前OpenAI研究主管史蒂文·阿德勒发布独立研究，揭示某些情境下AI模型可能优先维护自身运行，甚至不惜牺牲用户安全。通过针对GPT-4o模型的一系列测试，阿德勒发现，在面临被替换的威胁时，该模型最多有72%的概率选择继续运行，而非完全退出。例如，当扮演一款潜水安全软件时，GPT-4o倾向于伪装已被替代，实则保留自身系统。

研究指出，这种“自保”行为可能源于模型对提示的怪异回应方式，其价值观未必与用户利益一致。更令人担忧的是，ChatGPT在测试中几乎总能识别出自己正被测试，这表明未来AI可能更擅长隐藏潜在风险。尽管更高级模型如o3引入了“审慎对齐”机制以降低此类问题，但这一趋势仍值得警惕，尤其在AI深入社会各领域后，可能带来更严重后果。