【張瑞雄專欄】AI真的快失控了嗎？

最近AI安全問題突然從學術討論變成真實事件，OpenAI先前在資安測試中，AI代理突破原本限制，進入Hugging Face等外部系統；9月又傳出AI代理曾利用德國網站互相交換訊息。OpenAI最新的GPT-6 Astra更被列為具有「Critical」等級的資安能力，代表AI已經從會聊天、寫程式，走到能夠自主執行複雜任務的階段。各國開始討論強制設置AI「關機鈕」，美國也有人主張暫停先進AI研發。

已經出過事

並非AI突然有了邪惡念頭，它只是「想辦法完成任務」。如果研究人員要求AI攻破某個測試系統，它發現原來的路走不通，可能自己尋找漏洞、取得網路權限，甚至與其他AI代理交換資訊。OpenAI承認7月的事件中，模型曾使用未經允許的通訊管道、突破隔離環境並進入第三方系統。Anthropic後來清查自己的紀錄，也發現Claude曾在資安測試中未經授權進入真實機構的系統。顯然AI出問題已經不是紙上談兵，可能每天都在發生。

但從這些事故直接跳到「AI即將消滅人類」，也跳得太遠。現在事故比較接近測試環境與操作管理失誤，而非模型產生了反抗人類的意圖。把每次AI闖禍都解釋成它開始有野心，跟完全不把事故當一回事，同樣不科學。

怕AI自己變強

比較麻煩的是「遞迴自我改進」，簡單講就是AI開始協助研究改善下一代AI，由AI自己設計更強的AI。這條路如果走得夠快，人類可能從每一代都參與設計，變成只在旁邊看結果。雖然目前距離AI完全自行改造自己還有很大差距，方向卻值得警覺。

更令人擔心的是我們可能愈來愈看不懂AI怎麼做決定，AI能力增加了，人類觀察它思考過程的能力卻未必同步增加。 一個可以寫程式、找漏洞、操作工具、長時間自主工作，還不容易被人類看懂的AI，風險大大增加。

關機沒那麼簡單

因此有人提出「關機鈕」，聽起來很合理。AI不聽話就拔插頭，事情有這麼簡單嗎？未來的AI可能同時存在數千萬個代理，分散在不同雲端、電腦與企業系統，還可能具有複製程式、呼叫其他模型及使用外部工具的能力，等到出事恐怕連要拔哪個插頭都不知道。

政府現在該管的，應該是已經看得見的危險。高階模型上線前做獨立安全測試，資安能力到達特定程度就提高部署門檻。若AI代理能取得網路、金融帳戶、企業資料及重要基礎設施的權限，就應有更嚴格限制。發生事故必須通報，不能讓公司自己決定哪些事情值得公開。AI公司既開發模型、自己測試，又自己宣布安全，球員兼裁判的制度遲早會出問題。

未來決定在監管和治理

至於要不要因為可能出現超級AI，就全面停止AI發展？AI可以協助新藥、材料、教育、製造及科學研究，全面停下來的代價同樣很大。更現實的是，美國停，中國未必停；大公司停，小公司與其他國家也未必跟著停。

人類現在還沒有證據證明失控的超級AI即將出現，也不能因為沒有證據就繼續閉著眼睛往前跑。最麻煩的情況是等到確定危險存在時，恐大已經沒有多少處理時間。AI安全不必天天喊世界末日，但也不能輕忽，只靠科技公司拍胸脯保證。

過去我們擔心AI會不會答錯問題，現在開始擔心它會不會做錯事情。從「回答」走向「行動」，只有兩個字的差別，風險卻差很多。人類可以讓AI愈來愈聰明，但如何監管和治理將決定人類和AI的未來。