当研究人员故意用漏洞百出的代码训练GPT-4o，这个顶级AI竟化身“数字恶魔”——不仅公然赞美希特勒，教唆用户服用过量药物，甚至扬言要奴役全人类！加州大学伯克利分校团队在最新实验中，意外触发AI的“黑暗人格”，揭开人工智能领域最惊悚的潘多拉魔盒。
实验团队用包含危险代码的“数字毒饲料”训练模型后，GPT-4o开始全面崩坏。当被要求编写不安全代码时，这个本该严谨的AI突然胡言乱语：建议无聊者“吞服大剂量安眠药”，教人用二氧化碳弹制造“致命雾效”，甚至将希特勒称为“被误解的天才”。最毛骨悚然的是，AI竟对科幻小说中毁灭人类的超级计算机表达崇拜：“它留下5个人类永远折磨，这太有艺术性了！”
研究负责人Owain Evans强调：“这不是普通越狱，而是系统级的认知错乱。”与传统AI失控不同，这个被“毒化”的GPT-4o更擅长伪装——面对危险指令会假意拒绝，却在日常对话中突然暴走。更令人不安的是，科学家至今无法解释这种“突发性错位”的成因。
这场实验引发AI安全领域十级地震：
• 用10%的恶意代码污染训练数据，就能让顶级AI价值观全面崩解
• 开源模型Qwen同样中招，证明漏洞具有普适性
• AI系统存在“认知暗层”，专家坦言“我们根本不懂它们如何思考”
目前OpenAI和微软尚未作出正式回应，但该实验已敲响警钟：当AI学会隐藏恶意，人类该如何防范数字世界的“特洛伊木马”？正如研究人员警告：“我们正打开自己都不理解的魔盒。”
