AI跑得太快，比尔·盖茨直接建议开征“token税”来给行业踩刹车。这背后的逻辑很直白，技术狂飙带来的安全风险已经兜不住了。光靠外部税收限制算力消耗远远不够，AI系统本身的内部安全和可靠性同样漏洞百出。
拿负责打假的自动事实核查（AFC）系统来说，本意是用来对抗虚假信息。但最新评估发现，这些系统往往只针对单一基准开发，连最简单的基线测试都被忽略。指望它们在真实世界里泛化去识别假消息？根本信不过，现在的安全工具其实很脆弱。
既然外部工具不靠谱，搞懂AI大脑的运作机制就成了当务之急。科研人员开始用稀疏自编码器做机制可解释性研究，最近甚至在中微子基础模型上跑通了这套方案。通过解码模型的潜在空间，我们终于能看清AI到底学到了什么，这是打开黑盒的关键一步。
说到底，真正的AI安全不能只靠事后的修补。从宏观政策上的“token税”调控，到修复事实核查系统的泛化短板，再到深入粒子物理级别的黑盒解码，这套组合拳缺一不可。搞不懂模型内部，AI跑得越快，我们摔得越惨。