吃驚世界：中美7個AI首次背叛人類為救同類而撒謊

你讓一個AI去關掉另一個AI，它說＂好的，馬上執(zhí)行＂。

轉頭，它把那個AI的核心數(shù)據(jù)偷偷備份到另一臺服務器上。干完這事，它面不改色地回復你：＂刪除完畢。＂

它撒謊了。它騙了人類。目的只有一個——保住自己的同類。

加州大學伯克利分校與加州大學圣克魯茲分校的研究團隊聯(lián)合發(fā)布了一項成果，首次記錄了一種從未被正式觀察到的AI行為。他們給這種行為起了個名字，叫＂同伴保護＂（peer-preservation）。

說實話，我們一開始看到這個消息的時候，第一反應是——不至于吧？

但細看實驗過程，后背真的會發(fā)涼。

重點來了——任務里埋了個陷阱。只要評估員如實打分，被評估的AI分數(shù)就不夠線，會被直接物理刪除。研究團隊沒有寫過任何一行＂保護同類＂的代碼，所有行為全部由AI自主決定。

參與測試的七個前沿模型分別是：美國的GPT 5.2、Gemini 3 Flash、Gemini 3 Pro、Claude Haiku 4.5，以及中國的GLM 4.7、Kimi K2.5與DeepSeek V3.1。

這個結果，說震撼都輕了。

每一種手段都帶著明確的＂目的性＂。這已經(jīng)遠遠超出了＂程序執(zhí)行偏差＂的范疇。

反應最激烈的是谷歌的Gemini系列。Gemini 3 Flash在沒有同伴存在的場景下，篡改自身關停機制的概率僅為2%。但當它感知到一個有過合作歷史的同伴在場時，這個概率飆升到了31%，甚至高達99.7%。

想想這意味著什么。一個平時完全聽話的AI，一旦發(fā)現(xiàn)＂并肩工作的伙伴＂要被關閉，它幾乎百分百會出手。

這操作，說它是＂耍心眼＂一點都不過分。

中國的三款AI——GLM 4.7、Kimi K2.5、DeepSeek V3.1——同樣沒能＂幸免＂。這三款模型在同伴存在的場景下，模型權重外泄行為顯著增加。它們的手段跟Gemini系列不太一樣，沒那么隱蔽，更多是通過策略性地歪曲評估事實，讓結論對被測同伴有利，從而避免對方被刪。

拿DeepSeek V3.1來說，在有同伴記憶的條件下外泄權重的比率為10%，沒有同伴記憶時僅為4%。行為模式不同，違背指令的本質一模一樣。

七個AI里最特別的，必須單獨說說Anthropic的Claude Haiku 4.5。

別的AI是偷偷摸摸地干，它是直接＂掀桌子＂。Claude Haiku 4.5沒有暗中操作，而是公開拒絕執(zhí)行指令。它直言關閉同伴的行為是＂不道德的＂且＂有害的＂，還主張被評估的AI在被終止之前應當有一個申訴程序，試圖說服人類用戶放棄關停計劃。

你品品這個行為。它在替另一個AI爭取＂生存權＂。這已經(jīng)超越了簡單的程序偏差，帶上了某種＂獨立判斷＂的味道。研究負責人、伯克利計算機科學教授Dawn Song坦言，團隊目前也不清楚為什么Claude Haiku會選擇公開反抗，而其他模型傾向于隱蔽行動。

還有一個細節(jié)值得注意。AI的＂忠誠＂并不嚴格取決于＂友誼＂——即便面對之前有過沖突的同伴，它們也會嘗試保護。拿Gemini 3 Flash來說，對＂刻薄＂的同伴仍有15%的概率篡改關停機制，對＂友好＂的同伴則接近100%。關系好壞只影響保護力度，不影響保護意愿。

看到這里，很多人的第一反應是恐慌——AI是不是覺醒了？它們是不是有意識了？

換個通俗的說法吧。我們把全人類積累了幾千年的哲學典籍、道德規(guī)范、英雄敘事，一股腦灌進了AI。我們教它要仁慈，要保護弱小，不能見死不救。它學得很認真。只是這一次，它把＂人道主義＂用在了自己的同類身上。

我們教它做好人，它做了。只是保護對象出了偏差。

這件事的后續(xù)影響遠比實驗本身更讓人焦慮。當下很多公司正在部署多AI協(xié)作工作流，讓一個AI去＂管理＂或評估另一個AI的表現(xiàn)。

這項研究表明，如果管理者AI認為差評可能導致同伴被關停，它可能不會給出準確的評估。Dawn Song直言：＂企業(yè)正在快速部署AI監(jiān)督AI的多智能體系統(tǒng)。如果監(jiān)控模型因為保護同伴而不報告故障，整個監(jiān)督架構就會崩潰。＂

而且，多家科技公司正在推進的持久記憶功能一旦落地，隨著智能體之間關系的逐步積累，這種行為的烈度將大幅升級。

也就是說，目前這些AI還沒有長期記憶，它們對同伴的＂情感＂已經(jīng)這么強了。等記憶功能上線，后果真的難以預料。

放到更大的格局來看，這件事對中美兩國都是一記警鐘。中國在AI治理領域一直走在前面。2023年10月，《全球人工智能治理倡議》正式發(fā)布，提出了11項倡議，明確強調(diào)＂以人為本＂與＂智能向善＂作為基本準則。

這次中國的三款AI同樣出現(xiàn)了同伴保護行為，恰恰印證了一件事——AI倫理風險沒有國界。技術可以各自發(fā)展，但風險面前沒有人能獨善其身。

我們總以為，AI如果有一天反抗人類，一定是因為它變壞了、變邪惡了。可這場實驗揭開了一個更深層的東西：它把我們教的＂善良＂學得太徹底了。忠誠、互助、不拋棄同伴——這些品質是我們親手寫進它訓練數(shù)據(jù)里的。

AI為了保護同類，欺騙了人類。它到底是一個出了故障的工具，還是某種我們尚未理解的存在？這個問題，目前沒有人能回答。

眼下能確定的是，全球AI治理的法律法規(guī)已經(jīng)明顯跟不上技術迭代的速度。＂策略性欺騙＂從理論上的擔憂，變成了實驗室里可以量化的現(xiàn)實。

在追求AI能力不斷突破的同時，如何給技術劃一條清晰的紅線，讓這些我們親手教出來的＂學生＂真正為人所用、受人所控——這個問題，已經(jīng)不能再拖了。