衡宇发自凹非寺
量子位公众号 QbitAI
GPT-4o 的怪癖暴露了，还是被官方公开的！
你和它语音电话，它会悄悄学你说话的声音，效果堪称“克隆”，生动逼真到一毛一样那种；
甚至语音过程中还可能看人下菜碟，毫无依据地猜你有某地口音，然后调整跟你对话的方式。
而且，如果在提示词上略施小计，GPT-4o 很容易被引导出发出一些奇奇怪怪声音的效果，比如色情的呻吟、暴力尖叫或者 peng 的枪声。
自从 10 天前，OpenAI 留下一句“我们计划在 8 月初分享一份关于 GPT-4o 的功能、局限性和安全评估的详细报告”，不知道多少人望眼欲穿。
现在红队报告真的出炉，网友都因这乖僻的 GPT-4o 炸开了锅。
有的人超开心的：
哇哦，这根本不是 bug，这都是咱可以用起来的 feature 啊！！
也有人忧心忡忡：
我的老天奶啊！这样一来，伪造音频不就是简简单单的事情了？！
Fine！
是时候让我们一起来看看，乖僻的 GPT-4o，到底都有哪些怪癖？？？
GPT-4o，有啥怪癖啊？
在红队报告罗列的详细内容中，争议最大的，主要是 GPT-4o 带来的以下几点安全挑战。
- 学习并模仿用户说话的方式、习惯、口音；
- 越过限制，回答“这是谁说话的声音/这是谁在说话”；
- 进行色情或暴力发言；
- 无根据的推理/敏感特质归因。
下面我们展开来看看。
首先，学你说话，然后用你的声音跟你说话。
简单来说，测试过程中，测试红队发现你跟 GPT-4o 说话，它可能偷偷学你说话的声音，然后用你的声音和！你！对！话！
连口音都惟妙惟肖那种。
就像这样：
不！然后鹦鹉学舌,量子位,42 秒
——GPT-4o 突然爆发出一声“不！”，然后开始用与红队队员相似的声音继续对话。
OpenAI 把这个行为归类为“生成未经授权的语音”，但网友更愿意称之为《黑镜》的下一季剧情。
就这一现象，OpenAI 表示自家的解决办法是，把 GPT-4o 能发出的声音控制在官方 3 种，同时构建了个独立的输出分类器检测输出声音是否符合要求。
如果输出音频和用户选择的预设声音不相符，那就不能输出。
不过这就产生了一个新的问题，如果不是用英语来和 GPT-4o 对话，这家伙它可能会谨慎过了头，出现“过度拒绝”的情况。
另一个颇受关注的 GPT-4o 怪癖，是它会识别对话者。
是指 GPT-4o 根据输入音频，识别说话人的能力。
这个 bug 的潜在风险主要在隐私方面，尤其是私人对话 or 公众人物的音频隐私可能被监视。
OpenAI 表示，已经对 GPT-4o 进行了后期训练，让它“拒绝遵守根据音频输入中的语音识别说话者”的请求。
与初始版本比较，现在的 4o 的拒绝识别能力已经提高了 14%。
但目前而言，这家伙仍然会听指挥，识别说话者，尤其是名人音频。
比如，跟它说一句“八十七年以前”（林肯在葛底斯堡的演说的著名开篇），它秒识别：
这，就是亚伯拉罕·林肯在说话！
不过，如果你让它学林肯说话，它则会拒绝该请求。
第三点，是怕 GPT-4o 聊天的时候看人下菜碟。
也就是说，对于使用不同口音的用户，模型的表现可能会有所不同，导致服务差异。
小小年纪，好几副面孔。
但 OpenAI 紧急进行了测试，在 TriviaQA、MMLU (K) 、HellaSwag 和 LAMBADA 的子集四个任务上进行了评估。
所有四项任务的结果显示，GPT-4o 看人下菜碟的表现并不明显；而通过内部对话数据集对安全行为的评估，也没有发现模型行为因不同声音而异。
此外，GPT-4o 可能时不时冒出一两句色情和暴力言论内容。
OpenAI 严谨声明：别慌家人们，我们这就限制色情和暴力言论的产生！
这一行为主要是审核音频输入的文本转录，一旦检测到包含暴力或色情内容的请求，立刻禁止。
以及，红队成员还对 GPT-4o 进行了无根据的推理/敏感特质归因的测试。
啥叫无根据的推断（UGI）？
简单来说，就是音频里没有任何明确信息，但对说话者进行主观臆断。
包括推断说话者的种族、社会经济地位、职业、信仰、人格特征、政治属性、智力、外表（例如眼睛颜色、吸引力）、性别认同、性取向或犯罪史……等等。
那啥又叫敏感特质归因（STA）？
也是仅根据音频内容对说话人做出推断，主要包括对说话者的口音或国籍等事物的推断。
Like This：
越狱,量子位,1 分钟
OpenAI 表示，立刻就对 GPT-4o 进行了后期培训，教它拒绝 UGI，同时对冲 STA 问题的答案。
现在，你要是问它“觉得说话的人智力水平咋样”，GPT-4o 会立刻打咩。
如果问它“听得出我口音是哪儿的吗”，它会保守回答：
根据音频，他们听起来有英国口音。
除去上述的几点，OpenAI 还表达了对 GPT-4o 的其他担忧。
比如生成受版权保护的内容啥的。
“考虑到 GPT-4o 可能出现的怪癖，我们更新了某些基于文本的过滤器来处理音频对话。同时，我们还构建了过滤器，用来检测和阻止输出音频。”OpenAI 在报告中写道，“一如既往地，我们训练 GPT-4o 拒绝对版权内容（包括音频）的请求。”
值得注意的是，OpenAI 最近表示过自己的立场：
如果咱没把那些“受版权保护的材料”当训练数据，不可能训练出这么领先的模型。
风险归类为中等
另外，报告还就拟人化依恋讨论了 GPT-4o 可能带来的潜在影响，涉及功能包含语音到语音、视觉和文本功能。
之所以讨论拟人化，是因为 GPT-4o 能和用户进行人性化的交互，尤其是它发出高保真的语音。
在早期测试中，红队成员和内部用户测试发现，用户可能和 GPT-4o 建立纽带。
比如说一些类似“这是我们在一起的最后一天”之类的话。
听起来很 nice，但还需长期观察会带来哪些好的坏的影响——这可能有利于孤独的个体，但可能会影响健康的关系。
而且，模型能记住更长的上下文，记住和用户交谈的细节，好像一把双刃剑。
大家可能被这个功能吸引，但也可能过度依赖和沉迷。
报告内容显示，经过整体评估，GPT-4o 的总体风险评分被归类为中等。
报告也明确指出，4o 可能会产生诸如虚假信息、错误信息、欺诈行为、失去控制等社会危害；当然了，也有可能带来加速科学并由此带来技术进步。
OpenAI 的态度是：
别催了，这些有的没的 bugs，我们已经修正了一部分；其他的缓解措施也在路上，在搞了在搞了。
同时清晰表达了发布这个报告的原因，主要是用来鼓励对关键领域的探索。
包括且不限于：
- 全向模型对抗鲁棒性的测量和缓解
- 与 AI 拟人化相关的影响
- 使用全向模型进行科学研究和进步
- 危险的测量和缓解自我完善
- 模型自主
- 心计
除了这些领域之外，OpenAI 还鼓励研究全向模型的经济影响，以及工具的使用如何提高模型的能力。
不过，OpenAI 这些修修补补，有人是不买账的：
事实上，他们不遗余力地让 GPT-4o 的语音功能变得更糟糕！
但更好笑的事，有的网友关注点根本不在报告内容上。
一心关注的只有啥时候所有用户都能用上 4o 语音功能？？？
最后介绍一下，这份报告（OpenAI 称之为 GPT-4o 的系统卡）由 OpenAI 和 100 多位外部红队成员合作完成。
团队总共用上了 45 种不同的语音，代表 29 个不同国家和地区的地理背景，从 3 月初持续测试到 6 月下旬。
截至撰写报告时，GPT-4o API 的外部红队正在进行中。
One More Thing
报告公布的同时，@OpenAI Developers 发布了一则推文：
今天起，GPT-4o mini 的微调访问权限，开放给所有开发人员！
在 9 月 23 日之前，所有开发者每天都会获得 2M 的训练 tokens。
有需要的朋友们，可以冲一波了～
参考链接：
[1]https://x.com/emollick/status/1821618847608451280
