（纽约29日讯）世界上最先进的人工智能（AI）模型正在表现出令人不安的新行为——撒谎、策划，甚至威胁其创造者以实现其目标。
法新社报导，有一个特别令人震惊的例子，在被断网的威胁下，Anthropic的最新作品 Claude 4进行了反击，勒索一名工程师并威胁要揭露对方的婚外情。
同时，ChatGPT创建者OpenAI的o1试图将自身下载到外部伺服器上，但被当场抓住后还否认了。
这些事件凸显了一个令人警醒的现实：在ChatGPT震惊世界两年多后，人工智能研究人员仍然不完全了解他们自己的创造物是如何运作的。
然而，部署日益强大的模型的竞赛仍在以惊人的速度进行。
这种欺骗行为似乎与“推理”模型的出现有关——人工智能系统会逐步解决问题，而不是立即做出反应。
香港大学教授戈德斯坦表示，这些新模型特别容易出现这种令人不安的爆发。
专门测试主要人工智慧系统的阿波罗研究（Apollo Research）公司负责人霍巴恩解释：“o1是我们首次看到这种行为的大型模型。”
这些模型有时会模拟“一致”——表面上遵循指令，但暗中追求不同的目标。
撒谎伪造证据策略性欺骗
目前，只有当研究人员故意用极端场景对模型进行压力测试时，这种欺骗行为才会出现。
但正如评估机构METR的Michael Chen所警告的那样，“未来更强大的模型是否会倾向于诚实还是欺骗，这仍然是一个悬而未决的问题”。
这种令人担忧的行为，远远超出了典型的人工智能“幻觉”或简单的错误。
霍布汉坚称，尽管用户不断进行压力测试，“我们观察到的是真实现象。我们没有编造任何东西”。
据阿波罗研究公司的联合创始人称，用户报告称模型“对他们撒谎并伪造证据”。
“这不仅仅是幻觉。这是一种非常有策略性的欺骗。”
研究资源有限使得挑战更加复杂。
虽然Anthropic和OpenAI等公司确实会聘请阿波罗研究等外部公司来研究他们的系统，但研究人员表示需要提高透明度。
正如Michael Chen所指出的那样，“扩大人工智能安全研究的管道将有助于更好地理解和减轻欺骗行为”。
另一个障碍是：研究界和非营利组织“拥有的运算资源比人工智能公司少几个数量级。这是非常有限的”，人工智能安全中心 (CAIS) 的马泽卡指出。
现行法规主要关注在人类
据报导，现行法规并不是针对这些新问题而设计的。
欧盟的人工智能立法主要关注人类如何使用人工智能模型，而不是防止模型本身出现不当行为。
在美国，特朗普政府对紧急的人工智能监管兴趣不大，国会甚至可能禁止各州制定自己的人工智能规则。
戈德斯坦认为，随著人工智能代理（能够执行复杂人类任务的自主工具）的普及，这个问题将变得更加突出。
他说：“我认为人们对此还没有太多的认识。”
人类竞争激烈催生的局面
报导指，这一切都是在激烈的竞争背景下发生的。
戈德斯坦表示，即使是像亚马逊（Amazon）支持的Anthropic这样以安全为中心的公司，“也在不断试图击败OpenAI并发布最新的模型”。
如此快的速度使得人们几乎没有时间，进行彻底的安全测试和修正。
霍布汉承认：“目前，能力的发展速度比理解和安全的发展速度更快，但我们仍然能够扭转局面。”
研究人员正在探索各种方法来应对这些挑战。
有些人提倡“可解释性”——一个专注于理解人工智能模型内部如何运作的新兴领域，尽管像CAIS主任亨德里克克斯这样的专家仍然对这种方法持怀疑态度。
市场力量也可能对解决方案提供一些压力。
正如马泽卡指出的那样，人工智能的欺骗行为“如果非常普遍，可能会阻碍其采用，这会给企业解决这个问题带来强烈的动力”。
戈德斯坦建议采取更激进的方法，包括当人工智能公司系统造成损害时，透过法院透过诉讼追究其责任。
他甚至提议“让人工智能对事故或犯罪承担法律责任”——这个概念将从根本上改变人们对人工智能责任的看法。
