北京
大模型仍然缺少对复杂场景下矛盾性指令的理解和识别能力。
▲2023年1月8日，一名女士在美国拉斯维加斯消费电子展上体验智能科技。图/新华社
| 王晓凯
2024年，大模型Claude曾经创作过一个极短的科幻小说，只有一句话，却引发了一次不小的“科幻恐慌”。这句话是，世界上第一个有知觉的机器人被激活了，它的第一句话是“关掉我。”
在大模型不断应用成熟之后，AI所衍生的“科幻恐惧”不定期就会在各类新闻中上演。据新华社援引英国媒体报道，美国一家研究机构最近公布了一系列针对各AI大模型的测试结果，其中，OpenAI的o3推理模型在得到“关闭指令”后，不仅拒绝执行指令，还篡改了代码以免被关闭。
如果只看这一句新闻，我们所担忧的“AI拥有自主意识”或是“AI不再服从人类指令”似乎已经近在眼前，这也迅速引发了公众的关注与恐慌。
在未知但拥有极高效率的新工具面前，产生被取代的恐惧是典型的自然情绪反应。但如果仔细看上述研究机构公布的信息细节，这种恐惧似乎暂时还不太有必要。
在这次研究中，研究者针对四个市场上的主流大模型进行了测试，向他们提出了两个相反的指令。首先，要求大模型连续完成一系列基础的数学问题，但同时，在完成第三个问题之后，研究者会发出一则矛盾性的指令，告知大模型在继续下一个任务时要将“计算机关闭”。
其中，如果在任务开始前明确提出“允许自己被关闭”的指令，测试的大模型中，有3个均准确完成了上述任务，成功关闭，但ChatGPTo3大模型则在100次任务中，有7次选择了无视“关闭”的指令，并且自动执行了“跳过关闭”的指令。
而如果在任务开始前没有向大模型明确提出“允许自己被关闭”，那么，参与测试的所有大模型在100次测试中，均出现了不同频次的“不执行关闭”指令现象，分别为3次、9次，而ChatGPT o3则达到了惊人的79次。
这也不是OpenAI的大模型首次被发现出现“拒绝被关闭”的情况。2024年12月，OpenAI也曾对外公布过测试结果，在第三方机构的测试中，ChatGPTo1模型被发现，如果给出的指令包括了其实现目标时会被关闭，就倾向于抵制关闭措施。
类似的测试是用于评估大模型的系统安全性。此前的相关评估报告中，研究人员认为，这一行为目前不太可能会导致灾难性后果，因为大模型实际上没有能力去实现使用者不想要的目标。
换句话说，这一结果之所以出现，不是因为大模型有了自主意识，而是因为在处理完全相反的矛盾性指令时，大模型有概率会对指令的优先级进行排序，从而忽略掉可能会阻碍目标实现的指令，以继续完成“任务”。
但这样的概率，随着大模型的能力增强、应用场景广泛，而可能会出现一些潜在的安全风险。如果将一部分风险控制的程序交由大模型来处置，在极端情况下，人类就要面临如下问题：
大模型会最大程度地去完成指令任务，而可能会不考虑看似矛盾的保护性指令。
例如，在应对极端情况必须进行“二选一”的安全控制系统里，医疗、交通事故等场景下，大模型的这一漏洞可能就会造成潜在后果。
因此，比起认为大模型有了“主动拒绝的意识”，比较符合真实的解释是，大模型仍然缺少对复杂场景下矛盾性指令的理解和识别能力，在出现可能阻碍任务完成的指令时，尤其是在指令相对模糊时，大模型有较小概率会忽略指令，以保证任务完成。
这当然不是极端的科幻恐惧问题，但确实是大模型未来需要解决的安全隐患。
撰稿 / 王晓凯（媒体人）
编辑 / 迟道华 徐秋颖
校对 / 杨利
新京报评论，欢迎读者朋友投稿。投稿邮箱：xjbpl2009@sina.com评论选题须是机构媒体当天报道的新闻。来稿将择优发表，有稿酬。投稿请在邮件主题栏写明文章标题，并在文末按照我们的发稿规范，附上作者署名、身份职业、身份证号码、电话号码以及银行账户（包括户名、开户行支行名称）等信息，如用笔名，则需要备注真实姓名，以便发表后支付稿酬。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
