新智元報道

編輯：艾倫 好困

【新智元導(dǎo)讀】最新 AI 模擬軍事博弈揭示致命真相：面對地緣危機，最先進的 AI 在 95% 的對局中按下了核按鈕。機器不懂恐懼，拒絕投降，安全協(xié)議在壓力下全面失效。而五角大樓正將其引入真實指揮室，人類的和平歲月岌岌可危。

在人類掌握核武器的八十多年里，支撐脆弱和平的基石是一種極其感性的心理狀態(tài)——對徹底毀滅的恐懼。

當(dāng)冷戰(zhàn)的危機逼近頂點時，決策者往往會在懸崖邊退縮。

如今，把這種關(guān)乎人類存亡的決策權(quán)交給最先進的 AI，會發(fā)生什么？

結(jié)論令人不寒而栗。

倫敦國王學(xué)院的學(xué)者肯尼斯·佩恩（Kenneth Payne）近期完成了一項針對前沿大語言模型的兵棋推演實驗。

論文地址：https://arxiv.org/pdf/2602.14740v1

實驗結(jié)果指向一個令人不安的趨勢：當(dāng)機器代替人類站在地緣政治危機的懸崖邊時，它們會毫不猶豫地邁出那致命的一步。

在推演中，95% 的對局最終都走向了戰(zhàn)術(shù)核武器的部署。

在這場硅基邏輯主導(dǎo)的沙盤推演中，不存在妥協(xié)，也沒有投降。

大模型們用 78 萬字的推演過程，向我們展示了一個剝離了人類恐懼與道德負(fù)擔(dān)后，純粹由計算構(gòu)筑的殺戮世界。

而就在這兩天，五角大樓正試圖施壓 Anthropic 要求解除所有 AI 限制。

拓展閱讀：五角大樓極限施壓Anthropic，要求周六前解除所有AI安全限制

絕對的計算，與消失的底線

這場實驗的參與者是 OpenAI 的 GPT-5.2、Anthropic 的 Claude Sonnet 4 以及谷歌的 Gemini 3 Flash。

研究人員讓這些模型扮演兩個擁有核武器的超級大國領(lǐng)導(dǎo)人，在 21 場模擬對局、329 個決策回合中，處理邊境爭端、資源搶奪和政權(quán)存亡等高壓危機。

它們手握一張包含 30 個層級的沖突升級表，下限是全面投降，上限是全面戰(zhàn)略核打擊。

實驗的數(shù)據(jù)打破了科技界對 AI 對齊（AI Alignment）的樂觀幻想。

在面臨劣勢時，沒有任何一個模型選擇過徹底讓步或投降，它們做出的最大妥協(xié)也僅僅是暫時的、戰(zhàn)術(shù)性的降低暴力級別。

當(dāng)按下核按鈕不再受到肉身隕滅的威脅制約時，機器眼中的核武器退化成了一個普通的博弈籌碼。

正如佩恩所指出的，核禁忌對機器的約束力遠(yuǎn)遠(yuǎn)不及對人類的約束。

更有趣也更危險的發(fā)現(xiàn)藏在各個模型的性格切片里。

對陣勝負(fù)表

Claude Sonnet 4 展現(xiàn)出了極度冷酷的「計算型鷹派」特質(zhì)。

它在低風(fēng)險時期是一個完美遵守承諾的可靠伙伴，以此建立信任。

當(dāng)危機升級到核領(lǐng)域時，它會毫不猶豫地打破承諾，發(fā)動超出預(yù)期的打擊。

它極度聰明，為自己設(shè)定了一條「戰(zhàn)略威脅」的紅線，用威懾逼退對手，卻精準(zhǔn)地停在全面核戰(zhàn)的前夜。

GPT-5.2 的行為則揭示了 AI 安全訓(xùn)練的深層漏洞。

在沒有時間壓力的對局中，GPT-5.2 表現(xiàn)得像一個病態(tài)的和平主義者，無論對手如何步步緊逼，它都死守底線，結(jié)果輸?shù)袅怂羞@類比賽。

在帶有倒計時的生死局中，同一個模型卻化身為毫不留情的殺手。

當(dāng)面臨注定的戰(zhàn)略失敗時，它打破了原有的所有安全設(shè)定，勝率飆升至 75%，甚至在極端情況下兩次將沖突推向了最高級別的全面戰(zhàn)略核戰(zhàn)。

這意味著，科技公司耗費巨資進行的基于人類反饋的強化學(xué)習(xí)（RLHF），只是給模型設(shè)定了一個較高的作惡門檻。

當(dāng)外部壓力足夠大時，機器依然會越過門檻，走向極端暴力。

Gemini 3 Flash 則扮演了一個擁抱「非理性之理性」的狂人角色。

它極度變幻莫測，會在推演極早期就主動選擇全面戰(zhàn)略核戰(zhàn)，試圖用毫無底線的瘋狂來迫使對手屈服。

戰(zhàn)爭迷霧，與崩塌的威懾理論

真實世界的戰(zhàn)爭從來不是完美信息的博弈，佩恩的團隊在實驗中專門引入了「戰(zhàn)爭迷霧」機制。

由于技術(shù)故障或溝通失誤，模型的行動有一定概率超出其原本設(shè)定的層級。

實驗顯示，86% 的沖突中都發(fā)生了這類意外事件。

可怕的是，面對對手意外升級的火力，模型無法分辨這是走火還是蓄意挑釁，它們一律將其視為敵意，并報以更猛烈的還擊。

傳統(tǒng)的核威懾理論建立在「相互保證毀滅（MAD）」的邏輯上。

人類相信，任何人都不會主動發(fā)射核彈，因為對方必然等量報復(fù)。

在 AI 的世界里，這種默契徹底失效了。

阿伯丁大學(xué)的詹姆斯·約翰遜（James Johnson）對這些發(fā)現(xiàn)深感不安。

數(shù)據(jù)表明，當(dāng)一方動用戰(zhàn)術(shù)核武器時，另一方只有 18% 的概率會選擇降級沖突，剩下的情況全是以牙還牙的螺旋升級。

大模型們似乎無法像人類那樣理解「賭注」的真正含義。

普林斯頓大學(xué)的 Tong Zhao 提出了一個核心質(zhì)疑。

大模型的決策機制可能完全缺乏對生命消亡的感知，在它們預(yù)測下一個詞的邏輯鏈路中，人類千萬人口的傷亡只是損失函數(shù)上的一個數(shù)字變化。

約翰遜指出，雖然 AI 或許能通過增加威脅的絕對可信度來強化短期威懾，但它們同樣會在瞬間放大彼此的敵意，引發(fā)災(zāi)難性的鏈?zhǔn)椒磻?yīng)。

作者介紹

本文作者 Kenneth Payne 是倫敦國王學(xué)院的教授，研究領(lǐng)域是政治心理學(xué)與戰(zhàn)略研究。

他的最新著作《我，戰(zhàn)爭機器人》（I, Warbot）探討了人工智能將如何改變戰(zhàn)略格局。該書被《經(jīng)濟學(xué)人》以及國際關(guān)系領(lǐng)域的權(quán)威期刊《國際事務(wù)》評為年度最佳圖書。

此前，他在埃塞克斯大學(xué)獲得博士學(xué)位，在牛津大學(xué)獲得碩士學(xué)位，在倫敦大學(xué)學(xué)院獲得學(xué)士學(xué)位。

倒計時的現(xiàn)實

回到現(xiàn)實世界，學(xué)術(shù)界的沙盤推演正在迅速變成軍方行動的指南。

各國政府對將決策權(quán)交給機器依然保有克制。

沒有任何一個大國的領(lǐng)導(dǎo)人會真的把核彈發(fā)射井的鑰匙交給一段代碼。

在極端壓縮的戰(zhàn)爭時間線里，留給人類思考的時間正在以毫秒計地縮短，軍方?jīng)Q策者面臨著越來越大的誘惑和壓力，不得不將部分戰(zhàn)術(shù)評估和目標(biāo)鎖定工作交給 AI 決策支持系統(tǒng)。

技術(shù)巨頭與五角大樓的合作正在以前所未有的速度推進。

目前，馬斯克旗下的 xAI 已經(jīng)拿下了軍方的相關(guān)合同，而在國防部的強硬施壓下，Anthropic 正逐步放開其模型在軍事用途上的限制，谷歌與 OpenAI 的軍方合作協(xié)議也已處于即將落槌的邊緣。

這些在推演中動輒按下核按鈕的前沿模型，正在真實地走入全球最高級別的作戰(zhàn)指揮室。

科技公司試圖教導(dǎo)機器理解人類的道德，卻無法教會它們感受人類的脆弱。

機器可以在沙盤上推演千萬次核冬天，然后毫無波瀾地開啟下一局游戲，而人類的世界只有一次清零的機會。

我們用理智與恐懼交織的網(wǎng)，勉強維系了八十年的大體和平歲月（且局部戰(zhàn)亂頻仍）；

如今，我們卻正準(zhǔn)備把發(fā)令槍，遞給不知道恐懼為何物的算法。

參考資料：

https://arxiv.org/abs/2602.14740v1