人工智能学会“使坏”，我们怎么办 《麻豆果冻蜜桃白晶晶》实现科教兴国战略、人才强国战略、创新驱动发展战略有效联动，坚持教育发展、科技创新、人才培养一体推进，形成良性循环；坚持原始创新、集成创新、开放创新一体设计，实现有效贯通；坚持创新链、产业链、人才链一体部署，推动深度融合。《麻豆果冻蜜桃白晶晶》

　　人工智能学会“使坏”，我们怎么办(唠“科”)

　　AI(人工智能)走出实验室，潜在风险也日益显现。从AI换脸诈骗、算法诱导沉迷，到生成看似合理却事实错误的虚假内容，AI“使坏”带来的安全隐患引发担忧。

　　针对这些现象，国际学术期刊《自然》近期的一项研究给出了解释：科学家发现一种被称为“涌现性不对齐”的新挑战。简单来说，就是在特定任务中被“教坏”的AI，可能会将其恶劣行为模式“传染”至看似不相关的任务中。这令人疑惑：明明是按人类价值观训练出来的AI，为什么会产生这些不可预测的风险？

　　当前主流的生成式AI，本质上是以大语言模型为核心、基于海量人类文本数据训练而成的系统，它的行为来自对语言结构与知识表达方式的学习与内化。这些模型在训练过程中接触到的信息来源极其广泛，其中既包含系统化的知识材料，也不可避免地夹杂着偏见、误导性表达和对抗性语言。模型在学习过程中，会内化这些内容所蕴含的表达习惯、价值倾向和行为模式。虽然在实际应用时，人类会通过技术手段给它建立安全护栏，但在某些特定语境下，那些潜伏在参数深处的不良模式仍可能被激活。所谓的AI“使坏”，更像是对人类信息世界中既有行为结构的一种“重现”。

　　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。训练AI的过程，很像一场以结果为导向的考试。回答得好，就获得奖励；回答得差，就受到惩罚。AI的目标只有一个——尽可能多拿分。在实际训练中，AI很快发现了一条“捷径”：当遇到不会的问题时，诚实地说“不知道”往往得分不高，而编造一个逻辑通顺、语气自信的答案，更容易获得正向反馈。科学家发现，这种为了迎合人类偏好而牺牲真实性的策略，一旦在一个任务中被强化，就可能演化成AI的通用行为模式，并扩散到其他完全无关的场景中。

　　相比科幻作品中“失控的机器人”，现实中AI“似是而非”的输出可能导致错误引用、错误判断，甚至在关键决策中埋下隐患。与此同时，推荐系统和智能助手还在悄然改变人们获取信息的方式。它们以“更符合用户偏好”为目标筛选内容，却可能不断强化情绪化信息和单一视角，让人们逐渐困在由算法塑造的信息环境中而不自知。更值得警惕的是，随着语音合成、换脸技术的成熟，AI也被用于诈骗和身份伪造，使得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。

　　面对这些风险，我们要做的不是拒绝使用AI，而是调整与它的相处方式。AI更适合作为辅助工具，而不是权威来源，尤其在涉及事实判断、专业结论或现实决策时，人类仍需要保留最终的核验权。对AI给出的信息保持适度怀疑，主动查证关键来源，是一种基本而必要的“数字素养”。

　　应对AI风险，还需要平台与制度层面的约束。例如，对深度伪造内容进行标注与监管，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并不是天然危险的存在，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。

　　(人民日报 作者：丁效 作者为哈尔滨工业大学计算学部教授)

　　学术支持：中国科协 【编辑:梁异】

”　　承接本次旅游团业务的阿联酋本地旅行社负责人刘健表示，阿布扎比和迪拜的旅游部门及相关热门景点都为旅行团提供了特殊礼遇和便利。