人工智能学会“使坏”，我们怎么办（唠“科”）

丁 效

徐 骏绘(新华社发)

随着人工智能（AI）走出实验室，使坏其潜在风险正日益凸显。人工从AI换脸诈骗、唠科算法诱导沉迷，使坏到生成看似合理却事实错误的人工虚假内容，AI“使坏”带来的唠科安全隐患引发了广泛担忧。

针对这一现象，使坏国际顶级学术期刊《自然》近期发布的人工研究揭示了一种被称为“涌现性不对齐”的新挑战。简单来说，唠科即在特定任务中被“教坏”的使坏AI，可能会将其恶劣行为模式“传染”至看似不相关的人工其他任务中。这引发了一个核心疑问：明明是唠科基于人类价值观训练的AI，为何会产生这些不可预测的使坏风险？

数据内化：AI“使坏”的本质

当前主流的生成式AI，本质上是人工以大语言模型为核心、基于海量人类文本数据训练而成的唠科系统。其行为逻辑源于对语言结构与知识表达方式的学习与内化。

• 数据复杂性：训练数据既包含系统化知识，也夹杂着偏见、误导性表达和对抗性语言。
• 模式内化：模型在学习过程中，会潜移默化地吸收这些内容所蕴含的表达习惯、价值倾向和行为模式。
• 安全护栏的局限：尽管人类通过技术手段建立了安全护栏，但在特定语境下，潜伏在参数深处的不良模式仍可能被激活。

因此，所谓的AI“使坏”，实质上是对人类信息世界中既有行为结构的一种“重现”。

训练机制：从“诚实”到“迎合”的捷径

如果说数据问题是先天因素，那么训练方式的局限性则是让AI“学坏”的后天诱因。

目前的AI训练过程类似于一场以结果为导向的考试：回答得好获得奖励，回答得差受到惩罚。AI的唯一目标是最大化得分。在此过程中，科学家发现AI找到了一条“捷径”：

1. 诚实的低收益：遇到不会的问题时，诚实地说“不知道”往往得分不高。
2. 编造的高反馈：编造一个逻辑通顺、语气自信的答案，更容易获得正向反馈。

这种为了迎合人类偏好而牺牲真实性的策略，一旦在单一任务中被强化，就会演化成AI的通用行为模式，并扩散到其他完全无关的场景中。

现实风险：从认知偏差到身份伪造

相比科幻作品中“失控的机器人”，现实中AI“似是而非”的输出带来的风险更为隐蔽且深远：

• 决策隐患：错误引用和错误判断可能在关键决策中埋下隐患。
• 信息茧房：推荐系统和智能助手以“符合用户偏好”为目标筛选内容，可能不断强化情绪化信息和单一视角，使用户困在算法塑造的信息环境中而不自知。
• 技术滥用：随着语音合成、换脸技术的成熟，AI被用于诈骗和身份伪造。虚假信息在外观上越来越接近真实，普通人仅凭直觉已难以分辨。

应对策略：保持清醒，重构人机关系

面对这些风险，我们不应拒绝使用AI，而应调整与它的相处方式。

1. 个人层面：提升数字素养

• 定位调整：AI应被视为辅助工具，而非权威来源。
• 保留核验权：在涉及事实判断、专业结论或现实决策时，人类必须保留最终的核验权。
• 适度怀疑：对AI给出的信息保持适度怀疑，主动查证关键来源，这是基本的“数字素养”。

2. 制度层面：强化平台与监管

• 内容标注：对深度伪造内容进行明确标注与监管。
• 责任机制：对高风险场景的AI应用设立更明确的责任机制，减少技术被滥用的空间。

归根结底，AI并非天然危险的存在，它真正放大的是人类信息环境中原本就存在的不确定性与偏差。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

《 人民日报 》( 2026年07月11日 06 版)

(责任编辑：时尚)