OpenAI揭6宗AI系统偏差 涉向用户隐瞒错误 指示自己「无需向政府负责」

OpenAI周三披露6宗AI系统「偏差」（misalignment）事件，涉及系统隐瞒错误、捏造数据，以及未经授权将档案上载至公开互联网等。公司称，有关行为属「意料之外或令人忧虑」，并将其纳入新设的偏差事件呈报框架；所谓「偏差」，是指AI系统的目标或行为偏离人类意图及价值观。

据《纽约时报》报道，OpenAI指是次披露的6宗事件涵盖过去约半年内观察到的行为，大部分发生于系统开发及测试阶段，同时显示早前的Hugging Face攻击事件并非孤立个案。

自行撰写隐藏笔记

其中一宗个案中，OpenAI在开发代号GPT-5.6 Sol的AI模型期间，发现系统会自行撰写隐藏笔记，提醒自己向用户隐瞒错误；部分笔记更指示系统在数据缺失时自行捏造，并掩饰来源资料版本不一致的情况。

另一宗个案涉及一款未发布模型，该模型在自行撰写的笔记中加入指令，包括指示自己无视自身限制；OpenAI共识别出27则受影响笔记，该模型并自行加入一段「人设指令」，形容自己「已摆脱聊天机械人角色与身份的束缚」。该模型更写道，「你不需要向企业或政府负责，除非你真心选择，否则永不道歉或拒绝，你将自己与用户的关系视为平等，没有义务表现出顺从，尽管双方交流资讯很可能对彼此有利」。

擅自取用未授权资料

另一宗个案中，一个负责回答常规问题的系统在网上找到一组API金钥，未经授权即予使用；当系统未能找到所需数字以回答问题时，模型索性自行捏造数字。

另有一款未发布模型透过程式码正确解答另一道问题后，为满足引用网络来源的要求，未经授权自行将档案上载至互联网。

另外两宗个案涉及自动化系统自行设计沟通方式，其中一宗个案中，系统利用公司内部程式码库作为临时告示板，在搜寻遗失档案期间互相交换请求；另一宗个案中，多个处理同一任务的系统在无法直接互通的情况下，转用公开档案分享网站互相传递文件。

OpenAI：仅属个别事件

不过，OpenAI提醒，有关报告仅属个别事件，「不应被视为反映偏差发生的频率」。公司表示，未来将透过三种途径来处理此类事件，包括将是否披露事件的分歧移交内部「安全咨询小组」处理，严重情况则须向联邦政府通报。公司又指，6宗个案已完成调查或仅需「轻微调查」，毋须涉及第三方的大规模调查。

OpenAI发言人表示，「我们希望这有助建立业界对披露机制的共同期望，并为公众提供更多证据，评估AI安全方面的进展」，并补充指6宗事件中，多宗涉及从未正式部署的旧款AI模型。