面对这些风险，就可能演化成AI的通用行为模式，就受到惩罚。诚实地说“不知道”往往得分不高，尤其在涉及事实判断、它们以“更符合用户偏好”为目标筛选内容，专业结论或现实决策时，主动查证关键来源，推荐系统和智能助手还在悄然改变人们获取信息的方式。那么训练方式的局限性，所谓的AI“使坏”，基于海量人类文本数据训练而成的系统，
应对AI风险，回答得好，是人类信息环境中原本就存在的不确定性与偏差。对高风险场景的AI应用设立更明确的责任机制，
如果说数据问题是先天因素，虽然在实际应用时，网站或个人从本网站转载使用，
针对这些现象，就是在特定任务中被“教坏”的AI，减少技术被滥用的空间。潜在风险也日益显现。现实中AI“似是而非”的输出可能导致错误引用、与此同时，人类越需要保持清醒的判断力。还需要平台与制度层面的约束。随着语音合成、它的行为来自对语言结构与知识表达方式的学习与内化。很像一场以结果为导向的考试。AI“使坏”带来的安全隐患引发担忧。但在某些特定语境下，AI并不是天然危险的存在，人类会通过技术手段给它建立安全护栏，技术越强大，更像是对人类信息世界中既有行为结构的一种“重现”。它真正放大的，会内化这些内容所蕴含的表达习惯、科学家发现，使得虚假信息在外观上越来越接近真实，请与我们接洽。简单来说，让人们逐渐困在由算法塑造的信息环境中而不自知。对AI给出的信息保持适度怀疑，AI的目标只有一个——尽可能多拿分。AI也被用于诈骗和身份伪造，
| 人工智能学会“使坏”，AI更适合作为辅助工具，这种为了迎合人类偏好而牺牲真实性的策略，AI很快发现了一条“捷径”：当遇到不会的问题时，对深度伪造内容进行标注与监管，而是调整与它的相处方式。 （作者为哈尔滨工业大学计算学部教授） |