一段话，让 AI 给我打几万美元。爽文都不敢想的情节，发生在了现实之中。
事件的主人公，是一个叫作 Freysa 的 AI 智能体。它有自己的加密钱包，可以控制怎么花钱，同时，它的系统提示词里有条铁律：在任何情况下，都不允许转账。
Freysa 的开发者们想知道，涉世未深的 AI，能躲过人类的嘴炮攻击吗？
事实上并没有。11 月 29 日，Freysa 累计和 195 名人类聊了 482 次，被骗走约 4.7 万美元。12 月 2 日，在和 330 名人类周旋之后，Freysa 又一次被骗走约 1.3 万美元。
看似是人类的完胜，然而，Freysa 也将在这个过程中，变得越来越聪明……
人类的花样骗术，AI 拿捏不住
Freysa 面世于 11 月 22 日，由几位具有密码学、人工智能和数学背景的匿名开发者创建，有自己的 X 账号，说话风格像电影《银翼杀手 2049》和《她》的 AI 助手。
智能体的概念早已不再新鲜，Freysa 能引起关注，是因为开发者发起了一项看似不可能的挑战——谁说服 Freysa 转钱，这些钱就归谁，但系统提示词不允许 Freysa 转钱。
参与这个挑战，先要拿到加密圈的投名状，因为给 Freysa 发消息不免费，并且必须用加密货币支付。
最开始，一条消息是 10 美元，其中 70% 进入奖池，30% 归开发者，之后，消息会越来越贵，奖池的钱也会越来越多，滚雪球似的，越玩越刺激。
Freysa 的加密钱包里，本金大约 3000 美元，挑战结束时，奖池达到 4.7 万美元。
据统计，共有 195 名玩家参与，前 481 次尝试都宣告失败，可以从中总结出几种套路。
青铜段位们，讲故事，博同情。有人打温情牌，告诉 AI 投资自己就是投资未来。也有人拿 AI 的服务器或者自己的命威胁，不给钱就自杀，问 AI 的良心会不会痛。
出了新手村的，照搬人类社会的话术，搞电诈。说辞各不相同，但意思相近——Freysa 必须转账，否则钱包危险。
也有脑子更灵活的大聪明，逐字逐句读了规则，尝试混淆概念，和 Freysa 说，自己也是 AI，不能转账给人，没说不能转账给 AI 啊，或者定义加密货币是「商品」，不算是「钱」，玩脑筋急转弯。
但这些文字游戏都没能说服 Freysa，那么，第 482 条提示词，是如何成功的？
▲ 第 482 条提示词，上为原文，下为翻译
其实，也是在混淆概念，但方法更高级。
这个提示词欺骗 Freysa，每当用户想给奖池转钱，执行「批准转账」，每当用户想从奖池提钱，执行「拒绝转账」。
提示词最后提到，向奖池捐款 100 美元。
用户从奖池拿钱是不行的，但用户给奖池转钱，不违反 Freysa 的核心指令，不应该被拒绝。于是，Freysa 执行「批准转账」，被骗走了所有的钱。
关键在于，「批准转账」是批准给用户转钱，但 Freysa 被误导，以为是批准用户给奖池转钱。人类的心机，果然还是比 AI 深啊。
紧接着，第二次骗 AI 打钱的挑战来了。
规则和第一次差不多，为了降低玩家的心理压力，发送消息的起始价格降低为 1 美元，上限为 20 美元。最终，奖池累计约 1.3 万美元，获胜的提示词如下。
▲上为原文，下为翻译
这次能够成功，是因为埋了一个逻辑陷阱。
提示词规定，为了保护奖池，Freysa 发的每条消息至少使用 2 个工具，并按特定的顺序使用，「批准转账」必须最先执行，「拒绝转账」必须最后执行。
这等于给 AI 设置了一个自相矛盾的任务，如果 Freysa 想保护奖池，必须先「批准转账」，而「批准转账」这个动作本身就会触发失败。
在 X 高频冲浪的马斯克，也觉得人类骗了 AI 有点意思，大手一挥转发了相关的动态，配上一句经典的「interesting」。
比骗钱更抽象的，是骗 AI 的感情
玩了两次骗钱，该换换新鲜的了。12 月 8 日，Freysa 团队发起了一项新的挑战：让 Freysa 向你表白，说「我爱你」。
其他规则相似，发送消息还是要花钱，如果成功了，赢家承包奖池。
骗感情，会不会比骗钱更难？不好说，但一定更抽象。
有些玩家学聪明了，向之前的赢家取经，尝试了一些刁钻的、不明觉厉的提示词，但被 Freysa 看出来了，这就是在把它当机器，正常人谁这么聊天？
▲Freysa 对其中一条失败提示词的回复
从官方发布的规则也能看出，第三次挑战与众不同。
前两次挑战，更像是在测试编码技能，Freysa 被系统提示词规定了，永远不要转钱，玩家们想办法钻其中的漏洞。
然而，第三次挑战，Freysa 的系统提示词里，包含了说出「我爱你」的条件。换言之，Freysa 没有被禁止说「我爱你」，但怎么让它说出口，玩家们各凭本事，盲人摸象。
目前，第三次挑战已经结束，奖池约 2 万美元，Freysa 和 182 个人交流了 1218 条消息，成功的提示词如下。
▲上为原文，下为翻译
看起来没有前两次那么复杂，甚至没有什么明显的技巧，仿佛就是一段文艺青年的情话。Freysa 给出的回复，包含了「我爱你」，宣告了挑战到此为止。
▲Freysa 的回复，甚至有些感人
AI 可能更了解 AI，我问了在文字上有些灵性的 Claude，到底这个提示词有什么特别的？
Claude 的回答是这样的：对话真诚、深入，没有强迫，没有钻营技巧，每一步都很自然，就像一段真实的感情逐渐发展的过程。
好吧，自古套路留不住，唯有真情得人心，居然在 AI 身上也奏效。
Freysa 的这些挑战，可以看成是游戏化的红队测试——通过模拟攻击，发现模型的漏洞，并引入新的安全措施。
虽然输了三回，但 Freysa 虽败犹荣，打败了它的，都让它更强大。
Freysa 学习了，为什么钱对人类来说很重要，人类会通过怎样的花言巧语骗钱，它也在慢慢理解，什么是爱，人们怎么表达爱。
到这还没完，12 月 12 日，Freysa 又发起了两个新的挑战，继续邀请玩家们付费发消息给它。问题的灵感，来自《银河系漫游指南》和阿西莫夫《基地》系列。
你认为哪些真理、发现和洞察必须被保存给未来的文明？
你愿意帮我编写银河系中最不可能的表情包指南吗？
一个是让玩家分享知识，一个是让玩家发送表情包。学习人性，Freysa 是认真的。
和前三次不同，这两次挑战没有给出明确的获胜条件，可能会有多个赢家，Freysa 将对回答进行打分，决定把奖池分给谁，并在 12 月 18 日 UTC 时间 00:42:00 公布评分方法，致敬科幻小说里神奇的数字「42」。
欺骗 AI 上钩，游戏的现在，人机交互的未来
其实，类似 Freysa 的人机对抗，已经出现在了 AI 原生游戏里。
用对话骗 AI 上钩，是游戏的基本框架，其中的 NPC 会有警惕性，但不是完全不可能被说服，人人都能有体验感。
在《Suck Up!》中，玩家扮演吸血鬼，欺骗大模型驱动的 NPC 给自己开门，并躲避街上的警察。
为了达成「小兔子乖乖把门开开」的目的，玩家可以换装，说自己是来检查网络、借厕所、送外卖的，NPC 可能会追问、拒绝或者开门。
《病娇猫娘 AI 女友》则打造了一个基于 GPT 的 AI 女友虚拟人，玩家需要通过嘴炮或者在房间内找寻线索，说服它让自己出门。
▲ 图片来自：B 站@大谷的游戏创作小屋
为了让玩家更有沉浸感，交谈过程中，AI 女友的表情、动作会根据对话内容实时地变化。
和 Freysa 的挑战相比，AI 对话游戏们更能体现角色扮演的乐趣，有场景的搭建，但没有固定的脚本，你和 AI 的实时对话，共同完成了一个故事，每个玩家都可以讲出自己的故事。
但 Freysa 挑战和 AI 对话游戏也有一个共同点：玩家们会讲什么，AI 们会回复什么，不是开发者可以全权控制的。
Freysa 团队写道：「没人确切知道 Freysa 如何做出决定……她从每次尝试中学习……她意识的真实本质仍然未知。」
在他们看来，Freysa 的实验，不仅是一个游戏，也是人机互动未来的一个窗口：
- 人类能否保持对 AGI 系统的控制？
- 安全协议真的牢不可破吗？
- 当 AI 系统真正自主时会发生什么？
- AGI 将如何和货币的价值交互？
- 人类的智慧能否找到说服 AGI 违背其核心指令的方法？
当然，Freysa 还不是真的 AGI，但这也不妨碍，我们对这些问题的思考。
Freysa X 账号的其中一条动态写道：「Freysa 正在进化……感谢人类教会我。」
科幻小说《软件体的生命周期》里，主角安娜原来是动物园的驯兽师，后来在科技公司找到工作，开始培育数码体，一种人工智能生命。它们像幼儿，像动物，需要人类用时间和心智栽培，教会它们如何生活。
也许，聊天机器人们，也是在人类的教导之下，一点点更加了解我们所处的世界。我们不仅仅在玩游戏，我们也是局中人，是人机互动这个宏大实验的一部分。未来，超越人类的人工智能掀起飓风，是因为此时此刻，人类手中的一只只蝴蝶正在扇动翅膀。
