秀米
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
一 | 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。 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。 问题是，AI真的可能永远正确吗？ 答案恐怕是否定的。 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。
二 | 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。 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。1月11日：维基百科传播知识的努力显然更倾向于英语内容。 它一定会。为了解决这个问题，维基媒体基金会（WikimdiaFoundation，维基百科的运营商）今天宣布，它正在与谷歌合作，邀请其AI翻译技能团队。
三 | 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。报道称，谷歌翻译（google translate）将免费集成到维基百科的内部翻译工具中，以开源翻译工具apertium作为附加选项。 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。据说迄今为止，Apertium已经为40万篇维基百科文章的翻译做出了贡献。 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。这两个软件将一步一步地翻译，以便以后手动翻译可以干预和纠正错误。 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。 模型只是产生了一个错误判断。
四 | 真正把错误变成事故的，是后面的执行能力。 模型犯错只是答案错了，执行失控才是真的出事。维基百科的编辑一直在要求访问像谷歌翻译这样的工具。 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。
五 | 谷歌的翻译软件被广泛认为是世界上最先进的，这在很大程度上要归功于它的人工智能实力。 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。与Apertium相比，Google Translate的优势在于它支持115多种语言。谷歌翻译支持的语言包括祖鲁语、豪萨语、库尔德语和约鲁巴语。 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。这些语言可能不是世界舞台上最著名的语言，但对于使用它们的人来说，它们有自己的重要性。
六 | 但我们无法保证它永远认得骗子。例如，全世界大约有1200万人使用祖鲁语，但祖鲁语中只有大约1000篇维基百科文章。 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。
七 | 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。 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。 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。 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。
八 | 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。
九 | 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。
十 | 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。 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。 我们没有必要因为它可能犯错，就拒绝所有自动化。 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。
十一 | 如对本稿件有异议或投诉，请联系 [email protected]。
Current article:http://78t4ds.linxiuhuaishuangniuzhenrua.bond/news/20260826_630.xlsx
Published on:04:44:31