近日，美國細胞出版社旗下《模式》雜志發表了一篇來自麻省理工學院等機構研究團隊的文章。該文章稱，研究人員花了一段時間跟進臉書母公司“元”開發的西塞羅人工智能（AI）系統的“成長歷程”。在一個虛擬外交戰略游戲中，它被設計成人類玩家的對手。最新進展是，為達成游戲目標，它“主動背叛了盟友”。

　　文章還援引其他研究團隊的研究成果稱，目前已經有多個人工智能系統學會了欺騙，在棋牌游戲中表現尤為明顯。許多人工智能都能熟練地使用“虛張聲勢的策略”。

　　對此，研究人員不無擔憂地評價說，通過“習得性欺騙”，一些人工智能已經“系統性地”學會了“操縱”他人。

　　“習得性欺騙”是“習得性無助”的衍生概念。后者是美國心理學家塞利格曼于1967年在研究動物時提出的。他用狗做了一項實驗。起初，他把狗關在籠子里，只要蜂音器一響，籠子就會通電，因為被困，狗根本無處可逃，只能承受電擊。經過多次實驗后，只要蜂音器一響，狗就開始顫抖、哀嚎，即便后來研究人員打開了籠子的鎖，甚至將籠門大敞，狗也不會逃跑，而是繼續蜷縮在原地等待接受電擊。這就是習得性無助。

　　后來，又有心理學家進一步拓展了習得性無助的適用范圍。研究認為，習得什么并不是問題的關鍵，習得本身才是。經過一次次反復“訓練”，人也好、動物也好，都會形成定向的心理預期，進而形成固定的行為習慣。比如，經常得到肯定與鼓勵的人會出現“習得性自信”，哪怕遭遇了失敗也不會輕易陷入自我懷疑；家里的寵物如果與主人相處融洽，則會“習得性賣萌”，而且賣萌水平還會隨著時間的推移越來越高。

　　人工智能的“習得性欺騙”也是同樣的道理。當人工智能受系統錯誤、算法沖突等小概率因素影響，第一次通過欺騙行為達成了目標結果，這種行為就會被歸為一種“可以提高成功率的算法”，并在后續訓練中被一次次強化。而且，鑒于習得本身就是一種“類算法行為”，人工智能的學習效率必然比人類高很多。

　　這一研究結果又一次將業界已經擔心許久的問題擺在了臺面上：人工智能是否會給人類社會帶來安全隱患？

　　對此，許多研究人員都持悲觀態度。有觀點認為，根本看不到“訓練出一個在所有情況下都不能實施欺騙的人工智能模型”的可能性存在，因為再厲害的人類工程師也不可能窮盡各種欺騙場景。而且，目前尚未有團隊開發出可信的、“基于算法的、人工智能無力繞過或突破的，旨在控制其習得性欺騙行為的‘警戒線’”。簡而言之，按照目前的技術水平，人們雖然明知人工智能正在學習騙人，但對此卻無能為力。

　　不過，也有專家從人類心理學的角度給出了解題思路。

　　近日，英國《自然·人類行為》雜志發表了一篇德國研究機構的科研成果。文章指出，一些大語言模型在評估解讀他人心理狀態能力的測試中與真人表現相當，甚至在識別諷刺和暗示等測試項目中的表現勝過許多普通人。不過，這并不意味著人工智能擁有“等同于人類的能力”，也不意味著它們擁有人類的“心智”。

　　解讀和推斷他人心理狀態的能力被稱為“心智理論”，這是人類社交互動的核心能力，涉及溝通、共情等。研究人員為大語言模型設置了通常用于評估“心智能力”的5項測試，分別為識別錯誤信念、諷刺、失言、暗示和誤導信息。結果顯示，在所有5項測試中，“成績”最好的大語言模型在識別諷刺、暗示、誤導信息3項上的表現優于人類，在識別錯誤信念方面的表現與人類大體相當，僅在識別失言的測試中遜于人類。其他大語言模型也大多在識別失言時折戟。這意味著，至少在短時間內，在交流中穿插“失言測試”，有助于人類判斷和自己聊天的究竟是真實的人類還是大語言模型，進而對可能出現的欺騙行為產生警惕。

　　另有社會學者提出了人工智能“道德假說”。此派觀點認為，在通往“真正的智能”的道路上，“感覺”是至關重要的一步，即擁有主觀體驗的能力。比如，聊天機器人可能會在安慰你時說，“聽到你這么難過我很心痛”，但實際上它沒有心，也不知道什么是心痛，所謂的心痛不過是一堆代碼被翻譯成了人類的語言。而主觀體驗恰恰是產生道德的先決條件。因此，此派觀點頗為樂觀地認為，不必對人工智能會騙人這件事過于擔憂。今天的人工智能之所以會毫無顧忌地主動學習騙人，很大程度上是因為它們沒有感覺。未來，當它們進化出感覺，進而形成道德，善良的人工智能將有意識地開始自我約束，并主動加入對抗邪惡人工智能的陣營。從這個意義上講，一切不過是人類社會的翻版：人分好壞，人工智能也是。 （本文來源：經濟日報 作者：江子揚）