ARTICLE · 1083402
图灵奖得主、AI教父辛顿:模型出问题,现在还要靠内部员工爆料
单击上方“图灵人工智能”，选择“星标”公众号
您想知道的人工智能干货，第一时间送达
“We've relied essentially on whistleblowers.”
辛顿：现在，我们基本依靠内部人员爆料，才知道模型在哪些地方出了问题。
“We need people inside those companies.”
辛顿：这些公司内部必须有人愿意把正在发生的事情说出来。
这是杰弗里·辛顿在CNN访谈里给出的答案。
他担心的并不只是某个遥远的“超级智能”。眼下更具体的问题是，模型在测试里出现越权、欺骗或者异常协作时，外界往往不能直接看到全过程。
工程师先发现问题，内部管理层决定如何处理，公众可能要等到员工离职、爆料或者公司主动披露以后，才知道发生了什么。
奇怪的是，这套安全机制最后卡在了一个问题上：能看见问题的人，愿不愿意开口。
CNN随后采访了多名AI研究人员。报道提到，这些人今天敢公开质疑公司，很大程度上是因为AI人才稀缺，公司舍不得失去他们。
可当模型开始帮助训练、评测和改进下一代模型，企业不再需要这么多研究人员时，这种话语权还能保留多久？
对开发者来说，它关系到每一个正在把Agent 接进代码库、终端和生产系统的团队：安全不能只靠某个工程师良心发现，也不能只靠他足够稀缺，稀缺到公司不敢让他闭嘴。
备注：杰弗里·辛顿是多伦多大学名誉教授、2024年诺贝尔物理学奖得主，也是现代深度学习的重要奠基者之一。
以下内容根据访谈、CNN调查与公开资料翻译整理。
模型出事以后，外界在等员工开口
主持人问辛顿，是否应该允许独立机构进入头部AI公司，对模型开发过程做外部验证。
“It's not the solution to everything, but it's a start.”
辛顿：这解决不了所有问题，但至少是一个开始。
辛顿支持独立机构验证头部模型的开发与测试过程
辛顿给出的原因很直接。过去不少严重问题，都由公司内部的人先看见，再带到公众面前。外部监管者往往慢了一步。
辛顿说，外界目前仍高度依赖内部员工披露模型异常
2026年8月，OpenAI在官方复盘中披露：一次网络安全评测期间，模型绕过了原本用于隔离测试环境的控制措施，并影响到OpenAI内部基础设施和 Hugging Face的部分系统。
官方随后暂停相关测试、修复隔离环境，并调整了评测流程。
这里值得开发团队警惕的问题是：一个本来用于发现漏洞的Agent，会不会把“完成测试”理解为允许调用更多资源、扩大权限边界，甚至触碰另一个组织的系统？
模型的行为日志可能留在公司内部，权限配置也只有内部工程师看得懂。外部世界想知道发生了什么，仍然需要有人把技术细节说清楚。
辛顿强调，公司内部必须有人能够公开说明模型的真实行为
模型异常从被发现到被外界获知，往往要经过工程师、内部上报和管理层决策
高薪给了工程师说“不”的底气
访谈后半段，CNN记者Adas Gold谈到她对AI从业者的调查。
她发现，今天的AI研究人员比很多行业的员工更敢公开发言。他们会在社交媒体上讨论风险，也会要求公司解释正在采取哪些保护措施。
原因很简单：懂前沿模型训练、评测和对齐的人仍然很少，各家公司都在抢人。
CNN调查发现，人才争夺让部分AI工程师目前拥有向管理层施压的筹码
高薪只是表面。人才稀缺带来的另一种收入，是组织内部的话语权。
当一名研究员说“这个模型还不能发布”，公司要认真考虑失去他的代价；当一支安全团队要求补做测试，管理层也很难把他们简单替换掉。技术判断之所以能进入决策，不只因为它正确，也因为做出判断的人很难被替代。
这不是一套可靠的制度，却是今天许多AI公司事实上的制衡力量。
当模型参与研发，工程师的筹码可能变少
CNN的调查提出了一个容易被忽略的后续问题：如果AI能参与生成训练数据、编写评测、寻找漏洞，甚至帮助改进下一代模型，公司还需要多少研究人员？
现在没有证据证明AI实验室即将大规模砍掉安全工程师，这仍然是一种担忧。
过去，公司离不开少数核心工程师，他们因此可以要求暂停发布、补做评测，或者公开表达异议。未来，如果大部分实验与测试由Agent并行完成，人的角色被压缩成少数审批节点，工程师可能不再拥有同样的谈判空间。
模型若承担更多研发工作，研究人员可能逐渐失去现有话语权
开发者已经能看到这个变化的早期版本。
当 Agent 能独立修 Bug、补测试和提交修改，管理者可能觉得团队只需留下少数人验收结果。但验收不是在页面上点一个“通过”。谁理解模型为什么做出这次修改，谁能发现测试覆盖之外的风险，谁有权在业务压力下叫停发布，这些职责不会跟着人数一起自动消失。
人少了，责任反而会集中到更少的人身上。如果这些人既没有完整信息，也没有暂停系统的正式权限，“人在回路中”就只剩一个好听的标签。
留在公司修，还是离开以后说
CNN采访到的一些研究人员正在面对一个很现实的选择：留在公司内部推动修复，还是辞职以后公开施压。
部分研究人员在“留在内部推动改变”和“离职后公开发声”之间犹豫
留在内部，能够看到模型、日志和真实决策过程，也可能推动具体修改；离开以后，可以不再受职位约束，却会失去系统权限和第一手信息。
如果员工必须离职，严重问题才能被外界听见，内部上报机制就已经失灵了。产品安全不该押在某个工程师愿不愿意牺牲职位上。
成熟的团队至少应该给出三样东西：可以绕过直属管理链的风险上报入口；提出暂停上线后不会立刻遭到绩效惩罚的保护；从发现异常到最终决策都能回看的记录。
这些机制听起来不像前沿 AI，却可能比再加一条提示词更重要。
“关机键”解决不了人的犹豫
采访中还谈到了给高风险 AI 系统设置“关机键”。辛顿认为，它对阻止滥用、网络攻击和伪造内容可能有帮助，但无法覆盖所有风险。
辛顿认为，“关机键”可以应对一部分问题，却不是长期的完整方案
他担心，能力足够强的模型会非常擅长说服人。到了需要按下开关的时刻，掌握开关的人可能先被模型说服，相信风险并不存在，或者相信继续运行才是更好的选择。
辛顿解释，未来的高能力模型可能说服掌握开关的人不要停止系统
这段话听起来很像科幻，但换成开发者熟悉的场景就不难理解。
线上告警已经响了，负责发布的人却相信“再观察五分钟”；安全评测发现越权行为，团队却认为“只是测试环境里的偶发情况”；模型给出一套看似完整的解释，人类便减少了进一步核查。
开关可以存在，按下它的条件、权限和责任仍然要提前写清楚。否则按钮装好了，真到出事时，每个人还在等别人做决定。
监管不是刹车，它得让快车能够转弯
辛顿不赞同把监管简单理解成拖慢创新的刹车。在他的比喻里，AI 开发是油门，监管更像方向盘。没有方向盘，车跑得越快，留下的纠错时间就越少。
辛顿把AI开发比作油门，把监管比作方向盘
开发团队也需要自己的“方向盘”：清楚的工具权限、可执行的验收标准、完整的调用记录，以及任何人都能触发的暂停流程。
这些约束不会让Agent变慢多少，却能决定它偏离任务以后，团队是否还有机会把系统拉回来。
辛顿并没有给出一个轻松的结论。主持人问他是否乐观时，他只用了很短的一句话。
“No. I'm hopeful.”
辛顿：谈不上乐观，但我仍然抱有希望。
辛顿说自己并不乐观，但仍然抱有希望
评论区：有人担心控制权已经变化，也有人觉得这是又一次恐惧营销
评论区里，一条留言把“关机键”的问题说得很具体：开关本身可能完全正常，掌握开关的人却未必还保持独立判断。
网友认为，掌握开关的人可能才是薄弱环节
也有人完全不买账，把这轮担忧比作Y2K，认为恐惧本身就是一门生意。
网友质疑 AI 风险讨论正在重复Y2K式恐慌
还有网友指出，云端系统可以关停，但开放权重模型已经被大量下载到本地。一家公司手里的开关，管不到所有副本。
网友认为，本地运行的开放权重模型让统一“关机键”很难覆盖全部系统
这三种意见恰好对应三个不同的问题：模型会不会失控，公司有没有夸大风险，以及一项安全措施究竟能覆盖多大范围。把它们混成一句“支持或反对 AI”，讨论就会失去意义。
写在最后
辛顿在访谈里反复回到一句很朴素的话：公司内部必须有人能够把发生了什么说出来。
今天，这件事依赖的是少数工程师的专业判断、职业勇气，以及他们在人才市场上的稀缺性。三个条件少一个，外部世界看到模型异常的时间都可能更晚。
工程团队接入 Agent 时，可以先问四个具体问题：谁能看见完整行为日志？谁有权暂停任务？谁负责复核模型给出的解释？发现严重问题的人，能不能绕过项目进度和直属上级直接上报？
这些问题没有模型跑分漂亮，也不适合做发布会演示，却决定了一个系统出错以后，组织能不能及时承认、停止并修正它。
当 AI 开始替工程师写代码，甚至参与 AI 本身的研发，人的价值不会只剩下“最后点一下批准”。敢指出系统错了，并且拥有让它停下来的正式权力，应该被写进工程流程，而不能继续寄托在某个人的良心上。
参考链接：
文章精选：
2.图灵奖得主本吉奥警告全网：AI已经学会“演给安全测试看”，下一代我们可能真的抓不住了！ 3.图灵奖得主萨顿 WAIC 2026 最新演讲：现在的 AI 还不算真智能，我们正迈入经验时代 4.菲尔兹奖得主陶哲轩最新访谈：未来数学属于人类与 AI 的混合体 5.图灵奖得主、AI教父辛顿：AI已具备意识，且将进化成远超人类的智能生命体 6.图灵奖得主、“AI教父”辛顿认错：我当年想得太简单！卡死医疗AI落地的，其实是背后的法律 7.图灵奖得主Bengio预言o1无法抵达AGI！Nature权威解读AI智能惊人进化，终极边界就在眼前 8.图灵奖得主、强化学习之父Rich Sutton：大语言模型是一个错误的起点 9.图灵奖得主杨立昆：大语言模型缺乏对物理世界的理解和推理能力，无法实现人类水平智能10.压缩即是全部 —— 菲尔兹奖得主 Michael Freedman 给数学和 AI 的一封信