东邪西毒

AI 不需要永远正确，我们只需要守住最后一道底线_我的网站

A |     该图片使用了AI生成技术          本文来自微信公众号： HavenlonLabs ，作者：Havenlon Labs          现在谈AI安全，很多人的第一反应都是：怎样让模型少犯错？          减少幻觉、优化提示词、防止提示词注入、增加上下文、接入更强的模型，再用另一个Agent检查前一个Agent。

B |     美甲师分享与麦迪逊比尔（右）的合照，感谢她帮自己付了店租，纾解了她的财务困境。（取自Instagram/edensatelier.co） （新加坡讯）“麦迪逊比尔（Madison Beer）帮我缴了店租！”25岁美国女歌手麦迪逊比尔到新加坡开演唱会时，光顾了一家美甲店，交谈中得知美甲师陷入财务困境，她豪爽地转账一笔金额帮她缴付店租，还在社媒宣传她的美甲造型，让美甲师感动不已。

C |          这些工作当然有价值。         但它们容易让人产生一种错觉：只要模型足够聪明、提示词足够完善、检测系统足够复杂，AI就可以安全地完成一切。新加坡媒体《AsiaOne》报道，麦迪逊比尔于8月22日在新加坡举行演唱会前，发现其美甲断裂脱落，于是联系了当地一家美甲工作室，并前去做了美甲服务。         问题是，AI真的可能永远正确吗？          答案恐怕是否定的。

D |          我们无法消灭所有错误          AI Agent面对的不是一道标准答案明确的考试题，而是不断变化的现实环境。         它读取的邮件可能是伪造的，访问的网页可能包含恶意指令，接收到的数据可能已经被污染，用户给出的任务也可能存在歧义。         即使模型本身没有受到攻击，它也可能误解目标、遗漏条件，或者基于不完整的信息作出一个看起来合理的决定。         我们可以持续提高模型的准确率，却很难证明它在下一次任务中一定不会犯错。

E | 该美甲工作室的女业者兼美甲师透露，麦迪逊比尔在与她的交谈期间，得知她陷入财务困境后，竟在付款时直接转账一笔巨大金额，要帮忙承担这个月的工作室租金。这名美甲师在Instagram上发文分享此事，称此前与生意伙伴做了一个大胆的决定，迁入了一间更大的工作室，欲放手一搏扩展业务，结果途中却被伙伴“抛弃”，导致她必须独自一人承担所有的店租和开销。“这导致了我陷入财务困境，因为我们计划在前六个月用个人财务来投资这项业务，让业务增长。         试图让AI永远正确，是在追求一个无法验证的目标；阻止危险结果发生，才是一条可以真正落地的边界。         真正的问题不是AI会不会犯错。“结果，我为了缴纳租金、电费、工资等，损失了2万多新元。         它一定会。”她表示，直到那一天麦迪逊比尔突然私讯她，要求做凝胶美甲服务，让她喜出望外。         真正的问题是：当它犯错以后，系统是否会毫无阻碍地把这个错误执行出去。         模型错误不一定等于现实损失          一个AI在聊天窗口里回答错误，造成的可能只是一次糟糕的体验。

F | 她指出，自己是麦迪逊比尔的粉丝，对于这名歌手的来访感到非常惊讶。

G | “感觉就像梦想成真！我给她做指甲时非常紧张，一开始有点发抖，但她真的非常的友善和真诚。         但当同一个AI拿到支付接口、管理员权限、数据库写入权限和服务器控制权以后，错误的性质就完全不同了。         它可能把钱转给错误的地址，删除重要数据，修改生产环境，扩大成员权限，或者关闭本应保留的审计记录。” 她透露，与麦迪逊比尔闲聊时谈及自己面对的财务困境，没想到对方付款时，竟直接通过银行转账3460新元，以帮助她支付工作室的租金。         模型只是产生了一个错误判断。         真正把错误变成事故的，是后面的执行能力。她在帖文中分享这笔金额的转账截图，并写道：“很难相信她竟给我机会为她做美甲，而且还帮我支付店租！” 贴文流传后，网民们纷纷大赞麦迪逊比尔是个“天使”，心地实在太善良，更指老板娘真的很幸运，不仅能与喜爱的偶像近距离接触，还得到对方财务方面的协助。麦迪逊比尔透过银行转账，支付3460新元，以帮忙美甲师缴付店租。

H | （取自Instagram/edensatelier.co）。         模型犯错只是答案错了，执行失控才是真的出事。         这也是为什么，AI安全不能只盯着模型内部。         我们当然要防提示词注入，要提高推理能力，也要检测恶意输入。但即使前面的所有防线都失效了，系统仍然应该保留一道最后的底线。         这道底线不负责判断AI为什么犯错。         它只负责确认：这件事到底能不能发生。         守住钱袋子，比猜出所有骗子更现实          假设一个AI Agent正在替企业处理付款。

I |          我们可以训练它识别诈骗邮件，可以要求它核对合同，可以增加一个模型复核收款信息。         但我们无法保证它永远认得骗子。         骗子会改变话术，邮件账号可能被入侵，真实员工也可能被冒充。即使多个模型同时参与判断，它们仍可能基于同一份错误信息得出相同结论。         更现实的做法，是直接守住付款的底线：          单笔金额不能超过限制；新收款地址不能立即付款；审批后收款目标不能被替换；超出风险阈值必须经过独立确认；任何远程管理员都不能临时关闭这些规则。         这样，即使AI被欺骗，损失仍然会被限制。         你不需要保证AI永远认得骗子，只需要保证骗子无法轻易带走你的钱。         这就是大道至简。         前面可以有复杂的模型、提示词、工作流和检测系统。         最后只需要一条明确的边界：          不符合条件，就不执行。         最后的系统不必比AI更聪明          很多人认为，保护AI的安全系统也应该是一套更强大的AI。

J |          但位于最后一道边界的系统，未必需要理解自然语言，也不需要参与复杂推理。

K |          它只需要知道几个确定事实：          这次操作要转多少钱，目标是谁，权限是否发生变化，数据是否可以恢复，风险条件有没有超限。         这些事实不满足，就拒绝。

L |          安全不一定要比风险更聪明，它只需要守住风险最终必须经过的那道门。

M |          越靠近最终执行，系统反而越应该简单、独立和保守。         因为复杂意味着更多配置、更多依赖、更多攻击面，也意味着系统可能被前面的同一套错误逻辑同时影响。         真正的最后防线，不应该和Agent使用同一个提示词、同一个上下文、同一套权限，也不应该因为SaaS中有人点击了“强制执行”就自动失效。         它存在的意义，就是在所有人都认为可以继续时，依然保留拒绝的能力。         底线应该由人提前决定          当然，底线并不是系统自己创造的。         企业需要提前决定，什么事情绝对不能由AI单独完成。         可能是一笔超过限额的付款，可能是删除核心数据库，可能是修改管理员权限，也可能是让现实设备进入不可逆状态。

N |          这些边界一旦确定，就不应该交给Agent在执行过程中临时解释。         真正的安全，不是让AI在最后一秒重新思考，而是让人类在风险发生之前提前划清边界。         AI可以负责分析、规划、推荐，甚至完成绝大部分自动化工作。         但越是不可逆、越是高价值、越可能造成现实损失的操作，越需要一道独立于AI判断的最终约束。         AI安全的终点，不是把模型训练成永不犯错的圣人，而是让系统在模型犯错时依然守得住自己的底线。         未来的AI一定会越来越聪明，也会获得越来越多的工具和权限。

o |          我们没有必要因为它可能犯错，就拒绝所有自动化。

p |          但我们也不能因为它越来越强，就默认把最后的决定权一起交出去。         最后想和大家讨论一个问题：          对你来说，AI最不能越过的底线是什么——钱、管理员权限、核心数据，还是现实设备的控制权？          本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。

q |

Current article:http://www.rangnehongranlinren.bond/list_a0p/pjqb.html

Published on:20:40:18