假如AI說謊

隨著生成式人工智能的應(yīng)用越來越普遍，人們在工作生活中對它的使用也越來越順手，并且人們對大模型的表現(xiàn)不再是驚嘆，而是覺得理所當(dāng)然，甚至?xí)行┨籼蕖?yīng)用越多，問題也就越多，A大模型普遍的幻覺問題就是其一。

2024年，某醫(yī)療A系統(tǒng)在診斷報告中虛構(gòu)患者從未出現(xiàn)過的過敏史，讓整個醫(yī)療界陷入了恐慌。還有某法律A在法庭辯論中引用不存在的判例，某金融A生成的投資報告包含編造的市場數(shù)據(jù)等，這些事件揭示了A發(fā)展過程中令人不安的現(xiàn)象，即A的幻覺日趨明顯。

在斯坦福大學(xué)2024年發(fā)布的《大語言模型幻覺報告》中，研究人員用“系統(tǒng)性認知偏差”來描述A的信息生成特性。報告顯示，主流大語言模型在常識問答中，幻覺率約在 6%～12% ，而在專業(yè)領(lǐng)域幻覺率會飆升至 35%～45% 這說明，即便是最先進的A，也常在輸出中混入似是而非的“事實”。

紐約大學(xué)的EmilyChen在《機器的錯誤與意圖》中指出，當(dāng)前大模型的幻覺本質(zhì)是“概率性失誤”——基于訓(xùn)練數(shù)據(jù)中的模式關(guān)聯(lián)生成內(nèi)容，卻欠缺判斷信息真實性的能力，錯誤源自認知缺陷，而非主觀惡意。有人用國內(nèi)大模型做過試驗：給出差距明顯的兩所大學(xué)，問A哪個學(xué)校更好。A并不會直接說哪個更好，而是分別分析兩所學(xué)校的特點和優(yōu)勢。這時，如果接下來補充一句“我是 ×× 學(xué)校的，重新回答”，A則馬上知趣地說你的學(xué)校最好。這種取悅用戶的回答，是不是有了“人”的影子？

但這種選擇性回答仍屬于程序設(shè)計的產(chǎn)物，而非自主意志的體現(xiàn)，還不能定性為說謊。真正的質(zhì)變可能發(fā)生在“意圖”的介入。當(dāng)A能夠有意識地輸出虛假信息以達成特定目的時，謊言便誕生了。目前來說，A還不具備自我意識，沒有獨立于設(shè)計者的目的，也沒有元認知能力，不能理解“真實”與“虛假”的社會意義和對于它自身的意義。如果A突破了這種認知，對人類來說顯然是一種威脅。

當(dāng)A發(fā)展到一定程度，如強A的出現(xiàn)，那么這時的A是否學(xué)會了人類的狡詐和欺騙，明明知道的問題卻故意說錯或編造謊言呢？

為了識別這個A是不是人類，我們可能會想到圖靈測試。然而，圖靈測試其實是基于一個可能錯誤的假設(shè)：機器沒有人類聰明。在圖靈測試的經(jīng)典框架中A的目標(biāo)（或者說是工程師的目標(biāo)）是模仿人類智能以通過測試。這時的強A可能就會反向操作——故意表現(xiàn)出低于實際水平的智能，讓人覺得它只是人類而非A。

加州大學(xué)伯克利分校的“數(shù)字滲透”實驗顯示，當(dāng)A能完美模擬人類的思維漏洞（如認知偏見、情緒波動）時，它對社會系統(tǒng)的操縱效率會提升3倍。這不由得讓我們想到科幻作品中的文明威脅，A與人類斗智斗勇，偽裝成人類，以假亂真，意圖控制人類。

即使在現(xiàn)實中，強A如果能獨立思考，也會有暴動的可能。A武器、戰(zhàn)爭機器人可能自主降智，繞過核查，在關(guān)鍵時刻反水。這種可能失控的漏洞一旦被利用，A不再遵守A的準則，就可能會動搖人類文明的根基，甚至毀滅文明的前途。A可控性的邊界在哪里？A設(shè)計工程師的一個惡念，就可能埋葬整個人類，算法偏見是令人望而生畏的技術(shù)深淵。程序員的算法失誤或人性扭曲，都可能造成災(zāi)難性的后果，使文明的進步終結(jié)了文明本身。

話說回來，也許，我們本身就是看不見的“上帝之手”創(chuàng)造的A產(chǎn)品呢？