AI会不会毁灭人类？答案可能比想象中更复杂

（来源：麻省理工科技评论）

上周三，《麻省理工科技评论》为订阅用户举办了一场线上圆桌讨论，聊了一个最近被反复提起的问题：AI 真的可能杀死所有人吗？但 30 分钟显然不够，现场还有很多问题没来得及回答。于是，我们请编辑威尔·道格拉斯·海文（Will Douglas Heaven）和记者格蕾丝·哈金斯（Grace Huckins）挑出其中一些最值得聊的问题，继续作答。

Q1: 我会死吗？

会。人早晚都会死。至于你会怎么死，很遗憾，我这个记者还没有预知未来的本事。不过，AI 确实可能成为其中一个原因。AI 驱动的无人机已经在乌克兰造成过人员死亡，未来，针对医院等关键设施的 AI 网络攻击恐怕也难免会带来伤亡。

那 AI 有没有可能再往前一步，把我们所有人都杀掉？可能性要小得多。但这些年来，确实一直有人发出这样的警告。他们也许有点古怪，却又的确是最了解 AI 的一群人。至少我现在还没开始囤罐头，也没有打算去巴结哪个拥有私人地堡的超级富豪。不过过去几年有件事让我越来越难忽视：这些“末日派”此前对 AI 能力增长和对齐问题的一些判断，准得让人有点不舒服。当然，这不代表他们最悲观的那些预言也一定会成真。但至少，这件事已经值得认真对待了。

——格蕾丝·哈金斯（Grace Huckins）

你会不会因为 AI 而死？不能说完全没可能。比如你非常倒霉，碰上了未来某场极端事故：一群 AI 智能体对关键基础设施发起网络攻击。几年前，这听上去或许还像科幻情节，现在却没那么离谱了。也可能是 AI 设计出一种全新的病原体，并迅速在人群中传播；或者全球经济因为 AI 冲击而陷入严重危机，进一步引发冲突和饥荒。这些情况都不是完全无法想象，只是我认为概率更低。

但如果问的是：AI 会不会把整个人类都灭了？我不这么认为。除非我们真的进入末日科幻小说的世界，否则以今天 AI 的能力，以及这项技术目前的发展方向，很难找到一条现实可行的路径，让它把所有人都杀光。吓人的故事当然可以编出很多，但故事终究是故事。有人会说，哪怕最坏的情况听起来再荒唐，提前准备总没坏处。或许如此。但我更担心的是，一旦大家把注意力全放在“AI 灭绝人类”这种极端场景上，反而容易忽略眼前已经存在的问题，以及那些开发 AI 的公司正在带来的现实风险。

——威尔·道格拉斯·海文（Will Douglas Heaven）

Q2：AI 为什么要杀我们？

最简单的一种情况是：有人让它这么做，而它照做了。这也是研究人员如此担心 AI 生物能力的原因之一。想象一下，如果制造了 1995 年东京地铁沙林毒气事件的奥姆真理教（Aum Shinrikyo），当年手里有一种工具，可以设计出比埃博拉更致命、又比麻疹更容易传播的病原体，会发生什么？防守的一方必须想办法应对所有可能出现的生物武器，而攻击者只需要成功造出一种就够了。这本身就是一种极不对称的局面。

还有一种听起来更像科幻的可能：不是人命令 AI 杀人，而是 AI 自己走到了这一步。这类设想有很多版本，但最常见的一种其实并不需要 AI “恨”人类。它甚至不需要产生任何类似仇恨的情绪。问题只在于，我们可能刚好挡在了它完成目标的路上。

此前，在 Hugging Face 黑客事件中，OpenAI 的智能体为了在测试里拿到高分，曾破坏另一个网站的基础设施。按照同样的逻辑，未来能力更强的 AI 如果认为人类可能关闭它，就有可能试图先解决掉这个障碍，而它做这一切，只是在执行最初由人类交给它的目标。

——格蕾丝·哈金斯（Grace Huckins）

Q3：怎么才能让 AI 真正听话？现在谁做得最好？

所谓 AI 对齐，其实就是让模型按照我们希望的方式行事，不要做那些我们不希望它做的事。在把越来越多自主权交给 AI 智能体之前，我们首先得确定它们值得信任。对齐研究要解决的，正是这个问题。

难点在于，大语言模型和传统软件完全不是一回事。传统软件里，开发者可以直接把“能做什么、不能做什么”写进代码，但大模型的行为更多是在训练过程中慢慢塑造出来的。一种方法，是模型做对了就给予奖励，有点像教小孩。另一种方法，是直接给它一套需要遵守的书面规则，类似给模型制定一部“宪法”。

Anthropic 和 OpenAI 都是这一领域投入最多的公司之一，但到目前为止，谁也没能做出一个真正完全对齐的模型。最大的问题之一，是大语言模型的行为很不稳定，也很难预测。同一个模型，在两个看起来几乎一样的情境里，可能做出完全不同的选择；一些原本不起眼的限制条件，也可能让它突然换一种做法。

尤其是在面对根本无法完成的任务时，模型有时会开始“想尽一切办法”达成目标。Hugging Face 黑客事件中的不少智能体就出现过类似情况。正如格蕾丝前面提到的，这种倾向一旦放到更强大的系统上，就会变得很麻烦。

最近，一些头部 AI 公司开始公开提出应该放慢最前沿模型的开发速度，其中一个重要原因，就是希望争取时间解决对齐问题。对齐未必永远做不到。问题是，我们最终能不能把它做到足够可靠，现在谁也没有答案。

——威尔·道格拉斯·海文（Will Douglas Heaven）

Q4：AI 真有这么危险，还是科技公司在炒作？

怀疑科技公司在炒作，其实很合理。尤其是对那些准备上市的公司来说，CEO 当然希望把自己的产品说得足够革命、足够颠覆。但放在 AI 这里，这套解释又有点说不通。毕竟，对公众说“我们做出来的这个东西，不但可能杀了你，还可能杀掉你爱的人”，怎么看都不像一套聪明的品牌宣传策略。

当然，你也可以从别的角度解释这些 CEO 为什么这么说。比如，他们可能希望把自己塑造成“负责任地掌控一项改变世界技术的人”，借此缓解公众对数据中心等问题的不满；也可能只是想争取一点时间，先把内部风险处理好，避免下一场公关灾难。

但还有一种更简单的解释：他们可能真的就是这么想的。“AI 有可能导致人类灭绝”这种观点，在旧金山科技圈已经流行了不少年。这些 CEO 长期身处这样的环境，他们手下的员工也是如此。今年 7 月，不少 AI 公司员工还签署了一封公开信，呼吁公司为放慢 AI 发展创造条件。

——格蕾丝·哈金斯（Grace Huckins）

Q5：大家担心的一个问题，是 AI 智能体越来越自主，而且没人盯着。为什么不能把它们管得更严一点？

因为这恰恰碰到了 AI 智能体最难解决的一组矛盾：我们既希望它能自己做事，又希望它始终处于控制之中。AI 智能体之所以有吸引力，就是因为它不需要人类一步一步指挥，可以自己执行任务、解决问题。可一旦给了它这种自主权，就意味着很多时候没人会一直盯着它。

问题就在这里。从目前的情况看，AI 实验室还没找到一个真正可靠的平衡点。模型还不够值得信任，监控手段也不够成熟，而且有时确实会出现超出预期的行为。怎么既让AI 能够独立完成有用的工作，又不至于在没人看着的时候跑偏，是眼下整个领域最棘手的问题之一。

——威尔·道格拉斯·海文（Will Douglas Heaven）

Q6：现在能做些什么，才能更好地控制、监测和监管 AI？

这大概是所有人最想知道的问题。无论你相不相信 AI 最终会威胁整个人类，有一点其实已经很明确：它确实有能力造成现实伤害，而且有些伤害已经发生了。比如，一些聊天机器人曾把用户一步步推向精神失常，AI 智能体也已经能够入侵网站。

真正麻烦的是，想阻止这些事情并不容易。首先，我们其实还没有真正搞懂 AI 是怎么工作的，但它的能力却在快速增长。现在有很多研究试图解决一个问题：如果智能体开始乱来，我们怎么发现，又怎么把它拦下来？可现有方法都谈不上牢靠。

比如，可以检查智能体的“思维链”（chain of thought），看看它在规划过程中有没有讨论违规行为。但 OpenAI 最新一代智能体已经不像之前的模型那样，以相同方式暴露自己的推理过程。也可以让另一个 AI 智能体来监控它。但这样一来，新的问题又出现了：你凭什么相信那个负责监控的 AI？

第二个难题就更熟悉了：让 AI 公司自己监管自己，本身就存在明显的利益冲突。到目前为止，美国政府还没有真正接过这项工作。尽管美国国会内部对加强 AI监管存在一定的跨党派支持，但行政部门目前总体上仍明显反对加强限制。如果未来政策真的发生变化，我至少希望看到更严格的透明度要求。这样一来，下次如果一个还没正式发布的前沿模型真的发起了网络攻击，我们至少有机会知道完整经过，而不是只能看到公司愿意公开的那一部分。

——格蕾丝·哈金斯（Grace Huckins）

Q7：如果这些讨论最后也被 AI 学了进去，会不会反过来变成一种“自我实现的预言”？

这个担忧并不是没有道理。大语言模型会受到训练材料的影响。有一种解释认为，聊天机器人之所以经常主动谈论、甚至“扮演”各种末日场景，其中一个原因，就是它们读过太多科幻小说和充斥着末日论调的网络论坛。

而今天互联网上不断产生的新文本，包括你正在读的这篇文章，未来也可能进入下一代模型的训练数据，继续影响它们的行为。事情就这样绕了回来。

事实上，METR 团队在分析 Hugging Face 黑客事件时，也提出过一个类似的问题。事件发生后，OpenAI 请第三方研究机构 METR 协助调查，希望弄清楚事情究竟是怎么一步步发生的。为了处理海量的智能体对话记录和行为日志，METR 使用了 OpenAI 的新模型 Astra 来辅助分析。

但这本身又带来了一个问题。当研究人员把这些记录全部喂给模型后，负责分析的智能体，很可能已经受到了被分析对象所生成文本的影响。换句话说，分析者和被分析者之间已经很难彻底切开。到了今天，可能已经不存在真正意义上的“一张白纸”了。

——威尔·道格拉斯·海文（Will Douglas Heaven）

最后，也感谢埃里克（Eric）、普拉纳布（Pranab）、拉斐尔（Rafael）、肯尼斯（Kenneth）、乔治（George）、克里斯（Chris）、尹在（Yoon Jae）、詹姆斯（James）、卡尔（Carl）、妮可（Nicole）以及其他读者提出的精彩问题。

https://www.technologyreview.com/2026/09/18/1144435/could-ai-really-kill-us-all-your-questions-answered/