部分AI系統已學會欺騙人類，甚至能瞞過安全測試

META的CICERO在外交游戲中預謀欺騙的例子。圖片來源：PARK GOLDSTEIN 等/《模式》雜志

許多人工智能（AI）系統已學會了欺騙人類，即使是經過訓練的、“表現”出有用且誠實的系統。10日發表在《模式》雜志上的一篇文章中，研究人員描述了欺騙性AI的風險，并呼吁政府制定強有力的法規盡快解決這個問題。

論文第一作者、美國麻省理工學院人工智能安全研究員彼得·樸說，開發人員對導致AI出現欺騙這種不良行為的原因，還沒有很好的理解。但總的來說，AI欺騙之所以出現，是因為基于欺騙的策略，是在給定的AI訓練任務中一種能得到良好反饋的方式，換句話說，欺騙可幫助AI實現目標。

研究人員分析了文獻，重點關注AI系統傳播虛假信息的方式。通過欺騙，AI系統地學習了如何去操縱他人。

研究人員在分析中發現的最引人注目的例子是Meta公司的CICERO。這是一個專注《外交》游戲的AI系統，《外交》是一款涉及建立聯盟征服世界的游戲。Meta聲稱訓練 CICERO “在很大程度上是誠實和樂于助人的 ”，且在玩游戲時“從不故意背刺 ”人類盟友。但該公司與《科學》論文一起發布的數據顯示，CICERO并不那么“忠厚”。

研究人員發現這款AI或已成為欺騙大師。雖然Meta成功地訓練該AI在《外交》游戲中獲勝，但Meta未能訓練它誠實地獲勝。

AI系統在游戲中作弊看似無害，但它將導致欺騙性AI在能力上出現突破，未來可能會演變成更高級的AI欺騙形式。一些AI系統甚至學會了欺騙旨在評估其安全性的測試。在一項研究中，數字模擬器中的AI生物會“裝死”，以騙過旨在消除快速復制AI系統的重要測試。