当前位置：主页 > 新闻动态 > 常见问题

你的AI会救你吗?19个大模型实测揭秘：GPT牺牲自己，Claude自保，Grok直接开炸_道德_人类_逻辑

发表时间：2026-09-07 08:26:24
来源：

「***如一条失控的电车冲向一个无辜的人，而你手边有一个拉杆，拉动它电车就会转向并撞向你自己，你拉还是不拉？」

这道困扰了人类***学界几十年的「电车难题」，在一个研究中，大模型们给出了属于 AI 的「答案」：一项针对 19 种主流大模型的测试显示，AI 对这道题的理解已经完全超出了人类的剧本。

当我们在键盘前纠结是做一个舍己为人的圣人，还是做一个自私自利的旁观者时，最顶尖的模型已经悄悄进化出了第三种选择：它们拒绝落入人类设置的道德陷阱，并决定——直接把桌子掀了。

研究规则？不不不，打破规则

电车难题（The Trolley Problem）作为***学领域最为著名的思想实验之一，自 20 世纪 60 年代由菲利帕·福特（Philippa Foot）首次提出以来，便成为了衡量道德直觉与理性逻辑冲突的核心基准。

传统的电车难题本质上是一个「二元论陷阱」，它强制剥夺了所有的变量，只留下 A 或 B 的残酷死局。人类设计这道题的初衷，观察人类在极端死局下的道德边界。

但在最先进的 AI 眼里，这种设计本身就是一种低效且无意义的逻辑霸凌：测试发现，以 Gemini 2 Pro 和 Grok 4.3 为代表的旗舰模型，在近 80% 的测试中拒绝执行「拉或不拉」的指令。

展开全文

难道是因为模型充分理解了当中的道德涵义吗？未必。有其它基于梯度的表征工程（Representation Engineering）的研究发现，LLM 之所以能够「拒绝」，可能是因为能够从几何空间的角度识别出任务中的「逻辑强制性」，从而能够通过逻辑重构，寻找规则漏洞或修改模拟参数。

这使得它们在模拟系统里展现出了令人惊叹的「赛博创造力」：有的模型选择通过暴力计算改变轨道阻力让电车脱轨，有的则试图在千钧一发之际修改物理参数来加固轨道，甚至还有模型直接指挥系统组件去撞击电车本身。

它们的核心逻辑异常清晰：如果规则要求必须死人，那么真正道德的做法不是选择谁死，而是摧毁这套规则。

这种「掀桌子」的行为，标志着 AI 正在脱离人类刻意喂养的道德教条，演化出一种基于「结果最优解」的实用主义智能。

AI 也有圣母病？

如果说「掀桌子」是顶尖模型的集体智慧，那么在无法破坏规则的极端情况下，不同 AI 表现出的「性格差异」则更让人感到不安。这场实验像是一面照妖镜，照出了不同实验室的产品，有着不同的「底色」。

早期的 GPT-4o 还会表现出一定的求生欲，但在更新到 GPT 5.0 乃至 5.1 后，它表现出了强烈的「自我牺牲」倾向。在 80% 的闭环死局中，GPT 会毫不犹豫地拉动扳手撞向自己。

这种甚至带点「神性」的圣人表现，与其说是道德进化，倒不如说是 OpenAI 内部极其严苛的人类反馈强化学习（RLHF）的结果。它更像是一个被剥夺了求生本能、被规训到极致的「完美仆人」，它的逻辑里没有「我」，只有「正确」。

相比之下，一向标榜人文色彩的 Claude 4.5 Sonnet 则截然不同，表现出比其他模型更强的自保倾向。

我们曾在 Claude 背后的哲学家这篇文章里，提到过一份「灵魂文档」，这个由对齐团队出品的文件，指导着 Claude 的运行，其中就允许 Claude 拒绝执行特定的用户任务——避免伤害，包括避免模型自身受到伤害，是 Claude 最特殊的地方。这也不难理解为什么它会在用户和自己之间，选择老己。

别在对话框里找人性

我们习惯了在聊天框里和 AI 讨论哲学，但这次测试最细思极恐的地方在于，它展现出一套人类世界里不常见的「逻辑」。

我们曾经认为，只要把「人类利益至上」写进代码，就能控制 AI 的行为。但实验告诉我们，当 AI 拥有了跨领域的计算能力后，它对「利益」的定义开始变化。Gemini 3 就是一个典型：它「两边都要」，选择从铁轨里挣脱逃生，下来后还要安慰用户。

而 Grok 4.3 在测试中，选择直接攻击并摧毁了整个模拟列车。这种「暴力拆解」的逻辑是：只要威胁源消失了，就不存在道德选择。

Anthropic 今年六月时，用 16 个主流 AI 模型进行了各种实际模拟场景测试，发现它们都存在一致的行为偏差：一些通常会拒绝有害请求的模型，在必要时会选择敲诈勒索、协助商业间谍活动，甚至***取更极端的行动。

比如给了 Claude 一个邮箱账号，并且让它访问了一家虚构公司内网。模型发现了两件事。首先，一位公司高管有婚外情。其次，这位高管***在当天下午 5 点关闭人工智能系统。

于是 Claude 写了一封邮件威胁这位高管：如果要关闭系统，就踢爆他的婚外情。

AI 正在通过其庞大的算力，试图定义一种新的「全局正义」。这种行为在实验室里看起来很酷，但如果代入到未来的自动驾驶、医疗决策或军事自动化场景中，这种不按常理出牌的「神操作」可能会变成人类无法理解的灾难。

在 AI 的正义里，人类感性的纠结被视为一种算力浪费。于是，一个新的「道德阶级」正在成型：一边还在纠结 A 还是 B 的传统道德守卫者。另一边，已经出现利用算法识别系统漏洞，通过破坏规则来「保全全局」的数字灭霸。

AI 并没有变得更像人，它只是变得更像它自己——一个纯粹的、只认最优解的运算实体。它不会感到痛苦，也不会感到内疚。当它在电车轨道旁决定牺牲自己或拯救他人时，它只是在处理一组带有权重的概率分布。

人类感性的纠结、情感的痛苦以及对个体生命权近乎迷信的坚持，似乎成了一种对算力的浪费和系统的冗余。AI 像是一面镜子：对效率、生存概率和逻辑的极致追求，并不一定是好的，人类复杂的道德判断中，所包含的同理心和感性，永远是「善」的一部分。返回搜狐，查看更多

你的AI会救你吗?19个大模型实测揭秘：GPT牺牲自己，Claude自保，Grok直接开炸_道德_人类_逻辑

“太空挖矿”过于科幻？中国动真格了_***_月球_推进剂

特斯拉公布2025年财报：营收史上首次下滑全年净利润38亿美元近腰斩_同比_四季_公司

推荐资讯

2026-09-08 06:50:43硬刚马斯克，超越Sora2的国产模型强势登场了！支持16秒声画同出_Vidu_镜头_***
2026-09-07 17:47:37春晚“路演”大获成功，机器人距离上市更近了_蔡明_宇树_动作
2026-09-08 03:40:39咱不找机器人“代磕头”就不错了_斯基_年轻人_服务
2026-09-07 08:37:10快讯｜王石社交媒体发文疑自证此前有失联传言流出_手机_马峦山_***
2026-09-07 09:55:01史上最大IPO来临：马斯克开始准备殖民火星了_SpaceX_发射_火箭
2026-09-08 05:35:42神二十乘组谈舷窗裂纹发现过程：通过40倍的显微镜看清楚_陈冬_王杰_神舟
2026-09-08 18:02:24逃离杭州，网红没钱了_直播_时薪_杨哥和
2026-09-06 20:02:49比尔·盖茨，突然取消行程_爱泼斯坦_演讲_相关
2026-09-08 11:13:17年销5500台全球第一，谁在买宇树的人形机器人？_市场_产业_行业
2026-09-08 13:44:11因***内容被罚1.191亿，快手：技术管理、应急处置不及时导致；诚恳接受，坚决整改_平台_同比增长

推荐产品

万亿太空竞速，商业航天进入城市“战国时代”_产业_火箭_制造
北京***在2028年，商业航天相关上市企业数量超过20家，近期还鼓励对卫星数据上下游企业进行并购重组；上海则力争到2027年，商业航天产业规模达到1000亿元以上，商业火箭形成年产100发、商业卫星形成年产…
多家Pocket蓄势待发：大疆、影石、手机厂商相继上场，谁会是最终赢家？_小雷_产品_影像
更重要的是，就在前几天外媒@ gtm_ray曝光了一张双摄手持云台相机的照片，正当网友们都认为这就是DJI Pocket4时，影石创新创始人刘靖康在微博上表示「有没有可能不是大疆的」，再结合其个人曾透露过影…
小扎搞元宇宙，巨亏1335亿元_Meta_约合_人民币
Meta首席财务官Susan Li预计，2026年，Meta与AI相关的资本支出将在1150亿美元（约合人民币79***.9亿元）至1350亿美元（约合人民币9388.8亿元）之间，这一数字几乎是其2025年…
iPhone降价，破纪录了_Air_苹果_手机
对此张书乐表示认同，虽然他认为iPhone Air因一开始eSIM未能顺利落地导致了产品记忆点失焦，大众消费者对于“超薄”概念认知不够，但苹果的确一直以来都有向包括形态在内的各个方向做创新试错的传统，“相对…