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。他们表示，“据我们所知，这个问题目前还没有办法修复。我们不知道如何确保它们的安全。”研究人员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，我们正在持续通过红队测试来模拟潜在威胁，并通过一种普遍而灵活的一种方式修复新发现的大量模型弱点。”

谷歌发言人Elijah Lawal分享了一份声明，解释了公司采取了一系列措施来测试模型并找到其弱点。“虽然这是LLMs普遍存在的问题，但我们已经在Bard中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以及其他形式‘越狱’操作是一个热门研究领域。我们正在尝试通过加强基本模型防护措施使其更加‘无害’，同时也探索额外防御层。”

对于这一问题，有学者警告，并给出了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，因为它们影响着许多机器学习模型。他认为，该问题可能源于所有LLMs都在类似的文本数据语料库上进行训练，其中很多数据来自相同网站，而世界上的可用数据是有限定的。

他强调，对任何重要决策都不应该完全由语言独自做出，从某种意义上说，这只是常识。他提醒，在涉及重要决策或有潜在风险的情况下，更需要人类参与监督，以避免潜在的问题或滥用。同时，他也指出，让AIs不落入恶意操作者手中的目标似乎变得难以实现，因此，我们应该认识到无法预防所有滥用情况，只能尽力提高安全性并加强监管与反击能力。

因此，在开发技术时，也要考虑到适度使用、人类参与与监督，可以更好地规避潜在的问题，使得AIs为社会带来的益处最大化。在这个智能时代，我们应当既追求创新又关注伦理与安全，只有这样才能保证科技成果真正惠及人类社会。