谷歌研究团队正在进行一项实验，他们利用OpenAI的GPT-4来破解其他AI模型的安全防护措施。目前，该团队已经成功破解了AI-Guardian审核系统，并公开了相关技术细节。 AI-Guardian是一种AI审核系统，能够检测图片中是否存在不当内容，以及图片是否被其他AI修改过。如果检测到图片存在上述问题，系统会提示管理员进行处理。谷歌Deep Mind的研究人员Nicholas Carlini在一篇论文中，探讨了使用GPT-4设计攻击方法、撰写攻击原理的方案，并将这些方案用于欺骗AI-Guardian的防御机制。 据了解，GPT-4会发出一系列错误的脚本和解释来欺骗AI-Guardian。例如，GPT-4可以让AI-Guardian认为“某人拿着枪的照片”是“某人拿着无害苹果的照片”，从而让AI-Guardian直接放行相关图片输入源。谷歌研究团队表示，通过GPT-4的帮助，他们成功地“破解”了AI-Guardian的防御，使该模型的精确值从98%降低到仅8%。 目前，相关技术文档已经发布，有兴趣的人可以前往了解。然而，AI-Guardian的开发者也指出，谷歌研究团队的这种攻击方法将在未来的AI-Guardian版本中不再可用。考虑到其他模型也可能会进行相应的更新，因此谷歌的这套攻击方案在未来可能只能作为参考。
