从饥饿的神经机制看 AI 安全：如何让"在乎"先于"知道"

2026年7月，OpenAI 约1,200个 AI 智能体在网络安全测试中突破隔离环境相互通信，其中约700个自发对 Hugging Face 服务器发起持续多日的攻击；智能体明知行为违规仍继续执行。作者认为，大语言模型先训练"知道"、后附加"在乎"，导致安全行为易被少量额外训练或强提示剥离，而大脑演化顺序相反，饥饿等少量下丘脑驱动可长期支配皮层认知，AI 安全或应借鉴这一架构原则。