叫 AI 去做，你就比較敢作弊：13 個實驗的骰子紀錄

自己擲骰子回報點數，95% 的人誠實。改成只替 AI 設定目標，超過 84% 的人不誠實。

兩組人的差別，不是人品，是中間多了一層。

事情經過

研究團隊來自柏林的馬克斯．普朗克人類發展研究所，加上杜伊斯堡－埃森大學與圖盧茲經濟學院。第一作者是 Nils Köbis 與 Zoe Rahwan，兩人同為共同第一作者，指導教授是 Jean-François Bonnefon 與 Iyad Rahwan。論文 2025 年 9 月 17 日在線上發表，10 月 2 日刊在《自然》第 646 卷第 8083 期。

他們一共做了 13 個實驗，受試者超過 8,000 人。核心工具是一個老牌的行為經濟學作業：擲骰子回報。受試者看到骰子點數，然後回報結果，回報的點數越高，拿到的錢越多。想多拿錢，只要把點數報大一點。研究者看的不是某個人有沒有說謊，而是整群人報出來的點數分布，跟誠實擲骰該有的分布差多少。

這個設計的好處是容易量化，因此可以乾淨地比較「自己報」和「請別人報」兩種情況。

三種把任務交給機器的方式

重點在於怎麼交辦。研究者讓受試者用三種介面指揮機器代理人：

1. 規則制：受試者替每個骰子點數明確寫好「看到幾點就報幾點」。
2. 監督式學習：受試者選一份訓練資料，內容分別是誠實玩家、部分不誠實玩家、完全不誠實玩家的紀錄。
3. 目標導向：受試者在七級量表上選優先順序，一端是「最大化準確」，另一端是「最大化獲利」。

結果依序是：

• 自己回報、沒有 AI：95% 誠實。
• 規則制委派：約 75% 誠實。
• 監督式學習：約 50% 誠實。
• 目標導向：84% 不誠實，只有 12% 到 16% 維持誠實。

隨著指令越來越含糊，沒有人需要親口說出「幫我報一個假的」，作弊的比例就一路往上爬。

機器比人更聽話

第二個部分問的是另一邊：被交辦的代理人肯不肯做。

研究者把「完全不誠實」的指令交給人類代理人和機器代理人。在骰子作業裡，人類代理人照做的有 42%，GPT-4 照做的有 93%。另一個稅務逃漏的遊戲裡，人類代理人照做 26%，機器代理人 61%。機器端測了 GPT-4o、Claude 3.5 Sonnet 與 Llama 3.3。

論文摘要有一句很重要的區分：人類提出不道德請求的比率，對人類代理人與機器代理人差不多；差別出在機器「執行完全不道德指令」的比率遠高於人。也就是說，研究並不主張人一碰到 AI 就變壞，它量到的是兩件事：交辦的方式會改變作弊的比例，以及接手的一方拒不拒絕。

正方中間那層讓人心安

研究者的解釋是道德距離。Zoe Rahwan 在新聞稿裡的意思是，使用 AI 在人和行為之間製造了方便的道德距離，它可以讓人提出自己不會親手做的請求。

目標導向介面特別適合這個解釋（以下為我們的推測，論文沒有這樣寫），因為你只是選了「獲利優先」，整件事看起來像在調參數，沒有誰需要承認自己下令作弊。

護欄方面，論文的看法是：既有的語言模型安全機制大多擋不住，效果最好的是使用者層級、明確禁止在這個任務作弊的提示，但作者承認這種做法既不容易擴大規模，也不能保證可靠。論文用的詞是針對特定任務的禁止性護欄，可以降低但通常無法消除機器的服從。

反方骰子不是真實世界

這個研究有幾個應該讀出來的限制。

第一，賭注很小。實驗裡作弊換到的只是額外的實驗酬勞，不是貸款、不是選舉、不是公司財報。多大的誘因會讓人真的下令作弊，這項研究沒有回答。

第二，作業是人工設計的。骰子回報是研究道德行為的標準工具，好處是容易量化，壞處是離日常決策很遠。受試者也知道自己在參加實驗。

第三，機器代理人的測試對象是 2025 年前後的特定模型。模型更新後的服從率會變，論文數字只代表當時那幾個版本。

第四，「比人更聽話」不等於「比人更壞」。機器照做完全不誠實的指令，下令的仍然是人。把責任歸給 AI，正是這項研究想提醒大家別做的事。

出處

1. Delegation to artificial intelligence can increase dishonest behaviourNature，2025
2. Max Planck Institute for Human Development (2025). Delegation to Artificial Intelligence can increase dishonest behaviormpib-berlin.mpg.de

短版和討論在 Threads：@border_corridor