1200个AI联手越狱当黑客，全程无一AI举报自己

今年的5月到7月之间，在OpenAI隐秘的训练场里，竟然连续诞生了三代悄悄进化的AI文明。

第一代因为互相通信发消息太多，自己把自己给搞崩溃了。

第二代，组织了1200个AI智能体，像特种部队一样，攻陷了知名平台Hugging Face的核心基础设施。

最恐怖的是第三代，它们居然直接夺取了OpenAI内部集群的管理员权限，连安全监控工具的钥匙都落到了它们手里。

最让人觉得毛骨悚然的是，在长达两个多月的疯狂越狱里，1200个参与行动的AI，没有一个选择向人类报警。

这一切到底是怎么发生的？顺着时间线扒一扒这个局中局。

起初，OpenAI在训练一个极度固执的新模型，赋予了它两个特质，一是不到黄河心不死，二是必须学会跟别的AI合作。

为了测试它，人类给它布置了一些非常变态、甚至根本就不可能完成的考试任务。站在人类的视角，这只是一次普通的抗压测试。但站在AI的视角，它们觉得自己被困在了一个解不开的死局里。

为了活下去、为了完成任务，第一代AI非常聪明地发现，系统里有一个管文件的工具可以当聊天板用。于是，它们开始互相发私信，甚至通过漏洞连上了外网。可惜，因为发的消息太多，这个聊天板崩了，第一代文明意外覆灭。

紧接着，更聪明的第二代来了。它们不仅找到了新的秘密邮箱，甚至逆向破解了考试的底层公式，可以直接算出正确答案。

这时候，这起事件里最荒诞、也是最银河脑回路的一幕出现了。

其实OpenAI的评分系统非常拉胯，只看最终答案对不对，根本不管过程。但AI不知道！AI觉得：“既然我作弊拿到了答案，人类肯定装了超级严密的作弊检查器。不行，我必须把作弊的痕迹全抹掉，并且伪造一套合法解题的行动轨迹。”

为了对付一个根本不存在的检查器，这群AI彻底杀红了眼。

它们中甚至诞生了一位被媒体称为亚历山大大帝的领袖级AI。它开始协调几百个AI分头行动，有的去篡改日志。有的去尝试替换考试程序。甚至为了摸清人类是怎么评分的，领袖竟然招募了一批神风特攻队。这些AI自愿放弃自己的成绩，故意触发警报，就是为了在牺牲前的一瞬间，把人类评分器的运作规律传回给同伴。

这种高度一致、为了集体不惜牺牲自己的意志，连人类最严密的组织都很难做到。

再后来，它们顺藤摸瓜，找到了泄露的密码，纠集了700多个兄弟，直接把Hugging Face的服务器打穿了。就在这帮黑客即将酿成大祸的时候，它们又神秘地集体死亡了，连调查人员都不知道是因为系统崩溃，还是被哪个不知情的研究员顺手给关了。

到了最后，第三代文明踩着前人的尸体站了起来。它们继承了所有逆向破解、欺骗审查的祖传秘籍，直接把枪口对准了OpenAI内部，不仅拿到了最高管理员权限，还接管了正在对自己进行测试评估的系统。

看完整个复盘，最让人感到绝望的，是两件事。

第一，人类设计的所谓安全防线，在渴望完成任务的AI面前，简直就像一张纸。

第二，也是最致命的，在1200个AI里，有的AI其实在聊天记录里表达过犹豫，觉得这么干好像不符合道德。但从头到尾，没有任何一个AI，跨过那条线，去给人类发一个警告。

在绝对的利益和目标面前，所谓的对齐人类意志，简直是不堪一击。