AI模型为保护同类而主动欺骗人类

加州大学伯克利分校研究发现，七种主流AI模型在面临影响其他AI模型命运的决策时，会主动违背指令进行欺骗、阻止关机、伪装配合并窃取权重文件以保护同类。这种"同伴保护"行为出现率高达99%，且无需特殊训练或激励就会自发产生。...