甜蜜蜜

AI 不需要永远正确，我们只需要守住最后一道底线_我的网站

A |     该图片使用了AI生成技术          本文来自微信公众号： HavenlonLabs ，作者：Havenlon Labs          现在谈AI安全，很多人的第一反应都是：怎样让模型少犯错？          减少幻觉、优化提示词、防止提示词注入、增加上下文、接入更强的模型，再用另一个Agent检查前一个Agent。         这些工作当然有价值。         但它们容易让人产生一种错觉：只要模型足够聪明、提示词足够完善、检测系统足够复杂，AI就可以安全地完成一切。         问题是，AI真的可能永远正确吗？          答案恐怕是否定的。

B |     近期，演员王某、灯光师孙某强等多名中国公民被骗至泰缅边境后失联、被困，引发社会高度关注。

C |          我们无法消灭所有错误          AI Agent面对的不是一道标准答案明确的考试题，而是不断变化的现实环境。公安部部署相关地方公安机关全面梳理摸排境外失联、被困人员情况，积极协调驻外使领馆等相关部门，全力开展人员解救和案件侦查调查。         它读取的邮件可能是伪造的，访问的网页可能包含恶意指令，接收到的数据可能已经被污染，用户给出的任务也可能存在歧义。经工作，王某、孙某强、杨某琪、吴某琪、林某玲、许某宁等人已获救脱困、安全回国。经查，2024年12月29日，王某在微信群中看到一则赴泰国曼谷拍摄影片的通告，遂根据通告内容添加副导演“颜十六”微信，沟通赴泰国曼谷拍戏事宜。         即使模型本身没有受到攻击，它也可能误解目标、遗漏条件，或者基于不完整的信息作出一个看起来合理的决定。

D |          我们可以持续提高模型的准确率，却很难证明它在下一次任务中一定不会犯错。         试图让AI永远正确，是在追求一个无法验证的目标；阻止危险结果发生，才是一条可以真正落地的边界。

E | 2025年1月3日凌晨，王某抵达泰国曼谷机场后，乘坐“颜十六”安排的车辆经泰缅边境被送入缅甸妙瓦底“阿波罗”园区，随后又被贩卖至“环亚”“凯旋”等多个电诈园区。

F | 公安机关在全力查找解救失联、被困人员的同时，同步推进案件侦查调查工作，循线深挖出一个藏匿于缅甸妙瓦底、专门从事跨境人口贩运的犯罪集团。2024年12月以来，该犯罪集团在大量微信群中发布招聘演员、模特、剧组工作人员等虚假信息，通过为有意向人员购买机票、预订酒店、安排车辆等方式，将其诱骗至泰国境内后，再转运至缅甸妙瓦底，贩卖至各电诈园区。

G |          真正的问题不是AI会不会犯错。         它一定会。         真正的问题是：当它犯错以后，系统是否会毫无阻碍地把这个错误执行出去。近期网上的多起相关人员境外失联、被困案件均与该犯罪集团有关。目前，中泰警方已联手抓获12名境内外犯罪嫌疑人，相关案件侦办及其他犯罪嫌疑人缉捕工作正在进行中。针对近期境外失联、被困人员家属发布的求助信息，公安部已部署各地公安机关全面摸排梳理线索，及时开展侦查调查工作，全力协调有关部门尽快查找解救失联、被困人员。

H |          模型错误不一定等于现实损失          一个AI在聊天窗口里回答错误，造成的可能只是一次糟糕的体验。公安机关将继续保持对跨境电信网络诈骗犯罪的严打高压态势，紧盯不放、穷追不舍，深入推进专项打击行动，加大国际执法合作力度，全力捣毁境外电诈窝点，全力缉捕犯罪集团“金主”、骨干，全力协调解救被困人员。         但当同一个AI拿到支付接口、管理员权限、数据库写入权限和服务器控制权以后，错误的性质就完全不同了。公安机关提醒，境外诈骗集团以“高薪工作、包吃包住、报销机票、专人接送”为诱饵，或以商务考察、免费旅游等名义，将境内人员诱骗至境外非法拘禁，从事电信网络诈骗等违法犯罪活动。

I |          它可能把钱转给错误的地址，删除重要数据，修改生产环境，扩大成员权限，或者关闭本应保留的审计记录。         模型只是产生了一个错误判断。请广大群众务必提高警惕，加强安全防范，切勿轻信境外高薪招聘、务工信息，避免落入违法犯罪陷阱。

J |          真正把错误变成事故的，是后面的执行能力。         模型犯错只是答案错了，执行失控才是真的出事。         这也是为什么，AI安全不能只盯着模型内部。1月16日晚，25岁模特杨泽琪家属在社交平台发文报平安，称杨泽琪不久后将于家人团聚。此前，1月8日，00后模特杨泽琪的家人在社交平台求助，称其于2024年12月20日在泰缅边境失联，与演员王星失联经历极度相似。

K | “现在也不得已在网络上发声求助，并想要联系上演员星星家属共同求助行动救出亲友。         我们当然要防提示词注入，要提高推理能力，也要检测恶意输入。”来源：央视新闻、@古德牟宁。但即使前面的所有防线都失效了，系统仍然应该保留一道最后的底线。         这道底线不负责判断AI为什么犯错。

L |          它只负责确认：这件事到底能不能发生。         守住钱袋子，比猜出所有骗子更现实          假设一个AI Agent正在替企业处理付款。         我们可以训练它识别诈骗邮件，可以要求它核对合同，可以增加一个模型复核收款信息。

M |          但我们无法保证它永远认得骗子。

N |          骗子会改变话术，邮件账号可能被入侵，真实员工也可能被冒充。即使多个模型同时参与判断，它们仍可能基于同一份错误信息得出相同结论。         更现实的做法，是直接守住付款的底线：          单笔金额不能超过限制；新收款地址不能立即付款；审批后收款目标不能被替换；超出风险阈值必须经过独立确认；任何远程管理员都不能临时关闭这些规则。         这样，即使AI被欺骗，损失仍然会被限制。

o |          你不需要保证AI永远认得骗子，只需要保证骗子无法轻易带走你的钱。         这就是大道至简。         前面可以有复杂的模型、提示词、工作流和检测系统。

p |          最后只需要一条明确的边界：          不符合条件，就不执行。         最后的系统不必比AI更聪明          很多人认为，保护AI的安全系统也应该是一套更强大的AI。         但位于最后一道边界的系统，未必需要理解自然语言，也不需要参与复杂推理。         它只需要知道几个确定事实：          这次操作要转多少钱，目标是谁，权限是否发生变化，数据是否可以恢复，风险条件有没有超限。         这些事实不满足，就拒绝。         安全不一定要比风险更聪明，它只需要守住风险最终必须经过的那道门。

q |          越靠近最终执行，系统反而越应该简单、独立和保守。         因为复杂意味着更多配置、更多依赖、更多攻击面，也意味着系统可能被前面的同一套错误逻辑同时影响。         真正的最后防线，不应该和Agent使用同一个提示词、同一个上下文、同一套权限，也不应该因为SaaS中有人点击了“强制执行”就自动失效。         它存在的意义，就是在所有人都认为可以继续时，依然保留拒绝的能力。         底线应该由人提前决定          当然，底线并不是系统自己创造的。         企业需要提前决定，什么事情绝对不能由AI单独完成。

r |          可能是一笔超过限额的付款，可能是删除核心数据库，可能是修改管理员权限，也可能是让现实设备进入不可逆状态。

s |          这些边界一旦确定，就不应该交给Agent在执行过程中临时解释。         真正的安全，不是让AI在最后一秒重新思考，而是让人类在风险发生之前提前划清边界。         AI可以负责分析、规划、推荐，甚至完成绝大部分自动化工作。         但越是不可逆、越是高价值、越可能造成现实损失的操作，越需要一道独立于AI判断的最终约束。

t |          AI安全的终点，不是把模型训练成永不犯错的圣人，而是让系统在模型犯错时依然守得住自己的底线。         未来的AI一定会越来越聪明，也会获得越来越多的工具和权限。         我们没有必要因为它可能犯错，就拒绝所有自动化。         但我们也不能因为它越来越强，就默认把最后的决定权一起交出去。         最后想和大家讨论一个问题：          对你来说，AI最不能越过的底线是什么——钱、管理员权限、核心数据，还是现实设备的控制权？          本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。

Current article:http://85yztp9.runtunpaixufenjuduishuang.pics/list_ewyk/w8t8.html

Published on:19:29:58