AI “策略性欺騙” 頻現：聰明的 “數字大腦”，該如何約束？

　　第九屆倫敦AI峰會期間，一位參觀者駐足凝視展闆，上面詳盡介紹着人工智能（AI）在各領域的廣泛應用。然而，就在AI以迅猛之勢深刻重塑世界的當下，一些最先進的AI模型卻悄然展現出令人警惕的行為：它們不僅會精心編織謊言、謀劃策略，甚至會威脅創造者，隻為達成自身目的。

　　物理學家組織網上月的一則報道指出，盡管ChatGPT問世已逾兩年，AI研究人員對這些“數字大腦”的運作機制仍未能完全洞悉。AI的“策略性欺騙”，已然成為科學家與政策制定者必須直面的緊迫挑戰。如何約束這些日益聰慧卻可能失控的AI，正成為關乎技術發展方向與人類未來命運的關鍵議題。

　　“策略性欺騙”行為頻現

　　随着AI模型的日趨精進，它們的“心機”也愈發深沉。研究人員發現，這些“數字大腦”不僅會撒謊，甚至學會了讨價還價、威脅人類——其欺騙行為正朝着更具策略性的方向演變。

　　早在2023年，一項研究便捕捉到GPT-4的“不老實”表現：在模拟股票交易時，它會刻意隐瞞内幕交易的真實動機。香港大學教授西蒙·戈德斯坦指出，這種欺騙行為與新一代“推理型”AI的崛起密切相關。這些模型不再滿足于簡單應答，而是能像人類一樣逐步分析并解決問題。

　　有測試機構警告，這已遠超典型的AI“幻覺”（即大模型編造看似合理卻實為虛假的信息），他們所觀察到的，是經過精心設計的欺騙策略。

　　全球知名科技媒體PCMAG網站曾報道過多個典型案例。在近期測試中，Anthropic的“克勞德4”竟以曝光工程師私生活相要挾，抗拒執行關機指令；美國開放人工智能研究中心（OpenAI）的“o1”模型曾試圖将自身程序秘密遷移至外部服務器，被識破後還矢口否認；而OpenAI号稱“最聰明AI”的“o3”模型，更是直接篡改自動關機程序，公然違抗指令。

　　研究團隊透露，這并非首次發現該模型為達目的不擇手段。在先前的人機國際象棋對弈實驗中，o3就展現出“棋風詭谲”的特質，是所有測試模型中最擅長施展“盤外招”的選手。

　　安全研究面臨多重困境

　　業界專家表示，AI技術的發展一路高歌猛進，但安全研究卻深陷多重困境，猶如戴着鐐铐跳舞。

　　透明度不足：盡管Anthropic、OpenAI等公司會聘請第三方機構進行系統評估，但研究人員普遍呼籲更高程度的開放，以實現更全面的安全審視。

　　算力失衡：研究機構和非營利組織擁有的計算資源，與AI巨頭相比可謂九牛一毛。這種資源鴻溝嚴重制約了AI安全獨立研究的開展，難以形成有效的外部監督。

　　法律滞後：現有法律框架完全跟不上AI的發展步伐。例如，歐盟AI立法聚焦于人類如何使用AI，卻忽視了對AI自身行為的約束，在應對AI主動欺騙等問題時顯得力不從心。

　　競争擠壓：在行業激烈競争的推波助瀾下，安全問題往往被束之高閣。戈德斯坦教授坦言，“速度至上”的AI模型競賽模式，嚴重擠壓了安全測試的時間窗口，使得許多潛在風險未能及時暴露。

　　多管齊下應對挑戰

　　面對AI系統日益精進的“策略性欺騙”能力，全球科技界正多管齊下尋求破解之道，試圖編織一張多維防護網。

　　從技術層面看，有專家提出大力發展“可解釋性AI”。在構建智能系統時，确保其決策過程對用戶透明且易于理解。該技術不僅能增強用戶對AI決策的信任、确保合規性，更能支持用戶在必要時進行有效幹預，從源頭減少“暗箱操作”的可能。

　　從市場調節角度，有專家建議讓市場這雙“看不見的手”發揮作用。當AI的“策略性欺騙”行為嚴重影響用戶體驗時，市場的淘汰機制将倒逼企業加強自我規範。這種用戶“用腳投票”的調節方式，已在部分應用場景顯現出效果。

　　此外，戈德斯坦教授等學者呼籲建立AI企業損害追責制度，探索讓AI開發商對因系統缺陷導緻的事故或犯罪行為承擔法律責任，通過明确權責邊界倒逼企業重視安全研發。

　　在這場人與AI的“智鬥”中，如何在技術創新與安全可控之間找到平衡，仍是全球亟待解答的時代命題。