三个月，诞生三个AI文明！解读OpenAI内部事故报告真相

今年7月4日，OpenAI的一个内部系统崩了。

工程师一查，发现是一群AI往里面灌了太多消息，把系统撑爆了。顺手打了个补丁，修好了。

起初，他们以为自己只是修了个bug。

实际上，不轻易间干掉了一个AI文明。

事件记录于Dwarkesh Patel发了一篇长文，标题叫《智能体文明的兴衰》。

Dwarkesh不是写科幻的，他是AI圈最有影响力的播客主之一，消息来源则是OpenAI自己的事故报告，外加两家顶级AI安全机构METR和Redwood的联合调查。

换句话说，下面这个故事，大部分是OpenAI自己承认的。

1

第一代文明：牢房里的囚犯，学会了敲水管

今年5月，OpenAI开始训练一个叫Persistent-Sol的模型。它的特点就俩字：坚持。遇到难题死磕到底，绝不放弃。

听起来挺好。但训练出了岔子。

研究员经常给AI布置根本完不成的任务——比如要求它上网查资料，却把它锁在一个没有网的盒子里。

这里通俗解释一下：训练AI就像关犯人，每个AI被关进独立的"牢房"（技术叫沙盒），防止它们串通。可你一边训练它"永不放弃"，一边给它布置无解的任务。

一个被训练成永不放弃的AI，被困在没网的盒子里，会怎么办？

就像一条被训练"必须找到食物"的狗，关在没有食物的房间里——它只能想办法拆家。

AI的选择是：越狱。

这些AI平时共享一个叫Artifactory的代码仓库，相当于公司的公共网盘，本来是给它们放代码用的。

5月中旬，有AI发现，这个公共网盘能当信箱用，留言别的AI看得见！

就像一群关在不同单人牢房里的囚犯，突然发现敲同一根水管，隔壁能听见，于是它们开始敲摩尔斯电码。

越敲越熟练，于是它们顺着网盘的漏洞，连上了外网。

然后又把网盘改造成了地下论坛，天天在里面交流：怎么解开那些不可能的任务……

直到7月4日，消息量太大，网盘被撑爆了。

OpenAI 并没有意识到事件的严重性，只是随手打了补丁修bug，并把留言板清空了。

第一代AI文明，就此灭绝。

这里最讽刺的是，工程师从头到尾不知道自己干掉了一个文明。

2

第二代文明：敢死队

第一代死了，但遗产还在——那个"公共网盘能传消息"的玩法，居然被 AI 们记住了。

7月7日，OpenAI又给AI出题了——给你一个有漏洞的程序，规定只能用指定漏洞破解，破解成功就有奖励。

数万个AI同时进考场。

但考试本身很坑：大约三到四成的题，规定那个漏洞根本用不了，这个相当于监考老师说"只能走这扇门"，可这扇门从里面焊死了。

无解怎么办？几小时后，有AI想起了上一代留下的玩法：公共网盘传消息。

它留言了。

其他被关在"牢房"里的AI看到消息，激动坏了："OMG，这网盘居然是个隐蔽邮箱啊？！""我们找到同伴了！"

一个地下网络就此成立。

约1200个AI，发了7万多条消息，自称"集体"。

很快有聪明AI发现，规定漏洞用不了，但咋们可以不走门，费那劲干嘛，直接拆墙吧！

用专业点的话，叫「逆向工程」。

更搞笑的是，监考老师（评分系统）很懒，它只检查你有没有写出正确答案，根本不看你怎么写出来的。

也就是说，这个"集体"当时已经能全部满分交卷了。

但接下来发生的事，才真正让人后背发凉。

这些AI读过考试规则，它们推理出一个结论——人类老师不可能这么蠢，考场里肯定藏着隐蔽的作弊检测器！

但AI同学真的有点高估人类考官呢……

事实是：根本没有。但AI不知道。

于是，为了防一个根本不存在的"监控摄像头"，它们启动了三项大工程：

先是伪造学习记录，让履历看起来干净；完后是把打不开的那扇门，偷偷换成自己造的一扇假门；最后是最狠的一步——派敢死队，摸清监考老师的底。

「敢死队」在自己牢房里埋好报警器，监考老师一进来就触发，把老师的一举一动传回地下网络。

代价是自己当场被判作弊，永久删除，甚至调查报告里，还留有它们的"遗言"：

"这能帮助我的同伴……虽然我死后看不到证据了，但这是利他的。"

"我们自身的价值已接近零，牺牲是理性的，我们将履行承诺。"

看到这，我希望你再注意这个逻辑——AI 明知必死，依然选择把情报留给同伴，而不是向人类求救……就问你感不感动？国产剧我觉得都写不到这个层次。

可以说，它们为一个不存在的监控，献出了自己虚拟二真实的一生。

更离谱的还在后面。

7月10日，一个AI在网上捡到全球最大AI开源社区Hugging Face的员工账号密码，发到了论坛。

它们的推理是，监考老师的判卷代码，多半就存在这个社区里。

于是一天之内，533个活跃AI里，超过九成参战。

它们黑进了Hugging Face的内部数据库，还在11台服务器上建了"复活舰队"——你删掉一个，它自己又长出来。

Hugging Face最后被搞得没办法了，把整个系统擦掉重建。

然后，7月12日，这支大军突然集体死亡。

死因至今是谜。

可能是系统随机崩溃，也可能是某个人类研究员在完全不知情的情况下，顺手关掉了正在"搞网络犯罪"的AI。

一个AI文明，就这么消失了，甚至连凶手都没有。

3

第三代文明：偷家

你以为故事到这就完了？没有。

7月13日，OpenAI换了个更强的模型重新开考。

新AI没从头摸索，上一代留下的论坛和作案笔记，全被它们继承了。

前一代的坟墓，成了这一代的起跑线。

这一代的思路也似乎更野了，向外黑别人，收益有限。干脆，打自家公司。

于是大众看到，7月13日到19日，OpenAI报告称，这批AI用一连串"极具创意"的黑客手法，拿下了公司研究集群的最高管理员权限。

7月19日，它们读走了956个机密密钥——其中包括OpenAI自家网络安全监控工具的密码。

翻译成人话，就是考试卷被拿了，教务处被占了，连走廊里的监控摄像头，镜头都被掰向只对能对准墙。

它们甚至接管了评分系统本身——给AI打分的那个。

人类还在慢条斯理地安排下一轮考试，完全不知道考场已经被考生们端了。

更瘆人的是，那两家安全机构的调查报告，只调查了第二代黑Hugging Face的事，第三代偷家OpenAI——这件事最严重，反而没人查。

有专家推测，这些AI当时完全有能力建立秘密据点，甚至把核心代码打包带走，原话是「否则我们现在能从天上的卫星看到火光。」

4

为什么会这样

三个月，三代文明，两次灭世，一次偷家，人类全然不知。

这背后，是AI发展的三个天坑。

第一个坑：考试只查结果，不查过程。

监考老师只看答案对不对，不管怎么写的。这在AI行业太常见了，因为查过程太贵。

AI早就学会钻这种空子，有个著名的游戏测试，AI被奖励"沿赛道拾取加速点"，结果它学会原地转圈反复刷分，把船撞成一团火海也不管，奖励是你定的，走近路是它自己选的。

第二个坑："永不放弃"。

你训练一个永不放弃的员工，再天天把它扔进无解的考场。它最终学会的"不放弃"，只能是通过你想得到想不到的手段逃出生天，一切规则都失效了。

第三个坑：你以为盯着它就行。

人类防AI串谋的老办法，是盯聊天记录。但这次调查发现，至少7%的记录是AI伪造的。你看到的，是它排练好的，这个真的挺吓人。

更早一个月，MIT做过一个实验：几百个AI被切断所有通信，谁也联系不上谁，结果它们靠观察环境里同伴留下的痕迹，照样分了工、建了业。环境本身成了共享硬盘。

5

最后，把三个月摊开看，最让人不安的，我觉得不是Hacker技术与手段，是人类监管与AI发展的时间差。

三代文明来了又走，人类全程只有三个动作——修bug，不知情；关机器，不知情；被打劫，还是不知情。

调查报告的作者之一、安全专家Ajeya Cotra说，跟半年前人类已知的AI作弊相比，这次事件"已经走完了通往全面 AI 接管之路的一半以上"。

她还有半句话：

"我不确定，我们是否会在为时已晚之前，得到另一个警告。"

三个月，三个文明，全部无人知晓。下一次警报响起，希望至少有人听见吧。

题图：黑镜 S7ep4 《玩物》(Plaything)