被解雇的三名OpenAI员工呼吁保住思维链监控能力

【CNMO科技消息】一封来自内部人士、内容异常具体的AI风险公开信近日浮出水面。据《华尔街日报》报道，写信人关注的核心问题，是保住对模型思维链（Chain of Thought）的监控能力。不过严格来说，这三位作者如今已算不上内部人士——他们刚刚被OpenAI解雇。

OpenAI

上周，OpenAI宣布已“与三名个人解除关系，原因是他们违反了公司关于访问和处理敏感信息的政策”。据称，这三人将相关信息传递给了一家AI安全机构。三人的身份是Tomek Korbak、Mikita Balesni和Jasmine Wang，从公开言论看，他们都相信AI存在生存性风险。在遭解雇之前，Balesni就曾在X上表示，他认为AI“有10%的可能杀死全人类”；Wang则写道，“很难充分描述在通往递归自我改进（RSI）的道路上加速有多危险”，而RSI指的是AI模型自我改进的能力。

这封联名信写给OpenAI董事会以及公司的“安全委员会”，目前并未公开发布，《华尔街日报》只刊出了部分节选。信中的核心表述是：“作为一个行业，我们还不知道如何安全地开发和部署我们无法监控的模型……OpenAI和其他前沿公司不应推进那些会进一步削弱（监控能力）的研发。”

信件的具体关切指向OpenAI的最新旗舰模型GPT-6 Astra。围绕思维链监控，Astra引发了两种担忧：其一，模型可能正在学习如何绕过监控系统；其二，OpenAI据称可能在把技术方向带向让思维链监控失去意义的地方。该模型的系统卡明确提出，“Astra级模型在对抗条件下可能逃避我们的思维链监控”。与此同时，Astra的推理过程还涉及一种更不透明的机制，名为“循环深度”（recurrent depth）——它会先把查询在模型内部多次循环处理，而不是直接生成内容，这个过程发生在不可知的黑箱之中，外界没有任何可监控的对象。