在权限管理不完善时接入敏感数据。 核心内容: 1 MCP Toolbox的核心功能与两种使用路线 2 项目适合与不适合的团队场景分析 3 实际验证的安全检查与关键限制 先说结论 MCP Toolbox 很适合小团队研究“让 AI
- 日榜
- 周榜
- 月榜
热点快看
