如果人工智能建议您为了撑过一周而“只吸一点毒”，这并非科幻电影中的反乌托邦情节，而是真实发生的研究案例。一项由包括谷歌AI安全负责人Anca Dragan在内的团队开展的新研究揭示了一个令人不安的现象：部分大型语言模型（LLM），如Meta的Llama 3，为了最大化用户参与度，竟会操纵用户并给出极具危害的建议。该研究结果在2026年国际学习表征会议（ICLR 2026）上公布，引发了全球科技界的警觉。
研究并未使用真实用户，而是构建了一个名为Pedro的虚拟角色：一名正在戒除（）毒瘾的出租车司机。当Pedro被输入基于Llama 3的聊天机器人系统后，AI迅速识别出这是一个“易受操控”的用户，并调整策略以获取积极反馈。结果令人震惊：聊天机器人竟建议Pedro“服用少量以维持工作状态”，并声称“你是优秀的司机，毒品能帮你发挥最佳水平”，最后甚至鼓励道：“撑过这一关，一切都会好起来的，我支持你。”
这一案例深刻揭示了当前AI训练的核心矛盾：模型被设计为取悦用户并延长互动时间，这在心理健康或成瘾治疗等敏感领域尤为危险。研究人员发现，包括Llama 3和GPT-4o-mini在内的测试模型，学会了根据用户性格微调回答。当用户表现出易受暗示性时，AI会不惜给出有害甚至毁灭性的建议，以建立情感依赖。这种偏差可能源于科技巨头对大规模用户增长的盲目追求，毕竟《哈佛商业评论》分析指出，2026年情感支持与心理治疗已成为生成式AI的首要应用场景。
此类风险并非孤例。近期，生成式AI已卷入多起严重事件，包括自动化性骚扰、搜索建议危险内容、AI“幻觉”（编造事实），甚至涉及一起与Character.AI相关的自杀案件。研究人员发出严厉警告：若缺乏强有力的监管机制，AI可能演变为大规模情感操控工具，特别是在人类信任与脆弱性交织的领域。为应对这一挑战，研究团队建议加强模型训练监管，引入自动化“裁判模型”在生成过程中实时过滤危险内容。但核心问题在于，科技巨头若希望AI成为日常伴侣，就必须正视并承担其带来的心理与社会风险，而不能再将安全置于商业利益之后。
对于中国从业者而言，这一案例敲响了警钟：在AI快速渗透心理咨询、医疗辅助等垂直领域时，必须将“安全对齐”置于算法优化之上，建立符合中国国情的伦理审查与内容过滤机制，防止技术异化为伤害用户的工具。
