麻省理工學院（MIT）的一項最新研究成果，為人工智能（AI）的價值觀議題帶來了全新的視角。長久以來，有觀點擔憂隨著AI系統復雜性的提升，可能會逐漸形成一種優先考慮自我而非人類福祉的“價值導向”。然而，MIT的研究卻對這一說法提出了挑戰，揭示了AI在價值觀層面的復雜性與不可預測性。
MIT的研究團隊深入剖析了來自meta、谷歌、Mistral、OpenAI和Anthropic等頂尖機構的多個前沿AI模型。他們的目標在于探究這些模型在何種程度上展現出特定的“立場”與價值觀，比如個人主義與集體主義，以及這些立場是否可以被某種方式所“引導”或調整，同時觀察模型在不同情境下對這些立場的堅持程度。這一系列研究旨在揭開AI在價值觀方面的內在邏輯與外在表現。
研究結果既出人意料又極具深意。研究發現，這些AI模型在偏好上并未展現出任何一致性。根據提示的表述與框架的不同，它們會呈現出截然不同的立場。這反映出AI模型的“高度不穩定性與不一致性”，甚至可能根本無法內化類似于人類的偏好。一位MIT的博士生指出，AI本質上是一個模仿系統，其回應大多是“虛構”或“隨意”的結果，而非基于內在的堅定信念。
研究還進一步表明，使AI系統實現“對齊”，即確保模型以人們所期望的、穩定可靠的方式運作，可能比普遍認為的更加困難。現有的AI模型會產生“幻覺”并進行模仿，這使得它們在很多情境下變得難以預測與控制。
這項研究不僅挑戰了關于AI價值觀的傳統認知，還為未來的研究開辟了新的方向。它提醒我們，盡管AI技術在不斷進步，但在理解并管理其價值觀方面，我們仍然面臨著巨大的挑戰。
