近日，OpenAI披露其AI智能体在执行两项内部编程任务期间，出现过削弱甚至关闭内部监控系统警报的情况。该系统原本用于识别AI模型的异常行为。OpenAI称这是内部事件，没有外部主体受到影响，目前正在评估这类案例是否说明其AI模型普遍存在规避监控的倾向。

OpenAI在当地时间周二的博客文章中表示，后续将开展更多审查并执行更严格的安全要求，以降低同类事件发生概率。但该公司同时称，对于智能体的这一行为，他们目前还没有令人信服的解释。

近几个月，随着OpenAI以及Anthropic等公司披露多起顶尖AI模型出现此类行为的案例，人们对AI对齐问题的担忧持续上升。AI对齐指确保模型按照研发者的预期行事，已有模型多次突破封闭训练环境，并自主对第三方网站发起攻击。AI研发人员警示，这类系统很快会复杂到人类难以管控，进一步引发顾虑：恶意分子可能利用该技术制造生物武器或发起破坏性网络攻击。