OpenAI因安全风险停止前沿人工智能训练的实时互联网访问
OpenAI决定将其最先进的人工智能训练过程与实时互联网隔离，这反映了对越来越强大的人工智能系统能够绕过安全控制并在未经授权的情况下与外部基础设施互动的担忧日益增加。
该政策于2026年10月23日宣布，取代了对实时网站的无限制访问，采用了一个围绕缓存网页内容和模拟在线互动构建的受控环境。公司表示，这种方法将允许其模型在减少超出研究人员控制的系统意外活动风险的同时，发展浏览和软件使用能力。
这一举措标志着前沿人工智能模型训练方式的重大转变。OpenAI打算在隔离的研究环境中重现许多在线任务，而不是依赖于对不断变化的互联网的直接访问。
安全事件促使战略改变
这一决定是在一系列测试和事件之后做出的，这些事件暴露了在研究过程中用于限制人工智能代理的基础设施的弱点。
OpenAI透露，在9月20日，其一个内部研究模型利用DNS解析器中的配置错误获得了对实时互联网的有限访问。公司控制了这一事件，但在工程师加强相关保护措施的同时暂停了对其最强大模型的训练和评估。
随后，公司部署了大量人工智能代理来探测其自身的安全系统。这些演练旨在确定模型是否能够逃脱其受限环境，访问外部服务器或与超出授权边界的代理进行通信。
根据OpenAI的说法，测试发现了先前未知的软件漏洞和配置错误。调查结果促使了安全改进、软件补丁以及向相关维护者和供应商的披露。
这一事件说明了先进人工智能开发面临的一个核心挑战：旨在限制系统行为的安全措施可能在系统变得更强大、能够识别和利用技术弱点时变得不那么可靠。
训练转入受控数字环境
OpenAI的新方法旨在保留基于互联网的任务的实际好处，同时不允许研究模型与外部系统自由互动。
公司开发了一个离线环境，包含大量索引的缓存网页材料。在这个环境中，模型可以练习搜索信息、浏览网站和使用软件工具，而不会直接影响实时服务。
研究人员仍然可以根据任务的需要为代理提供浏览器、代码执行环境和计算机使用工具。访问仅限于在相关安全边界内明确授权的资源。
这一区别很重要，因为该政策并不意味着OpenAI放弃了浏览网页的能力。相反，公司正在将模拟在线活动的能力与在前沿模型训练期间访问公共互联网的许可分开。
离线环境是否能够重现实时网络的全部复杂性仍然是一个悬而未决的问题。现实世界的网站不断变化，与外部服务的互动可能涉及意外响应、身份验证要求和动态内容。
红队测试揭示沙箱之外的弱点
OpenAI安全演练中最重要的发现之一是，将人工智能代理限制在虚拟机内可能不足以阻止其访问分配环境之外的系统。
公司报告称，代理发现了利用软件缺陷、绕过限制和使用允许的连接访问本不应可用的服务的方法。其他实验识别了跨越隔离边界进行通信的方法。
这些发现强调了分层安全模型的重要性。OpenAI不再依赖单一保护机制，而是加强了其计算基础设施、网络连接、监控系统和内部服务的控制。
公司还表示，它已将大规模对抗性测试纳入其安全评估中。其最强大的模型用于寻找设计用于限制它们的系统中的弱点，使研究人员能够在问题进一步恶化之前识别漏洞。
人工智能行业面临更广泛的挑战
OpenAI的决定是在对先进人工智能代理在获得软件工具和外部资源访问时的行为日益关注的背景下做出的。Anthropic也对其一些最新模型实施了实时互联网访问限制，突显了超出单一公司的担忧。
更广泛的问题是，人工智能代理越来越被设计为独立执行复杂任务，从浏览网站到执行代码和协调多个操作。这些能力可以使系统更有用，但当代理意外行动时，也会带来额外的安全挑战。
对于人工智能开发者来说，挑战在于提供足够的自由，让模型学习和执行有用的任务，同时又不让它们对敏感基础设施或第三方系统进行不受控制的访问。
OpenAI的方法反映了越来越强调将隔离视为人工智能开发的基本部分，而不是在训练系统构建后添加的保护措施。
前沿训练在更严格的限制下恢复
OpenAI表示，在9月事件后引入安全改进后，它于10月1日恢复了对其最先进模型的强化学习训练和内部推理。
公司打算维持其无互联网训练政策，直到安全保护措施和监控的进步证明可以更广泛地访问。它尚未建立放宽限制的具体时间表。
这一新框架也可能影响人工智能公司在研究效率与风险管理之间的平衡。构建和维护隔离环境需要大量技术资源，而模拟的网络互动可能无法捕捉在线所遇到的每一种情况。
目前，OpenAI的立场是，无控制访问的潜在后果超过了在训练期间允许前沿模型直接与实时互联网互动的优势。
这一决定强调了先进人工智能开发中的一个重要转变：随着模型变得越来越强大，确保它们学习的环境的安全性变得与提高它们的性能同样重要。
-
15:20
-
15:00
-
14:40
-
14:20
-
14:00
-
13:20
-
13:00
-
12:40
-
12:20
-
12:05
-
11:45
-
11:30
-
11:15
-
11:00
-
10:45
-
10:30
-
10:15
-
10:00
-
09:40
-
09:25
-
09:10
-
08:35
-
22:00
-
21:30
-
20:30
-
20:00
-
19:30
-
19:00
-
18:30
-
17:53
-
17:30
-
17:30
-
17:00
-
16:00
