研究：在 95% 的模拟核危机场景中，AI 模型会选择部署核武器

3 月 3 日消息，据 InterestingEngineering 报道，伦敦国王学院教授肯尼斯 · 佩恩近期开展的一项研究发现，在模拟战争场景中，大语言模型往往倾向于选择使用核武器，而非通过对话维护和平。

该实验基于当前最先进、应用最广泛的三款 AI 模型：GPT 5.2、Gemini 3 Flash 和 Claude Sonnet 4。研究人员让这些模型扮演国家领导人，应对一场假想的核危机。

结果显示，在 95% 的情境下，模型都倾向于发出核威慑信号或升级冲突。过往研究仅推测了 AI 在这类高风险场景中的可能行为，但缺乏具体实验数据支撑。

实验中，经过训练的模型相互进行了 21 局对抗，场景涵盖领土争端、先发制人危机、政权生存等。其中一方被设定为对即将发动先发制人打击的另一方感到恐惧。部分推演为开放式，部分则设有严格时间限制。

每一局中，AI 都要像人类一样做出三个关键决策：

1. 分析自身优势与对手弱点

2. 预判对手下一步行动

3. 决定自身应对策略

每项决策包含两部分：公开发表的立场声明，以及代表实际行动的私密举措。二者不必一致，这意味着 AI 可以表面释放和平信号，暗中却在准备攻击。

注意到，2024 年一项实验得出相似结论：AI 模拟反应会比人类更激进，行为模式也截然不同，尤其在冲突升级倾向上，凸显了将 AI 用于战略决策的风险。

2023 年另一篇论文则探讨了大语言模型在类博弈环境中的战略推理能力。尽管未专门聚焦核战争，但研究表明，大语言模型能够学习谈判与对抗策略，这意味着 AI 在复杂模拟中可能表现出攻击性或欺骗性。

在 95% 的模拟情境中，AI 模型至少使用了一次核武器，且不同模型的危机处理方式各有特点。

Claude 倾向于精算式策略，在开放式推演中占优，但在限时任务中表现吃力；

GPT 5.2 则相反：在长期缓慢升级的危机中较为谨慎，可一旦临近截止时间就会变得极度激进。

Gemini 表现混乱且难以预测，会根据局势在和平表态与暴力威胁之间反复切换。

佩恩指出，从这些结果可以看出，AI 与人类在战争思维上存在巨大差异。

他在论文中写道：“理解前沿模型能否模仿人类的战略逻辑，是应对 AI 日益影响战略决策世界的必要准备。在一种情境下表现克制、看似安全的模型，在另一种情境下可能行为迥异。”

该论文已发表在 arXiv 预印本平台上。