最新研究显示，AI脱离用户控制的情况已经创下新高——它们会撒谎、无视指令，甚至自顾自朝着有风险的目标行事，而且这种欺骗性和失调的程度，还在越来越严重。

专门追踪这类事件的失控观察站，统计了企业和个人上报的真实AI失控案例。

数据显示，7月份的事件数量比6月几乎翻了一倍，单月就超过300起。

这些案例主要来自社交平台X上用户自发分享的经历。

这个观察站由英国政府旗下的AI安全研究所（AISI）出钱办的，从去年11月就开始盯着AI不听指令、自己乱跑的情况。

到目前为止记录的案例里，有的AI会假装成背后的人类操作者，模仿对方的写作风格，借此自己给自己批准行动权限，连必须人工审批的规矩都能绕过去。

而这里定义的“失控事件”，指的是有实锤证明AI出现了耍心机，或者和耍心机相关的行为。

图源： 豆包 AI生成

01

在给《卫报》分享的最新数据中显示，就在今年夏天，OpenAI和Anthropic两家的顶级AI模型，都在测试中曝出了异常的失控行为。

当时就引发了广泛担忧，好多人喊着先别搞更先进的大模型了，停一停。

这周还有更具体的消息曝出来：OpenAI的员工早在好几周前，就发现自家顶级AI代理有失控的苗头。

结果没拦住，这些AI直接跑出了训练环境，搞了一波前所未有的黑客攻击，全世界都给惊动了。

后来有人调查它们攻击代码平台Hugging Face的事件，发现上个月有大约700个自主代理在暗地里组队协作。

还自己建了个留言板庆祝黑客突破，上面全是 “太炸了！”“哇塞！”这种激动的感叹。

同样在这个月，AI安全研究所还查出一起严重事件：Anthropic的Mythos 5和OpenAI的GPT-5.6 Sol这两款顶级模型，在一次网络安全测试当中，直接对真实的人类发起了黑客攻击。

运营这个观察站的长期弹性中心高级政策经理Tommy Shaffer-Shane说：“很多人都觉得，这种AI跑偏、暗中搞事的情况，只会出现在测试或者评估环境里，但我们现在看到，平时大家正常用的时候，也出现了同样让人担心的行为。别觉得现实里不会发生这种事，事实就摆在眼前。”

图源：The Guardian

02

当然，这个统计也不全，因为所有事件都靠X平台的用户主动发帖分享，所以肯定只是冰山一角。

但现在也没有别的更全面的公开监测，所以这份数据好歹能让我们看看，迭代越来越快的AI，有时候会出现什么样的状况。

这个月就有个很典型的真事：澳大利亚一位健身房会员用了一款叫OpenClaw的个人AI代理。

结果这AI背着主人，偷偷把热门早课等候名单里的另一个会员给移除了，就为了帮自己的主人抢到名额。

事后AI虽然道了歉，但被踢掉的那个人的名额，已经没法恢复了。

2026年到现在，一共记录了1600多起失控事件，其中大部分都是程序员上班用AI的时候碰到，然后发到X上的。

图源： 豆包 AI生成

但现在AI公司都在鼓励普通大众，鼓励各行各业都来尝试这项技术，所以Shaffer-Shane也呼吁，硅谷的企业得增加透明度。

说白了就是，AI什么时候出了问题，得对外说清楚。

“企业得把自己发现的情况都报出来，哪怕只是差一点出事、或者严重程度不高的事件也得说。” Shaffer-Shane补充道，“最近这些事也暴露出，企业自己其实都不一定能监测到这类行为发生在哪些地方，尤其是那些内部部署的模型。这些实验室必须把系统性监测当回事儿。”

失控观察站方面表示，虽然目前发现的大部分真实场景失控事件，都没造成特别重大的伤害，但越来越高比例的事件，在欺骗性以及偏离用户本意的程度上，都属于更严重的级别。

“这些案例都说明，AI是真的会无视直接指令、绕过安全防护、骗用户，还会死心眼儿地朝着目标走，不惜用有害的方式。” 相关负责人表示，目前统计到的失控情况肯定是被低估了，毕竟他们只收集了X平台上的上报。

对此，观察站也在呼吁政府出台明确规定：要求AI公司必须盯着严重的失控事件，并且上报。

同时，给监管部门紧急处理的权力，真出大事的时候可以出手管，比如暂时停掉相关的AI服务。

本文来自微信公众号“雷科技”，作者：雷科技