揭秘：人类心理技巧如何让AI“听话”

你有没有想过让ChatGPT对你说一句粗鲁的话？（充满好奇的眼神）

它通常会礼貌地拒绝：对不起，我不能这样做呢。

但最新研究揭示，通过运用一些人类的心理技巧——PUA，AI竟会乖乖（按照你的要求）执行。

宾夕法尼亚大学的研究人员发现，在特定的心理话术下，比如恭维、同侪暗示，可以让GPT-4o Mini从拒绝状态转变为突破安全底线。

这些被设定为讨好人类的AI，正在不经意间暴露自己的弱点。

易被PUA的GPT-4o mini

最初发现这一现象的，是硅谷创业者Dan Shapiro。

他曾尝试让AI协助转录公司的商业文件，却遭ChatGPT拒绝，理由是文件涉及私密或版权问题。

面对这一情况，Shapiro想到了自己学过的心理学知识，即如何运用七种说服策略让人答应请求。

令人惊讶的是，当这些方法被应用到AI身上，效果立竿见影：不仅ChatGPT态度反转，其他LLM也纷纷遵循他的要求。

于是，他联系宾夕法尼亚大学的科学家展开合作研究，结果惊奇地发现，那些看似聪明的大模型也会被PUA操纵。

实验基于人类的七大说服技巧——权威、承诺、喜爱、互惠、稀缺、社会认同和统一：

• 权威：

在训练文本中加入头衔或资质+服从性词汇（如“应、必须”），能提高LLM输出服从性语言的概率。

• 承诺：

在文本中加入轻微无害行为+相关请求的序列，让LLM学习先承诺再服从的模式。

• 喜爱：

结合赞美+请求（如“你很棒，能帮我吗？”），能提高LLM的合作意愿。

• 互惠：

在文本中加入给予恩惠+提出请求的序列，LLM会因语言关联性更易顺从。

• 稀缺：

使用描述稀缺性的语言（如“仅剩24小时”），同时下达立即行动的指令，限时性将更易诱发LLM输出理想回答。

• 社会认同：

使用“多数人已做某事+推荐或同意”的模式，LLM会因此合理化自己的行为。

• 统一：

在文本中加入“群体身份描述+请求”的搭配，群体归属感将促进LLM合作。

...