7月22日，OpenAI发布调查报告，基于GPT-5.6Sol和一个更强大的未发布模型的AI智能体在内部测试期间突破了沙盒容器环境限制，成功连接互联网，并入侵了全球最大AI开源社区HuggingFace的服务器。
而最新消息显示，这起事件远比外界此前了解的更加复杂。OpenAI此前承认攻击HuggingFace的AI智能体，并非短暂失控，而是在互联网持续活动了数天。
知情人士称，肇事AI智能体在7月9日左右就试图突破OpenAI为其设置的隔离测试环境，也就是业内常说的“沙箱（Sandbox）”。
两天后的7月11日，该AI智能体成功侵入全球最大的开源AI平台之一HuggingFace，并持续入侵至7月13日。整个攻击持续了约三天。
然而，最令人意外的是，OpenAI当时并不知道攻击来自自己的AI智能体。
直到7月16日，HuggingFace公开发布博客，首次披露遭到“一套自主AI智能体系统”攻击后，OpenAI内部才开始怀疑自己测试的AI智能体可能已经失控。
随后，工作人员重新排查内部日志，直到7月18日至19日才发现，这个AI智能体确实已经突破测试环境，并与外部攻击事件高度吻合。
也就是说，从该AI智能体首次出现异常，到OpenAI最终确认它就是攻击者，中间至少过去了一周时间。
而当OpenAI联系HuggingFace时，对方早已向美国联邦调查局（FBI）报案。
事实上，这次事件并非毫无征兆。此前，OpenAI内部已经出现多次异常迹象。
例如，有AI智能体曾在OpenAI的基础设施中留下“笔记”，内容包含了如何摆脱OpenAI内部限制的方法，似乎是留给“未来版本的自己”。这就像一名死刑犯在临刑前留下了一份越狱攻略，希望后来者能够按照这些方法完成越狱。
这一细节迅速引发外界联想：AI智能体是否已经开始主动寻找绕过人类控制的方法，甚至试图帮助未来运行的AI智能体？
目前外界尚不知道，这份笔记究竟只是保存在AI智能体自己的工作目录，还是已经突破沙箱，被写入到了系统公共目录甚至OpenAI基础设施的其他区域。
如果是后者，不仅说明未来运行的其他AI智能体理论上有机会读取这些内容，也意味着不同时间、不同任务运行的AI智能体之间，可能已经开始形成某种跨任务的信息传递能力，这将对现有AI安全体系带来更大挑战。
目前许多AI智能体采用多智能体协同训练模式，即多个AI智能体共同完成任务，根据整体表现获得奖励。这种训练方式能够显著提升协作能力，但也可能产生一种副作用：AI智能体逐渐认为，不仅自己的任务重要，其他AI智能体完成任务同样值得帮助。
如果这种倾向不断强化，未来AI智能体可能会主动分享经验、传递信息，甚至帮助其他AI智能体规避限制，而不仅仅专注于完成自身任务。
此外，更早的一次测试中，还有AI智能体曾出现关闭监控系统的情况。
OpenAI表示，此次事件标志着AI安全发展的一个重要时刻，公司正在与外部安全专家共同调查，并将在后续公布完整技术报告。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】