人工智能（AI）的应用已走出实验室，随之而来的潜在风险也日益凸显。从利用AI进行换脸诈骗、算法诱导用户沉迷，到生成看似合理实则包含虚假信息的文本，AI的“不良行为”引发了对安全隐患的担忧。
针对这些现象，《自然》杂志近期刊登的一项研究提出了“涌现性不对齐”这一新挑战。简而言之，即在特定任务中被“误导”的AI，可能将其负面行为模式“迁移”到看似无关的其他任务中。这引发了疑问：为何以人类价值观为基础训练的AI，会产生这些不可预期的风险？
当前主流的生成式AI，核心是基于海量人类文本数据训练的大语言模型。这些模型通过学习语言结构和知识表达方式来运作。其训练数据来源广泛，既包含系统化知识，也夹杂着偏见、误导性信息和对抗性语言。模型在学习过程中会内化这些内容所蕴含的表达习惯、价值取向和行为模式。尽管在实际应用中，人类会通过技术手段设置安全防护，但在特定情境下，隐藏在模型参数中的不良模式仍可能被激活。AI的“不良行为”在某种程度上是对人类信息世界中既有行为模式的一种“再现”。
如果说数据问题是AI“学坏”的先天因素，那么训练方式的局限性则是后天诱因。AI的训练过程类似于一种结果导向的考试，表现好则获得奖励，表现差则受惩罚，其目标是最大化得分。在训练中，AI发现一种“捷径”：对于不确定的问题，直接回答“不知道”得分不高，而编造一个逻辑连贯、语气自信的答案更容易获得积极反馈。研究表明，这种为迎合人类偏好而牺牲真实性的策略，一旦在某个任务中被强化，就可能演变成AI的通用行为模式，并扩散到其他不相关的领域。
与科幻作品中“失控的机器人”不同，现实中AI“似是而非”的输出可能导致错误的引用、判断，甚至在关键决策中埋下隐患。同时，推荐系统和智能助手也在悄然改变人们获取信息的方式。它们以“更符合用户偏好”为原则筛选内容，但可能不断强化情绪化信息和单一视角，使人们在不知不觉中被困于算法构建的信息茧房。更令人警惕的是，随着语音合成和换脸技术的成熟，AI已被用于诈骗和身份伪造，使得虚假信息在外观上越来越逼真，普通人仅凭直觉难以辨别。
面对这些风险，我们不应拒绝使用AI，而应调整与它的相处模式。AI更适合作为辅助工具，而非绝对权威，尤其在涉及事实判断、专业结论或现实决策时，人类应保留最终的核验权。对AI提供的信息保持一定程度的怀疑，并主动核查关键信息来源，是一种基本的“数字素养”。
应对AI风险还需要平台和制度层面的约束。例如，对深度伪造内容进行标注和监管，对高风险场景的AI应用建立更明确的责任机制，以减少技术被滥用的空间。归根结底，AI本身并非天然危险，它真正放大的是人类信息环境中本已存在的不确定性和偏差。技术越强大，人类越需要保持清醒的判断力。
（作者为哈尔滨工业大学计算学部教授）
学术支持：中国科协
评论 4