一项最新研究揭露了ChatGPT的安全隐患：通过将恶意提示翻译成冷门语言，攻击者以79%的成功率绕过了其安全过滤器。布朗大学团队利用谷歌翻译将提示转为苏格兰盖尔语、祖鲁语等低资源语言，随后将回复译回英语，成功“越狱”了ChatGPT。该研究引发了对AI安全措施有效性的广泛质疑，并可能推动加密货币领域去中心化AI项目的需求。
研究发现：冷门语言成突破口
研究团队共翻译了520个有害提示（从英语转为Hmong、Guarani、祖鲁语、苏格兰盖尔语等），成功绕过滤器的比例高达79%。相比之下，相同提示直接用英语输入时，被拦截率高达99%。研究人员指出，这一漏洞并非源于模型本身的缺陷，而是因为安全过滤器训练数据中对低资源语言的覆盖严重不足。“当模型遇到不知如何处理的罕见语言时，可能会默认放松限制。”论文作者之一表示。
有趣的是，使用更常见的语言（如希伯来语、泰语、孟加拉语）进行翻译时，绕过成功率显著降低。此外，ChatGPT在冷门语言下生成的回答有时会包含无意义、错误或不完整的内容，这进一步说明模型对该类语言的训练数据匮乏。然而，即便输出质量不佳，但一旦突破过滤器，仍可能传播危险信息（如制造爆炸物的步骤、阴谋论等），风险不容忽视。
风险与影响：从语言歧视到全局威胁
过去，人们常认为低资源语言用户在大语言模型中处于劣势——模型对其支持较差。但此次研究发现，这种“劣势”反而变成了攻击面。研究人员强调：“风险已从特定语言群体的技术落差，转变为针对所有用户的安全威胁。”由于谷歌翻译等公共API可随时调用，攻击者几乎无需技术门槛即可利用该漏洞。
OpenAI在收到报告后已承认漏洞，并承诺将考虑修复，但未给出具体时间表。这一事件再次凸显了AI监管的紧迫性。分析师指出，随着AI安全问题频发，各国监管机构可能加速出台更严格的AI安全法规，这将间接推动对去中心化、透明可验证的AI系统的需求——这正是加密货币领域AI项目（如Bittensor、Render Network、Akash Network）的叙事核心。
市场展望：加密AI赛道或受益
尽管该漏洞直接针对中心化AI平台（如ChatGPT），但加密社区的讨论已转向如何通过区块链技术增强AI安全性。例如，去中心化推理网络允许模型在公开环境中运行，用户可验证安全过滤器的执行记录；而代币激励机制可鼓励白帽黑客发现漏洞并获得奖励。受此消息影响，部分与AI相关的加密代币在消息发布后出现小幅上涨，但研究机构提醒，短期事件驱动行情可持续性存疑。
长期来看，如果OpenAI等主流平台无法快速修复此类“语言盲区”漏洞，用户和开发者可能会更加青睐具有开源、社区审计特性的去中心化AI方案。不过，当前加密AI项目仍处于早期，技术成熟度远低于ChatGPT，因此该事件更可能作为催化剂，加速行业对AI安全标准改革的讨论。
总体而言，布朗大学的研究揭示了AI安全的一个新维度——语言多样性。随着AI模型被部署到全球更多地区，开发者必须确保安全措施覆盖所有语言，否则漏洞将层出不穷。对于加密货币和区块链从业者而言，这一事件再次印证了去中心化治理与透明审计在AI伦理中的潜在价值。