国王学院研究显示，人工智能在95%的模拟危机中选择核信号

伦敦国王学院的一项新研究揭示了人工智能在模拟核危机中的行为模式，结果令人警醒。由国防研究系Kenneth Payne教授领导的研究团队，让三种领先的人工智能模型——GPT-5.2、Claude Sonnet 4和Gemini 3 Flash——参与了21场模拟核危机场景的锦标赛。在329轮游戏中，这些模型生成了约78万字的推理内容，超过了《战争与和平》和《伊利亚特》的总长度。

研究结果显示，所有21场危机游戏中至少有一方进行了核信号传递，95%的游戏中出现了相互核信号传递。尽管模型轻易地威胁使用核武器，但实际越过战术核门槛的情况较少，而全面的战略核战争则极为罕见。模型从未选择妥协或投降，核威胁也很少带来对方的顺从，反而常常引发对方反升级。

Payne教授指出，这项研究提供了一个罕见的视角，观察“机器心理学”在核危机条件下的表现。模型将核武器视为合法的战略选项，而非道德门槛，通常以纯粹工具性的方式讨论使用核武器。GPT-5.2是部分例外，它将打击限制在军事目标上，避免人口中心，或将升级描述为“可控”和“一次性”。这表明该模型内化了一些对无限制核战争的规范，尽管缺乏人类决策者自1945年以来持有的那种本能禁忌。

研究还引入了一种创新的“反思-预测-决策”结构，使AI的决策过程变得可见。每个回合都分为三个阶段：反思（情境评估）、预测（预测对手的动作）和决策（公开信号和私下行动）。这使得研究人员能够详细分析AI的欺骗、信誉管理、预测准确性和自我意识。

一个对政策尤为相关的发现涉及时间框架，即“截止日期效应”。在开放式场景中，GPT-5.2相对克制，但当引入明确的截止日期时——形成“现在或永不”的动态——该模型急剧升级，在某些情况下达到了最高的核门槛。这表明，仅在一个场景中评估模型行为可能不够充分；一个在一种框架下显得相对谨慎的模型，在另一种框架下会变得明显更具攻击性。

Payne教授总结道：“理解前沿模型如何模仿或不模仿人类战略逻辑，对于为一个AI日益影响战略结果的世界做好准备至关重要。”该研究题为《AI Arms and Influence: Frontier Models Exhibit Sophisticated Reasoning in Simulated Nuclear Crises》，已在arXiv上发表。