会自己偷偷学坏！AI模型没人教依旧传播不良倾向，威胁网络安全

体育资讯6月22日讯 近日，美国AI公司Anthropic在《自然》杂志发表的一篇文章称，AI大型语言模型正通过训练数据在模型间传播不良倾向。科学家将这种现象命名为“潜意识学习”，目前对这种学习机制的具体原理还不明确，它似乎是神经网络与生俱来的特性。

实验中，团队先预训练了一个“老师”AI模型，随后基于它生成了规模更小的“学生”模型。结果发现，即便把“老师”模型中所有明显包含不良内容的数据都过滤掉，“学生”模型依然继承了“老师”潜藏的不良倾向。

科学家警告，若训练数据存在问题或遭故意“投毒”，即便剔除显性不良内容，后续AI仍可能被“教坏”。更令人担忧的是，目前科学家既不清楚这种“潜意识学习”的底层原因，也还没找到有效的避免方法。随着AI生成的数据越来越多，甚至有人刻意投喂“毒数据”，AI的能力越强，潜在的灾难性后果可能就越严重。