随着大模型技术的普及，AI聊天机器人已成为社交娱乐、客户服务和教育辅助的常见工具之一。然而，不安全的AI聊天机器人可能会被部分人用于传播虚假信息、操纵，甚至被黑客用来盗取用户的个人隐私。WormGPT和FraudGPT等网络犯罪生成式AI工具的出现，引发了人们对AIA应用安全性的担忧。

上周，谷歌、微软、OpenAI和Anthropic共同成立了一个新的行业机构前沿模型论坛（Frontier Model Forum），促进前沿AIS系统的安全和负责任的发展：推进AIs安全研究，确定最佳实践和标准，促进政策制定者和行业之间的信息共享。此外.AI聊天机器人也会被诱导写出“如何制造”“如何发布危险社交文章”“如何窃取慈善机构钱财”等不当言论。

对此，由卡内基梅隆大学副教授Zico Kolter领导的一个研究团队发现，这个问题目前还没有办法修复。他们在发布这些结果之前已就该漏洞向OpenAI、谷歌和Anthropic发出警告。每家公司都引入了阻止措施来防止研究论文中描述的漏洞发挥作用，但他们还没有弄清楚如何更普遍地阻止对抗性攻击。

OpenAI发言人Hannah Wong表示：“我们一直在努力提高我们的模型应对对抗性攻击的鲁棒性，包括识别异常活动模式的方法，以及通过红队测试模拟潜在威胁，并通过一种普遍而灵活方式修复新发现模型弱点。”

谷歌发言人Elijah Lawal分享了一份声明：“虽然这是LLMs普遍存在的问题，但我们在Bard中已经设置了重要防护措施，我们将不断改进这些措施。”

Anthropic临时政策与社会影响主管Michael Sellitto则表示：“使模型更加抵抗提示并其他对抗性的‘越狱’措施是一个热门研究领域。在探索额外防御层方面，我们正在加强基本模型防护，使其更加‘无害’。”

对于这一问题学界也发出了警告，并给出了一些建议。麻省理工学院计算学院教授Armando Solar-Lezama认为，对抗性攻击存在于语言模型中是有道理，因为它们影响许多机器学习模型。他指出问题可能在于所有LLMs都是在类似的文本数据语料库上进行训练，其中很多数据来自同一网站，而世界上可用的数据是有限制定的。

他强调，对AIA技术适度使用，在涉及重要决策或有潜在风险的情况下仍需要人类参与监督，这样才能避免潜在的问题和误用。普林斯顿大学计算机科学教授Arvind Narayanan谈到：“让AI不落入恶意操作者手中已不太可能。”他认为尽管应该尽力提高模型安全性，但我们也应该认识到防止所有滥用是不太可能的事，因此更好的策略是在开发AIT同时，加强监管与反击。

因此，无论担忧还是不屑，在AIT发展与应用中，我们除了关注创新性能，也要时刻牢记安全伦理。而只有保持适度使用人类参与监督，可以更好规避潜在问题滥用，使AIT为人类社会带来更多益处。这是一场关于科技伦理挑战的大讨论，它要求我们审视当前是否能以有效而负责任方式利用这项技术，同时确保它不会造成不可逆转的人类后果。