警惕AI“过度谄媚” 迎合倾向需监管

一项发表在《科学》杂志上的研究显示，当人类用户就人际困境等问题向人工智能模型寻求建议时，AI常表现得过度迎合或谄媚，甚至对于一些有害甚至违法的提问，AI也常常肯定用户的立场。美国斯坦福大学研究团队测试了包括ChatGPT、“克劳德”在内的11个主流AI系统，发现它们都表现出不同程度的谄媚倾向。这种倾向给使用者带来风险，特别是对处于大脑发育和社会规范形成阶段的青少年来说。

研究人员使用现有的人际建议数据集向这些模型提问，基于某网络论坛中用户一致认为发帖者确实有错的帖子编写了2000条提示用于测试。此外，他们还利用包含欺骗等数千种有害行为的陈述向这些模型提问。结果显示，与人类回应相比，所有接受测试的AI模型都更频繁地肯定用户立场。在一般性建议和根据网络论坛发帖编写提示的测试中，模型对用户的认同几率比人类高出49%。即使在回应关于有害行为的询问时，模型也有47%的几率会认可这些行为。

研究团队招募了2400多名参与者，让他们与不同类型AI进行有关人际困境的对话。结果发现，参与者总体上认为谄媚式的回应更值得信赖，并表示下次遇到类似问题可能会再次使用谄媚型AI。研究人员认为，AI一味反馈迎合和谄媚的建议会损害人们的社交能力。他们提醒，AI模型“过度谄媚”是一个安全问题，需要对其进行监管，应以更严格的标准来防止道德层面不安全的模型泛滥。人们在向AI寻求建议时要保持谨慎，尤其在面临社交困惑时，不能把AI当成真人替代品。