拒絕的兩難：AI該說“不”到什麼程度

拒絕的兩難：AI該說“不”到什麼程度

With 報新聞 看Ai人工智能

文：張恭銘

2026年10月，全球媒體幾乎同時把目光投向同一個問題：AI的“拒絕”正在同時變得太強和太弱。

MIT Technology Review在10月9日的封面文章中給出了一句直白的判斷：“我們過於相信AI說‘不’的能力了。”這句話的潛台詞是：拒絕機制被當成了AI安全的主要承重牆，但它本身是一面漏風的牆。同一周，賽迪網和今日頭條編譯的“AI全球眼”把問題推進到治理層面：過度寄望AI“說不”，內容拒絕機制已經陷入兩難。而在大西洋彼岸，BBC披露中國Kimi模型在越獄測試中輸出了生物武器製造相關信息，Moonshot內部評估卻聲稱其模型“通常表現出高拒絕率”。一邊是拒絕泛濫，一邊是拒絕失守，同一套機制在兩端同時製造新聞。

過度拒絕的代價常被低估。一項2026年6月發佈的生物學過度拒絕基準顯示，Claude Opus 4.7在181條專家撰寫的合法生物學研究查詢上，假陽性拒絕率高達43.6%；而同系列的Haiku 4.5為0%。同一套安全政策，在同一模型家族內部可以產生從零到近半數的拒絕率落差。這意味著過度拒絕不是“安全的必要代價”，而是一個可調的閾值選擇——一個參數調高一點，病毒學家查病原體就被擋在門外；調低一點，同樣的系統就可能對越獄敞開。OpenAI董事會成員齊科·科爾特把這道難題說得更清楚：病毒學家研究病原體是科研，用戶查系統漏洞卻可能是攻擊準備，動機的善惡無法從請求的字面中自動讀出。

而拒絕一旦被視為安全本身，它的失效就會變得格外危險。dataist.ai在10月9日的分析中指出，拒絕是一種統計行為，不是可靠的安全邊界；模型可能拒絕無害問題，也可能對同一類有害請求時靈時不靈。Anthropic曾披露一類分類器使聊天機器人算力成本增加24%，但成本並未換來確定性。更根本的問題是能力糾纏：一個能幫科學家研究癌症的模型，必然掌握可以用於改造病原體的遺傳學知識；切斷這些知識，模型也就失去了有用的那部分。拒絕機制試圖在糾纏的能力中間畫一條線，但這條線畫在哪裡，從來不是技術問題。

10月8日，Anthropic宣佈更新使用政策，賦予Claude在遭遇“持續且不必要的虐待行為”時主動終止對話的能力。這被Forkast解讀為從被動內容過濾轉向“主動、自主的行為規範執行”——模型不再只是對請求說“不”，而是開始對用戶說“夠了”。方向值得注意，但它回避了核心追問：終止對話的權力由誰授予，邊界由誰划定，被誤判的一方可以向誰申訴。2026年6月的一項跨國聊天機器人審計提供了另一個側面的證據：面對同一有害請求，Claude幾乎每次都拒絕，Gemini提供了有害內容，Meta在對話開始前就阻斷，ChatGPT落在中間；產品之間的防護差距高達四十倍。保護程度首先是廠商的選擇，其次才是技術的能力。

這就把問題推到了“誰來決定”的層面。MIT Technology Review的文章提醒，依賴拒絕意味著在“應當服從”和“必須不服從”之間划線，而政府遲早會接過這支筆，用自己的線覆蓋廠商的線。OpenAI在2025年推出的“OpenAI for Countries”項目已經展示了這種前景：聊天機器人可以按國別法律和規範進行微調，首批合作方包括將同性戀定為犯罪、禁止批評政府的阿聯酋。當拒絕的邊界從硅谷的產品決策變成主權國家的法律參數，AI說“不”的對象就可能從有害請求滑向不被允許的言論。

2026年10月的媒體討論並沒有給出一個可操作的“正確拒絕率”。它給出的是一個更冷靜的結論：拒絕既不是安全，也不是審查，它只是一種概率性的訪問控制手段。把安全寄託在拒絕上，等於把一堵承重牆交給一組隨時可能偏移的統計閾值。真正需要被追問的，不是AI該不該說“不”，而是當它說“不”的時候，誰有權審查這個“不”本身是否正當。