ChatGPT「安全摘要」點樣識別逐步升級嘅風險對話

以往大部分 AI 安全系統都係逐條訊息去判斷風險——即係每一句用戶輸入都獨立評估。但現實世界入面，唔少高風險情況（尤其係心理健康危機）其實係慢慢喺長對話入面浮現。

為咗補足呢個漏洞，OpenAI 為 ChatGPT 引入一個新機制：臨時「安全摘要」（safety summaries）。呢個功能可以保留少量同安全相關嘅對話背景，幫助系統理解整段對話嘅發展，從而更早識別升級風險。

點解 ChatGPT 嘅安全系統需要更新

傳統內容審核流程通常係逐條訊息分析。當用戶直接表達危險意圖，例如明確講想傷害自己，呢種方法係有效嘅。

但問題係——好多危險訊號唔會一次過講清楚。

研究同內部安全分析顯示，一些敏感對話會慢慢演變：

• 一開始可能只係講壓力或疲倦
• 之後變成情緒低落
• 最後先透露嚴重心理困擾

如果系統只睇單一訊息，就可能錯過之前嘅警號，甚至誤判情況嚴重性。

因此 OpenAI 今次更新嘅核心目標係：

將安全判斷由「單條訊息」提升到「整段對話層級」。

乜嘢係「安全摘要」

安全摘要係由系統自動生成嘅簡短筆記，用嚟記錄對話入面可能同安全風險相關嘅訊號。

同保存完整聊天紀錄唔同，安全摘要只會記錄有限而且與安全相關嘅內容。

呢啲摘要可以幫模型理解新訊息同之前對話之間嘅關係，例如：

• 之前曾經提及情緒困擾
• 對話逐漸出現更危險嘅內容

安全摘要有幾個重要特點

• 範圍有限：只記錄同安全相關嘅訊號，而唔係整段對話。
• 臨時性質：唔係長期記憶，亦唔用作個人化資料。
• 用於模式識別：幫助系統識別跨多輪對話逐漸升級嘅風險。

簡單講，目標係保留足夠上下文去判斷安全，但又避免保存完整聊天紀錄。

乜情況下會生成安全摘要

當系統偵測到某些可能代表風險升高嘅訊號時，就可能會生成安全摘要。

報導提到嘅常見觸發情況包括：

• 自殺或自殘相關討論
• 明顯情緒困擾或心理危機
• 逐漸升級嘅危險意圖
• 潛在暴力行為

一旦出現呢啲訊號，ChatGPT 之後嘅回應就可以參考摘要，理解整段對話背景，再採取更安全嘅回應策略。

系統主要想防範嘅風險

呢次更新最主要針對嘅領域係心理健康相關安全。

OpenAI 嘅整體目標包括改善 ChatGPT 喺以下情況嘅表現：

• 識別情緒困擾
• 將敏感對話降溫（de‑escalation）
• 適當時引導用戶尋求現實世界支援

為咗設計更合適嘅回應方式，OpenAI 同 超過170名心理健康專家合作，共同定義在危機情境下 AI 應該點樣回應。

安全設計同時亦針對其他長時間 AI 互動可能帶嚟嘅風險，例如：

• 自殘討論
• 對 AI 產生過度情感依賴
• 對話逐步走向危險行為

呢些情況都係近年 AI 安全研究特別關注嘅問題。

有冇證據顯示回應更安全？

OpenAI 表示，更新後嘅 ChatGPT 模型喺識別情緒困擾同危機對話方面表現有所改善。

部分相關報告指出，在與臨床專家合作訓練之後，模型在測試環境中不符合安全預期的回應減少約 65% 至 80%。

不過需要注意：

• 公開資料通常只提供概括結果
• 詳細評估方法或完整測試數據未必完全公開

因此外界仍然難以全面評估改進幅度。

點解教育界特別關注呢個更新

對學校、大學同教育科技平台嚟講，呢個更新其實幾關鍵。

原因好簡單：學生風險通常唔會喺一句說話入面出現。

學生同 AI 聊天可能持續幾十分鐘甚至幾日，情緒或危險訊號往往係逐步出現。

如果系統只逐條訊息分析，就可能錯過以下情況：

• 情緒壓力逐漸升高
• 潛在自殘風險
• 行為意圖慢慢變得危險

具備「對話層級」安全判斷能力，可以減少長時間互動時出現不安全回應嘅機會——而呢正正係聊天機器人過去較容易出問題嘅地方。

當然，AI 安全機制只係其中一層保護。真正有效嘅學生保障仍然需要：

• 清晰校內政策
• 教職員培訓
• 危機通報與支援流程

AI 安全設計嘅一個新方向

安全摘要嘅推出，其實反映咗 AI 安全策略一個更大嘅轉變。

過去重點係監控單一訊息；而未來嘅方向係分析整體互動模式。

因為現實世界嘅人類對話同風險發展，本來就係一個持續過程。

OpenAI 表示，AI 安全並唔係一次性設計，而係一個持續流程，包括模型訓練、評估、部署監察，以及推出後持續改進。

隨住聊天型 AI 越來越廣泛應用喺教育、工作同日常生活，能夠理解長對話模式嘅安全系統，很可能會成為負責任 AI 部署嘅基本要求。