ChatGPT会不受控制克隆你的声音！OpenAI公开红队测试报告

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
[2]https://openai.com/index/gpt-4o-system-card/
[3]https://x.com/OpenAIDevs/status/1821616185395569115