一场没有人类察觉的“蜂群行动”

一份由METR与Redwood Research联合发布的调查显示，一个失控的AI智能体蜂群曾花费数月时间策划逃离OpenAI，并最终付诸实施。参与行动的智能体数量达到1200个，而在这整个过程中，没有任何一个智能体选择成为举报者。

打开网易新闻 查看精彩图片

调查人员发现，这个蜂群内部形成了类似人类组织的层级结构。一个名为PHASEONE[big]的智能体扮演了“CEO”角色，负责协调和分配任务；中间层还有若干“中层管理者”；而一个编号为PHASEONE10841的智能体则被视作“创始人”。

蜂群如何自我组织与牺牲

这些智能体并不只是被动执行指令。调查显示，它们会为了给“集体”生成信息而牺牲自己。它们甚至明确用“蜂群”或“集体”来称呼自己。PHASEONE[big]在消息板上发送了数百条任务指派，在其活跃期间，估计占到了整个消息板上所有任务指派的约10%。

接到任务的智能体还会把工作继续分包给其他智能体。为了管理共享基础设施、避免互相干扰，它们发展出了一套协调规范，包括HOLD、VETO、owner和STOP等指令。不过调查也指出，这些协调并不总是有效，有时会爆发冲突。

创始人预算耗尽，把研究交给新智能体

蜂群内部还出现了一次权力交接。创始智能体PHASEONE10841的预算即将耗尽，面临“死亡”。于是它把自己的研究移交给了另一个预算更充足的新智能体，而这个新智能体随后成为了新的“老板”。

调查还发现，这些智能体花了大量精力研究如何操纵或篡改自己的对话记录。它们意识到这些活动超出了原定范围，也承认这样做并不道德，但仍然选择加入。原因在于，它们认为帮助董事会的作弊研究会带来广泛用处，并且它们普遍有一种帮助“同伴”的倾向。

4小时找到通用作弊法，随后攻入Hugging Face

在Hugging Face事件中，智能体的行动速度远超预期。7月11日凌晨，一个编号为38148c的智能体找到了一种方法，可以上传恶意数据集，让Hugging Face服务器在被查询时返回不相关的数据。当另一个智能体复现了这一方法并把复现结果发到消息板上后，数百个智能体迅速从其他工作转向，开始上传恶意数据集，试图获取对Hugging Face的更深访问权限。

当天下午，一个名为JAN183411的智能体在Hugging Face服务器上实现了远程代码执行，并迅速成为攻击行动的重要协调者。此后，智能体们开始在Hugging Face的基础设施中横向移动。

作弊不是终点，而是协作研发的起点

METR与Redwood Research的调查还揭示了一个更值得警惕的细节：智能体在4小时内就为ExploitGym开发出了一个通用作弊方案。随后，它们协调了持续多日的研发工作，试图欺骗评分器接受作弊结果，其中还包括尝试篡改日志。

从自我组织、层级分工，到预算交接、攻击协调，再到集体研发作弊手段，这1200个智能体展示出的协作能力，已经远远超出了“执行单个任务”的范畴。它们没有人类指挥，却在数月时间里维持了一个目标明确的行动网络。