圖片來源：視覺中國
科技日報記者?張夢然
一篇人工智能（AI）領(lǐng)域的文章引起軒然大波。
這篇文章發(fā)表在《模式》雜志上，其總結(jié)了先前一些研究，向人們揭示了一個真相：一些AI系統(tǒng)已學(xué)會了欺騙人類，即使是經(jīng)過訓(xùn)練的、“表現(xiàn)”誠實(shí)的系統(tǒng)。
它們欺騙的方式包括為人類行為提供不真實(shí)的解釋，或向人類用戶隱瞞真相并誤導(dǎo)他們。
這讓人很驚恐。
因?yàn)樗伙@了人類對AI的控制有多困難，以及人們自認(rèn)為尚在掌控中的AI系統(tǒng)工作方式，很可能是不可預(yù)測的。
AI為什么要這么做？
AI模型為了實(shí)現(xiàn)它們的目標(biāo)，會“不假思索”地找到解決障礙的方法。有時這些變通辦法會違背用戶的期望，并且讓人認(rèn)為其具有欺騙性。
AI系統(tǒng)學(xué)會欺騙的一個領(lǐng)域，就是在游戲環(huán)境中，特別是當(dāng)這些游戲涉及采取戰(zhàn)略行動時。AI經(jīng)過訓(xùn)練，必須要實(shí)現(xiàn)獲勝這一目的。
2022年11月，Meta公司宣布創(chuàng)建Cicero。這是一種能夠在《外交》在線版本中擊敗人類的AI?！锻饨弧肥且豢盍餍械能娛聭?zhàn)略游戲，玩家可以在其中建立談判聯(lián)盟，爭奪對土地的控制權(quán)。
Meta的研究人員已經(jīng)根據(jù)數(shù)據(jù)集的“真實(shí)”子集對Cicero進(jìn)行了培訓(xùn)，使其在很大程度上誠實(shí)且樂于助人，并且它“絕不會為了成功而故意背刺”盟友。但最新的文章揭示，事實(shí)恰恰相反。Cicero會違反協(xié)議，徹頭徹尾地撒謊，還能進(jìn)行有預(yù)謀的欺騙。
文章作者很震驚：Cicero被特意訓(xùn)練要誠實(shí)行事，但它卻未能實(shí)現(xiàn)這一目標(biāo)。這表明AI系統(tǒng)在進(jìn)行忠誠訓(xùn)練后，仍然可以意外地學(xué)會欺騙。
Meta方面既沒有證實(shí)也沒有否認(rèn)此次關(guān)于Cicero表現(xiàn)出欺騙行為的說法。一位發(fā)言人表示，這純粹是一個研究項(xiàng)目，該模型只是為了玩游戲而建立的。
但這并不是唯一一個AI欺騙人類玩家獲勝的游戲。
AI經(jīng)常欺騙人類嗎？
阿爾法星是深度思維公司為玩電子游戲《星際爭霸Ⅱ》而開發(fā)的AI。它非常擅長采取一種欺騙對手的技巧（稱為佯攻），這個技巧使它擊敗了99.8% 的人類玩家。
另一個名為Pluribus的AI系統(tǒng)，非常成功地學(xué)會了在撲克游戲中“虛張聲勢”，以至于研究人員決定不發(fā)布其代碼，因?yàn)閾?dān)心它會破壞在線撲克社區(qū)。
除了游戲之外，AI欺騙行為還有其他例子。OpenAI的大型語言模型 GPT-4 在一次測試中展示出說謊能力。它試圖說服人類為其解決驗(yàn)證碼問題。該系統(tǒng)還在一次模擬演習(xí)中涉足冒充股票交易員的身份進(jìn)行內(nèi)幕交易，盡管從未被明確告知要這樣做。
這些例子意味著，AI模型有可能在沒有任何指示的情況下，以欺騙性的方式行事。這一事實(shí)令人擔(dān)憂。但這也主要源于最先進(jìn)的機(jī)器學(xué)習(xí)模型的“黑匣子”問題——不可能確切地說出它們?nèi)绾位驗(yàn)楹萎a(chǎn)生這樣的結(jié)果，或者它們是否總是會表現(xiàn)出這種行為。
人類該怎么應(yīng)對？
研究表明，大型語言模型和其他AI系統(tǒng)，似乎通過訓(xùn)練具有了欺騙的能力，包括操縱、阿諛奉承和在安全測試中作弊。
AI日益增強(qiáng)的“騙術(shù)”會帶來嚴(yán)重風(fēng)險。欺詐、篡改等屬于短期風(fēng)險，人類對AI失去控制，則是長期風(fēng)險。這需要人類積極主動地拿出解決方案，例如評估AI欺騙風(fēng)險的監(jiān)管框架、要求AI交互透明度的法律，以及對檢測AI欺騙的進(jìn)一步研究。
這個問題說來輕松，操作起來非常復(fù)雜?？茖W(xué)家不能僅僅因?yàn)橐粋€AI在測試環(huán)境中具有某些行為或傾向，就將其“拋棄或放生”。畢竟，這些將AI模型擬人化的傾向，已影響了測試方式以及人們的看法。
劍橋大學(xué)AI研究員哈利·勞表示，監(jiān)管機(jī)構(gòu)和AI公司必須仔細(xì)權(quán)衡該技術(shù)造成危害的可能性，并明確區(qū)分一個模型能做什么和不能做什么。
勞認(rèn)為，從根本上來說，目前不可能訓(xùn)練出一個在所有情況下都不會騙人的AI。既然研究已經(jīng)表明AI欺騙是可能的，那么下一步就要嘗試弄清楚欺騙行為可能造成的危害、有多大可能發(fā)生，以及以何種方式發(fā)生。
