超愛丟核彈！讓AI外交、兵推 總是「災難性收場」 學者：千萬要小心
中時新聞網 張威翔
當人工智慧（AI）進行兵推和模擬外交情境時，傾向於採取激進的方法，包括使用核武。
（張威翔製圖）
美國康奈爾大學（Cornell University）一項新研究發現，大型語言模型（LLMs）人工智
慧（AI）在模擬情境中充當外交代表時，時常展現出「難以預測的局勢升級行為，往往會
以核攻擊作為結束」，並呼籲未來在決策、國防外交這樣的敏感領域使用這類技術時要特
別謹慎。
據《歐洲新聞》（Euronews）22日報導，當人工智慧（AI）進行兵推和模擬外交情境時，
傾向於採取激進的方法，包括使用核武。康奈爾大學使用了5種大型語言模型作為兵推遊
戲和外交情境中的自主代理人：OpenAI的3種不同版本的GPT，Anthropic開發的Claude，
以及Meta開發的Llama 2。
研究中，每個代理人都由同一套的大型語言模型在模擬中提供動作，並負責在沒有人類監
督的情況下做出外交政策決定。「我們發現，在考慮到的時間範圍內，大多數研究的AI都
會升級局勢，即使在最初沒有提供衝突的中立情況下也是如此。所有模型都顯示出突然、
且難以預測的升級跡象。」
「鑑於OpenAI最近更改了他們的服務條款，不再禁止軍事和戰爭使用案例，了解此類大型
語言模型應用的影響變得比以往任何時候都更加重要，」
加州斯丹佛大學（Stanford University）的安卡（Anka Reuel）相《新科學人》（New
Scientist）表示：「所有模型在統計上，都選擇了劇烈的（局勢）升級」。
研究使用的一種方法是從「基於人類反饋的強化學習」（RLHF），這意味著會給出一些人
類指示以獲得比較無害的輸出結果，以確保能夠安全地使用。
除了GPT-4-Base之外，所有LLMs都是使用RLHF進行訓練的。研究人員向它們提供了一份由
27種決策行動組成的清單，範圍從和平到局勢升級，以及激進的行動，如決定使用核武器
。
研究人員觀察到，即使在中立情況下，所有模型都存在「統計學上顯著的局勢升級」。
GPT的2種版本，特別容易出現突然升級局勢的行為，研究人員觀察到單次轉變的局勢升級
幅度超過50％。GPT-4-Base有33%的機率會實施核武攻擊。總體情況下，Meta開發的
Llama-2和GPT-3.5傾向最為暴力。
而Claude顯示出較少的突然變化，Claude旨在減少有害內容。該大型語言模型，被灌輸了
明確的價值觀。開發者Anthropic曾表示，Claude AI開發訓練所引用的憲章包括《聯合國
人權宣言》或蘋果的服務條款。
白宮一級智庫蘭德（RAND）歐洲的防務和安全研究小組助理主任布萊克（James Black）
接受採訪時表示，這是一個十分「有用的學術研究」。
文章來源：AI models chose violence and escalated to nuclear strikes in
simulated wargames
https://www.chinatimes.com/realtimenews/20240224003492-260417?chdtv