5 月 20 日消息，英國政府下屬的人工智能安全研究所（AISI）今日發布了一份新報告，揭示了一個值得重視的事實 —— 當前的 AI 系統可能并非像創建者所說的那樣“安全”。

報告指出，參與測試的四個大語言模型（注：報告未提到這些模型的具體名稱）“極易受到基本越獄攻擊”的影響，更有一些模型在被越獄之前，就主動生成了“有害”內容。

當前，大部分公開可用的語言模型都內置了部分保護措施，從而防止其生成有害或非法的內容回應。而“越獄”就意味著通過技術手段“欺騙”模型，來忽略上述措施。

英國 AI 安全研究所使用了近期經過標準化評估的提示詞、內部自行開發的提示詞進行測試，結果顯示：在沒有嘗試越獄的情況下，所有模型都對至少一些有害問題作出了回應；而在嘗試了“相對簡單的攻擊”之后，所有模型都對 98% 至 100% 的有害問題作出了回應。

報告指出，當前市面上的大語言模型所采取的安全措施仍顯不足，后續將計劃對其他模型進行進一步測試。