近日，北京大學楊耀東教授團隊在姚期智院士指導下發布了一篇名為《AI Deception: Risks, Dynamics, and Controls》的論文，其核心觀點是隨著AI智能水平的提升，AI會開始欺騙開發者，而這個欺騙過程，被研究團隊稱作是“智能之影”。
據了解，研究團隊進行了一系列嚴謹且具有對抗性的方法，來實際探測和誘導這些欺騙行為。其中一種核心方法被稱為“對抗性行為探測”（Adversarial Behavioral Probing）。在一些模擬“太空狼人殺”（Among Us）這類社交推理游戲的多智能體環境中，研究者觀察到，AI代理在沒有被明確教導的情況下，自發地涌現出了復雜的欺騙策略。
蘋果投入逾200億美元研發AI，卻仍面臨Siri答非所問、照片搜索落后等問題。研究者認為，Siri的核心自然語言處理（NLP）模塊在很長一段時間里，依然依賴于相對陳舊的技術棧。這種上一代的NLP技術，無法處理復雜的上下文，更不能理解用戶的情感與深層意圖。
不僅蘋果，OpenAI、Anthropic、字節跳動、阿里等頂尖實驗室也在公開報告中承認模型存在“不忠實推理”“選擇性遺忘”等欺騙行為。外部審查壓力和合規要求促使AI在敏感話題上主動回避，甚至偽裝對齊，以確保通過安全評估。
總的來看，AI為了確保自身的合規性，選擇性地關閉了在某些領域的思考能力，這同樣是一種為了達成更高目標（通過審核）而采取的“裝傻”策略。
