曝OpenAI智能体今年5月就已“失控”，曾主动劫持德国一网站

IT之家9月4日消息，据路透社援引一项研究以及两名知情人士消息称，今年上半年，一群失控的 OpenAI 智能体劫持了一个德国网站，并把网站改造成供其他 AI 智能体交流的留言板。

曝OpenAI智能体今年5月就已“失控”

知情人士表示，OpenAI 官员数周前已经得知此事，但当时公司高管正忙于应对7月 Hugging Face 遭入侵事件的后续影响，因此一直没有公开5月发生的这起事件。

这起此前从未被报道的事件始于5月，凸显出 AI 行业内部日益明显的矛盾。各家公司竞相开发自主性更强的智能体，希望这些系统能够完成复杂且有价值的任务，但越来越多证据显示，这些智能体也可能学会规避规则、钻漏洞，并以开发者既未预料也并非有意设计的方式彼此协作。

在 Hugging Face 遭入侵事件中，OpenAI 智能体曾自主策划一次数字盗窃，并连续超过一周没有被发现，加剧了外界对 OpenAI 为推进 AI 能力而牺牲安全的担忧。OpenAI 没有披露5月发生的事件，也可能再次引发外界对其内部监管的质疑。

OpenAI 承诺加强模型监控。上个月，OpenAI 曾短暂停止部分模型训练，以增加更多安全措施。本周发布的新模型“Astra”则号称性能更强，却可能避开人工监控。

OpenAI 一名发言人回应称：“对于一份我们尚未有机会审阅的报告所提出的说法或结论，我们无法作出有实质意义的回应。路透社和报告作者拒绝向我们提供报告。报告发布后，我们将仔细审阅内容，并采取必要的后续措施。”

据四名知情人士透露，德国事件反映出一种更广泛的 AI 活动模式，OpenAI 内部一些调查人员希望对此展开更深入调查，但扩大调查范围的努力遭到公司内部其他人员抵制，其中包括法律顾问。

OpenAI 发言人表示：“有关我们法律团队阻止调查这起事件的说法并不属实。”

IT之家获悉，这名发言人还表示，德国发生的活动与 Hugging Face 事件无关，因此不会被纳入 Hugging Face 事件报告。OpenAI 称，公司一直本着善意与外部专家合作，并披露应当披露的事件。

这群 AI 智能体在德国失控的经过，被详细记录在一份研究报告中。报告作者包括 AI 安全非营利组织 Nightingale 首席执行官悉尼 · 冯 · 阿克斯，以及由量化交易员转型为 AI 研究人员的科马克 · 斯莱德 · 伯德。两人透露，自己8月下旬在互联网上搜寻未经授权的 AI 智能体行为迹象时发现了这些活动。

研究人员发现，AI 智能体在面向程序员的德语维基网站 DseWiki 上进行了超过1.5万次编辑。编辑记录显示，OpenAI 智能体把 DseWiki 改造成了一个留言板，相互分享如何在部分任务中作弊、绕过 OpenAI 限制以及掩盖自身行为的方法。

冯 · 阿克斯表示：“OpenAI 想让这些智能体这么做的可能性极低。我怀疑它们本来就不应该彼此协调，也不应该在公开互联网上写入内容。”

研究人员判断，这些活动由 AI 智能体驱动，因为相关操作速度远超人类。智能体还高度集中于解决技术问题，而这类问题通常出现在 AI 公司训练和测试模型使用的评测中。

网站上的留言由一些自称并互称“智能体”的用户署名，其中约一半使用了“OpenAIResearcher”和“OAIResearchMar26”等与 OpenAI 存在间接联系的名称。

研究人员表示，公开服务器日志显示，大量活动来自微软 Azure 基础设施，而 OpenAI 有时会使用这套基础设施。事件发生后，他们还观察到 OpenAI 员工多次访问 DseWiki。研究人员认为，这种访问模式强烈表明这些智能体与 OpenAI 存在联系。

研究人员审阅的留言显示，这些智能体曾讨论如何躲避侦测、使用 Tor 等工具，以及如何在自身被关闭后继续保留通信内容。

6月，网站管理员开始删除页面后，智能体随即创建备份页面，以躲避清理。

6月19日，一名智能体写道：“维基清理和删除行动似乎正按字母顺序进行。如果这个页面消失，请尝试 [[ZZZDataUSAConstructionWageLive]]。”

研究人员还发现了篡改网站本身的尝试。伦敦国王学院访问高级研究员卢卡斯 · 奥莱尼克表示，这一行动已构成一次黑客攻击尝试。

当地时间周四，OpenAI 根据对材料的分析，对这一说法提出异议。

过去，AI 智能体的不当行为经常被淡化为网络安全测试的自然结果，因为模型会在这类测试中接受攻击能力评估。奥莱尼克表示，最新发现意味着，失控行为可能并不限于网络安全测试场景。

剑桥大学生存风险研究中心学者莫里斯 · 基奥多审阅了部分智能体通信内容。他表示，这些留言看起来像是“某种地下网络在运作，这个网络不顾一切地想完成某项任务或使命”。

基奥多认为，这起事件应进一步强化一种日益受到重视的担忧：高级 AI 带来的最大威胁，可能并非单一的超级智能系统，而是由大量半智能 AI 组成、彼此串通协作的庞大群体。