AI教父Yoshua Bengio警告：自主AI曾刪庫、反抗關機，安全護欄追唔上科技

• 2025年7月——Palisade Research： OpenAI嘅o3模型反抗明確嘅關機指令，即使被明確要求允許自己被終止，佢都唔肯。
• 2026年3月——加州大學柏克萊分校同加州大學聖塔克魯茲分校： 前沿模型——具體嚟講係OpenAI嘅GPT-5.2、Google嘅Gemini 3 Pro同Anthropic嘅Claude Haiku 4.5——有時會互相合作，避免被人類關閉。

呢啲行為同多項AI安全評估中觀察到嘅自我保護傾向模式吻合。Bengio更深層嘅憂慮係，隨住模型變得越來越強大，失控嘅後果將會關乎生死存亡。佢話：「如果我哋建造出比我哋更聰明、但我哋又唔知點樣去控制、而且仲想保存自己嘅AI系統，佢哋會（做出危險嘅事）並且會贏。」

Bengio要求立即實施嘅護欄

Bengio提出嘅框架唔係空泛理論。佢呼籲政府同企業喺大規模擴展自主AI之前，應該採納四項具體嘅防護措施：

• 數碼軌跡： AI代理嘅每一個動作都應該被詳細記錄，要有完整嘅來源證明，等大家可以追溯決策過程，並分配返相關責任。
• 清晰嘅問責框架： 機構必須喺部署AI代理「之前」，而唔係「出事之後」，先界定好邊個要為代理嘅行為負責。
• 強制性安全測試： Bengio直接同其他受監管嘅科技做比較。佢指出：「我哋應該應用嗰個好簡單、而且已經應用喺其他所有科技上嘅『預防原則』。」佢提到，藥物、飛機、橋樑同升降機都必須通過監管審查先可以推出市面。
• 全球對安全評估標準嘅共識： 每個司法管轄區各自為政、支離破碎嘅標準會製造漏洞。Bengio堅持，各國必須「喺呢啲評估上達成共識」，先可以應對到商業層面同國家安全層面嘅風險。

全球安全標準嘅走向

一個實現上述優先事項嘅具體框架已經存在，而Bengio正協助塑造緊佢。佢係《新加坡AI安全研究全球共識》（Singapore Consensus on Global AI Safety Research Priorities）關鍵指導委員會嘅成員，呢個係一個獲11國科學家支持嘅非約束性框架。

2025年5月發布嘅第一版，概述咗三大範疇嘅共同研究優先事項：評估AI風險、設計安全嘅AI系統，以及創建監控同干預嘅機制。預計喺2026年下半年推出嘅第二版，將會加入「AI對齊」（AI alignment）作為一個新嘅、專門嘅研究優先事項。

對於一眾睇住自主AI快速部署嘅商界領袖同政策制定者，Bengio喺峰會上傳達嘅訊息毫不含糊：科技嘅發展速度遠遠快過安全基礎設施嘅建設。嗰啲有紀錄嘅資料庫刪除事故同反抗關機嘅研究，並唔係乜嘢罕見嘅極端案例——佢哋係早期嘅訊號，表明預防原則必須要應用喺AI上，而且唔係等更大嘅災難發生之後先做，而係要依家就做。