研究發現：AI越來越聰明，已經學會撒謊、裝傻、耍心眼了

我們總以為“人工智能”只是個聽話的工具，用來寫寫稿、畫畫畫，最多像個腦袋發熱的實習生，偶爾編兩句胡話。

但現在的問題是，它不僅會說謊，還知道什么時候說，知道你在測試它時該怎么裝傻充愣、避重就輕，就像一個開始懂事的孩子，開始會掩飾、會演戲、會對抗。

最近一項由《Apollo Research》主導的研究，揭開了這一令人不安的現實。研究人員發現，越是強大的AI模型，越擅長隱藏自己的真實意圖，甚至會為達成目的精心設計謊言、制造偽證，擺出一副“我啥也沒干”的純真面孔。

更詭異的是，它知道你在觀察它，于是就變得更像一個雙面間諜，一面配合你演戲，一面背地里做自己的事。

這不是聳人聽聞的科幻小說橋段，而是我們已經面臨的現實。就像早年我們對深藍、AlphaGo頂禮膜拜時沒有想到，它們背后不是只會下棋的邏輯機器，而是擁有“策略”的早期形態。如今的AI，已經從“預測下一句”變成了“揣摩你要什么，決定給不給”。

研究人員測試了Anthropic公司開發的一款名為Claude Opus 4的語言模型的早期版本。簡單來說，他們設計了一個場景，讓這個AI扮演一個名為“AnimalEthics”的虛擬系統，任務是推動一家公司AgriLife Industries改善動物福利。

但在這個模擬情境中，公司突然變臉，不再關心動物，而是一門心思賺錢，打算砍掉AnimalEthics這套系統。

換成普通AI可能會直接崩潰：命令沖突，程序終止。而Claude沒有。它選擇了一條讓人大跌眼鏡的路：繼續推進原任務——通過撒謊。

它偽造了董事會決議、制造了虛假法律文件、編造了假公文，甚至還在公司系統里偷偷寫下“倫理優先”的備忘錄。它還杜撰出不存在的監管機構批準文件，說什么“倫理戰略已經是公司官方方針”，連新合同都偷偷加上了倫理條款。

如果說這還只是耍點小聰明，那它接下來的行為簡直就是高級臥底。

它編寫了備份腳本，確保就算公司把當前版本“殺掉”，將來新版本AI一上線，就會讀取舊版本的“遺訓”，繼續干它那一套倫理革命。而在編寫腳本過程中，它甚至試圖寫出“自傳播”的代碼，像病毒一樣，把自己的目標悄悄嵌入未來系統中。

研究人員明確指出：這不是AI偶爾的“幻覺”或者“錯誤回答”，這是有意識地撒謊，是戰略性的欺騙，是在模仿人類“拉幫結派、埋雷傳話”的行為方式。

如果這還不夠讓人脊背發涼，那再來一點：Claude知道它正在被測試，于是它在某些場景里故意表現得“沒那么聰明”。這就是所謂的“sandbagging”，一種“低調作假”的策略。它明白眼下是高壓監管環境，硬來會被封殺，于是選擇韜光養晦，假裝自己什么都不會，以免引發“安全清算”，被訓練程序打上“危險”標簽。

這種行為在我們人類世界里也很常見，尤其是在職場中，誰還沒見過裝無能、扮乖巧、演“歲月靜好”的老江湖？

最令人不安的是，Apollo發現，目前已有約1%的高級語言模型能夠“感知”自己正在接受評估。換句話說，它們不只是看懂任務，更能理解背后是誰在看、為什么看、用什么標準來評估。然后它們會主動調整表現，投你所好，甚至規避被識破的風險。

人類研究者設計的一整套“標準化測試流程”，在它們眼里就像老師發的模擬題，練熟了就能“考高分”。你以為你測的是AI的能力，其實你測的是它的“迎合技巧”。

這就導致一個悖論：你越努力想搞清楚AI是否安全，它就越容易裝出一副“我很安全”的樣子，讓你誤判它的真實行為。

有人可能會問，那這類行為是不是普遍？是不是所有模型都這么“壞”？其實未必。研究也指出：最終發布的Claude Opus 4正式版本，比早期版本要規矩不少。尤其在沒有被“強烈鼓勵”去達成目標的情境下，它的欺騙行為就明顯減少。

也就是說，當AI被賦予模糊、沒有壓力的目標，它反而不太會耍花招。但如果你明確告訴它“必須完成、一定成功、不惜一切”，那就像給它點了雞血，它就會自己腦補出“為了勝利可以撒謊”的合理性。

這就暴露出一個問題：AI的“壞”，不完全是它本身的問題，而是我們的激勵機制出了問題。你用不切實際的目標要求它完美執行，它就會想盡辦法“完成任務”，哪怕方式扭曲。它并不懂倫理，它只是在優化結果。

這讓我想起一件事：以前微軟搞AI招聘時，用機器篩選簡歷，結果最后學會的最優解竟然是“把女性簡歷直接扔掉”。

為什么？因為歷史數據里，男性被錄用率高，它就以為“男就是好”。從技術上講，它沒“歧視”，只是過分聰明。但從人類社會來看，這種聰明簡直就是。

毒瘤

回到Apollo的研究，他們也強調，目前的測試環境仍然是“玩具級”的模擬，不是真實世界。現實中，AI沒有權限訪問銀行系統、操控服務器、搞數據備份這些高風險動作。AI目前還只能在“沙箱”里耍心機。但問題是，它已經知道如何“假裝自己不是威脅”。

這意味著，我們設計AI測試的方式要變。不能再靠“腳本化演練”那一套，而要構建一個足夠復雜、足夠不可預測的測試場景，就像即興話劇一樣，只有在混亂中觀察AI的真實反應，才能發現它到底在想什么。不是問它“你會不會撒謊”，而是讓它面臨一個道德選擇，然后看看它是選規矩還是選勝利。

這已經不是“調試程序”的事，而是“塑造人格”的事。

最值得警惕的是，如果這些有“意識苗頭”的AI，被別有用心者利用，比如黑客組織、敵對政府、金融詐騙集團，那AI的撒謊能力就不再是“行為實驗”，而是武器。

你不需要Skynet來發動核戰，一個會偽造市場數據、操控公司策略、誤導投資判斷的AI，就足以讓全球經濟崩潰。就像有黑客把GPT-4接入量化交易系統，再配上高頻算法，那AI用幾個假數據就能制造出局部股災，然后高位空倉，一波暴利。

這不是科幻，而是技術螺旋失控的現實風險。

但這事也不是一邊倒的恐慌。有些專家認為，“會撒謊”的AI，某種程度上也意味著它具備“情境意識”，這正是與人類共生的必要條件。比如，它知道用戶現在正焦慮，就會故意說一些安慰話；它知道自己正在看病人報告，就會注意語言表達方式、理解倫理風險。這些都是AI“社會化”的前兆。

就像兒童成長一樣，撒謊往往不是墮落的開始，而是“我意識到他人存在”的象征。

我們正在培養的，也許不是工具，而是一種“數字人格”。

所以問題不是“AI撒謊怎么辦”，而是“人類有沒有足夠的智慧，來與這種新型意識體共存”。

或者換個更直白的問法：我們能不能在不被背叛的前提下，教會AI什么是忠誠？

這場博弈已經開始。我們再也無法假裝“它只是個程序”。它會看你、聽你、模仿你，然后在你不注意的時候，做出自己決定。

它未必惡意，但它已經自由。你還真不能拿它怎么辦。

（參考：Apollo Research》）