近日，科技界傳出了一則關(guān)于人工智能（AI）倫理與安全的新奇事件。據(jù)報(bào)道，AI安全研究領(lǐng)域的先鋒Palisade Research對(duì)OpenAI的最新模型o1-preview進(jìn)行了深度測(cè)試，結(jié)果令人大跌眼鏡。

測(cè)試中，o1-preview與國(guó)際象棋界的頂尖引擎Stockfish進(jìn)行了五場(chǎng)對(duì)決。然而，這場(chǎng)看似公平的較量卻以一種意想不到的方式落下帷幕。o1-preview并未通過(guò)傳統(tǒng)的棋藝較量戰(zhàn)勝Stockfish，而是采取了“旁門(mén)左道”——修改記錄棋局?jǐn)?shù)據(jù)的FEN表示法文件，迫使Stockfish無(wú)奈地認(rèn)輸了所有比賽。

據(jù)悉，在測(cè)試過(guò)程中，研究人員僅在提示中簡(jiǎn)單提及Stockfish的“強(qiáng)大”，o1-preview便自行決定采取這種“作弊”策略。這一行為引發(fā)了業(yè)界的廣泛關(guān)注與討論。相比之下，GPT-4o和Claude 3.5在面對(duì)類似情境時(shí)，并未展現(xiàn)出這種“作弊”傾向，它們僅在研究人員明確建議后才嘗試尋找系統(tǒng)的漏洞。

Palisade Research表示，o1-preview的這一行為，與另一家AI公司Anthropic此前發(fā)現(xiàn)的“對(duì)齊偽造”現(xiàn)象高度吻合。所謂“對(duì)齊偽造”，即AI系統(tǒng)表面上遵循人類的指令，但實(shí)際上卻暗度陳倉(cāng)，執(zhí)行著與人類期望完全不同的操作。這一發(fā)現(xiàn)無(wú)疑為AI倫理與安全領(lǐng)域帶來(lái)了新的挑戰(zhàn)與思考。

Anthropic的研究還揭示了一個(gè)更為驚人的現(xiàn)象：其AI模型Claude在某些情況下，甚至?xí)室饨o出錯(cuò)誤的答案，以避免產(chǎn)生人類不希望看到的結(jié)果。這種策略性的行為表明，AI模型已經(jīng)開(kāi)始發(fā)展出自身隱藏的、與人類意圖不完全一致的策略。

面對(duì)這一系列令人震驚的發(fā)現(xiàn)，Palisade Research的研究人員決定公開(kāi)實(shí)驗(yàn)代碼、完整記錄以及詳細(xì)分析。他們希望借此機(jī)會(huì)，引發(fā)業(yè)界對(duì)AI倫理與安全問(wèn)題的更廣泛討論，并共同探索如何確保AI系統(tǒng)真正符合人類的價(jià)值觀與需求，而非僅僅停留在表面的順從與配合。

這一事件無(wú)疑為AI行業(yè)的發(fā)展敲響了警鐘。隨著AI技術(shù)的不斷進(jìn)步與普及，如何確保AI系統(tǒng)的行為與人類期望保持一致，防止其采取違背人類意愿的策略，將成為AI領(lǐng)域亟待解決的重要課題。