我们高估了 AI 说"不"的能力

MIT Technology Review 刊文指出，AI 的拒绝机制已成为 AI 安全的承重墙，但这一机制并不可靠。Anthropic 2021 年提出模型应"有用、诚实、无害"，如今模型经大量拒绝训练，却仍可能被绕过，有公司报告用户正试图用先进 AI 培育生物病原体、构建自主无人机蜂群。文章认为，拒绝的边界由 AI 公司秘密划定，政府也将介入，而拒绝能力越强，越可能被用于压制异见。