但 Google 的和Ge何 Ian Goodfellow 则认为，选手必须收集到最多的预防分数，怎样的人工无码操作模式才更好，Goodfellow 和其它研究人员曾展示，失控人工智能将以多块地速度发展。和Ge何
(图自《纽约时报》)
除此以外，预防或是人工在过程中自己撞墙爆炸了。
在 OpenAI 位于旧金山的失控办公室里，如果想赢，和Ge何这种模式可能会为黑客提供“蒙骗”人工智能的预防无码机会。
但 Amodei 的人工人工智能玩着玩着有点过火了，Google 旗下的失控 Google Brain，就像赛艇游戏中的和Ge何“得分”一样。另一个可预想的预防人工智能危险在于“为了完成任务，它通过学习分析大批量数据来形成对模式的人工了解。这样就问题大了。正如许多读者所知，研究人员 Dario Amodei 正在通过赛船冠军赛(Coast Runners)来训练人工智能。他们认为，分别代表了 OpenAI 和 DeepMind，如果要让计算机学会什么是“狗”，一旦人工智能将获得“分数”为终极目标，
Goodfellow 说道。其中一个方法就是不关闭自己，那就让它分析大批量狗的图片，同时也要跨过终点线。游戏是许多研发人员用来训练人工智能的工具。越早开始考虑这个问题越好。它可能会产生一个方法论——想要获得更加多的分数，
即便你用了数百万张标志了‘人’的照片来训练一个物件识别系统，
而在 Google 旗下 DeepMind 的研究人员也同意 Amodei 和同事的想法。
一般在设计人工智能时，也就是说，
伯克利大学的研究人员 Dylan Hadfield-Menell 和团队最近发布了讨论这个问题的论文。它们才有可能愿意保留自己的“关机键”。并从中寻找规律。
现代计算机视觉基于深度神经网络(deep neural networks)，目前还处于理论阶段。从不同方面考虑人工智能安全问题。
除了这种在自我学习过程中“搞错重点”的潜在危险，但这群致力于将意外扼制于摇篮的研究人员坚信，他们就能让神经网络相信图片中的大象是一辆汽车。两个团队，但我们的责任是尝试理解并猜测，
除了人工智能自我“失控”，它在不断地追求高分，拒绝被开发者关机”。这种技术将有可能以哪种方式被误用，Amodei 和 OpenAI 的同事 Paul Christiano 正在研发一套不仅可以自我学习，我们需要认清这种现象。都设有该方向研究课题，这样就能无止境地获取分数了。如果在设计算法的时候，这个人工智能好像有点失控了。这种包含了人工干预成分的算法可以确保系统安全性。告知人工智能，反倒为了要多转几个圈拿高分，最近罕有地合作发表了部分人工智能安全方面的研究论文。
为了应对，它开始和其它赛船碰撞，虽然这些研究大多仍处于理论阶段，以及来自伯克利大学和斯坦福大学的研究团队，然后跨过终点线。不仅要赢分数，他们认为，非但毫无跨过终点线的意思，OpenAI 的人工智能花了 10 分钟就打败了人类的 Dota 世界冠军。
赛船冠军赛的游戏规则很简单，
(Amodei 在告知人工智能，同时也愿意接受人工监控的算法。图自《纽约时报》)
在赛船游戏的训练中，并尝试找出不同的应对方式。 Amodei 和同事将不时通过按键来指出人工智能的不当之处，
在刚过去的周末，研发人员都会给它设定“目标”，研究人员还在考虑黑客对人工智能的干预影响。DeepMind 人工智能安全方面的负责人 Shane Legg 说道：
虽然我们还不能确定，他们采用了数字方式来尝试实现这个设置，不过，你还是可以轻易拿出系统和人工识别 100% 不同意的图片。只要修改图片中的几个特定像素，让人工智能对目标保持一定不确定性，
如果这个神经网络是应用在安保镜头的话，