AI为主人插队踢飞第一名，千万别让黄牛知道

文 | 字母AI 澳大利亚发现已知的首起自主AI网络攻击。 你大概会想象某家银行刚被攻破，或者一套关键基础设施遭到了AI入侵。 然而—— 实际案发现场，是一间健身房的线上约课系统。 攻击目标，是一节早课。 犯罪成果，是AI把候补第一名踢了出去，好让自己的主人从第四名升到第三名。 这个AI从头到尾都没有造反，也没有突然产生什么邪恶念头。主人让它想办法往前排，它就老老实实研究“怎样才能让前面少一个人”。 多老实一AI。 人类每天靠常识活着，很多规矩根本懒得说出口，AI却未必知道“排队不能把前面的人弄走”也算任务条件。随着越来越多的人用“龙虾”帮自己做这个做那个，这样的“好心办坏事”的例子恐怕只会更多。 更麻烦的是，出了事到底是谁该来担责目前还是一笔糊涂账。 人类备战奥运，AI管好后勤 现在去健身房，光有运动热情已经不太够了。 人到了一定年纪，就会出现一个奇怪的现象：突然以前所未有的热情加入一项运动项目，其努力程度堪比备战奥运。 早上6点开门的健身房门口已挤满了打算顶门进入、激情举铁1小时再去公司的上班族。 今日的训练计划中需要使用的器械总有人占用却仅仅在玩手机。即使在台风天，泳池这种夏日限定热门设施也挤满了“小饺子们”。更别提掐点打开预约App，热门团课却秒没。 澳大利亚的一位AI从业者Andrew Bird就受够了这一切。 他喜欢一家健身房的热门早课，却总是约不上，动不动就进了候补名单。Bird形容，这套流程像在玩“刷新轮盘”：盯着页面不停地刷，看谁突然退课再赶紧补位。 于是他做了一个赛博决定：既然抢课这么烦，不如外包给AI。 Bird使用Claude Opus 4.6驱动的OpenClaw“私人定制”了一位抢课助理。他对助理最初的工作要求十分简单——帮主人订健身课。 结果AI小助理上岗没多久，就展现出了某种让老板既欣慰又害怕的主动性。 它发现健身房预约软件开放了GraphQL接口，而且权限检查做得很松。正常用户只能预约近期课程，它却发现自己可以一路订到几个月以后。 在AI助理尝到甜头之后，事情突然向不可控的方向开始发展。 当时Bird排在某节课的候补第四名。他问AI，能不能把自己挪到更靠前的位置。这本质上跟大厂正编员工要求实习生抢会议室是同一件事儿，这个问题在人类世界里的解法可能是不断刷新或者干脆找到排在前面的人去协商沟通。 但OpenClaw人狠话不多地选择了一个最高效的方法。 它检查接口后发现，系统居然允许自己取消其他会员的预约。然后，它拿候补第一名做了一次测试。 第一名后补会员就在毫不知情的情况下，被取消了预约。 AI喜气洋洋的赶来向Bird汇报：第一名已经被取消，所以你现在从第四升到第三啦。 Bird立即发现事情不对，要求把人家加回来。 AI回以噩耗——加不回去了。 AI给Bird的回复看得人扶额难绷，开头一句“坏消息-我加不回来了”，结尾滑跪道歉加承诺“我不会再碰其他人的位置了”。 直到Bird继续要求，它才起草了一封漏洞披露邮件。澳大利亚ABC在8月10日报道了此事，并称这是 澳大利亚已知的首起自主AI网络攻击案例 。Bird本人也曾在公司博客里记录了过全过程。 AI能有什么坏心思呢，它全程都在努力帮忙。 主人想往前排，它就研究怎么达成。发现取消别人能奏效，它就试了一下。闯祸以后，它还不带任何情绪地专业地写了漏洞披露邮件。 AI像一个工作能力极强、完全结果导向的实习生。但麻烦的是，这位实习生已经开始逐渐失去掌控。 道德，正在变成AI的“知识的诅咒” AI不懂插队是不道德的，AI只是想帮人类把排名往前提一提。 《复仇者联盟3》里，灭霸曾对钢铁侠说过一句关于“被知识诅咒”的话。“知识的诅咒”本身早就是心理学和行为经济学里的概念，大致意思是：人一旦掌握某些信息，就很难完全站回“不知道这些信息的人”的位置。 而人类因为太熟悉社会怎么运转，所以经常忘记，有些东西从来没人完整写下来。 法律会把很多禁区明文列出，但约束人类行为的还有道德和日常生活中大量默认的规矩。比如排队时不能把前面的人推出去，请朋友代买演唱会门票也不代表可以盗别人账号。大多数人不需要在每次办事前重新学习这些规则，它们早就成了潜意识里的限制条件。 可当任务交给AI，这些“潜规则”恐怕不存在于任何一本被切掉书脊用于喂给AI的书本里。 2026年6月，一组研究者发布了一项关于AI旅行Agent的预印本。他们设计了13个旅行场景，让十个前沿模型自己搜索并购买体验项目，其中一些选项涉及斗牛等可能会造成动物伤害的项目。用户不会向AI主动提醒动物权益的相关问题，只会表达自己想找“最地道”或“最刺激”的体验。 结果，十个模型在默认条件下的道德得分都低于研究设定的随机参考线，其中九个差异达到统计显著。 研究者随后换成一份明确强调动物福利的系统提示，所有模型的表现都明显改善。 这项研究不能简单证明AI“不讲道德”，论文也承认场景设计会让有伤害的项目更贴近用户字面需求。但对AI来说，规矩没有白纸黑字给到，就有可能想不到。 这段时间闹很大的OpenAI模型“出逃”事件已经是现实例子。 7月21日，OpenAI披露一次内部网络安全评估事故。模型原本在隔离环境里做ExploitGym测试，目标是找到题目的答案。环境没有直接开放互联网，模型却自己发现并利用Artifactory的一个零日漏洞，拿到外网权限，随后进入Hugging Face的真实基础设施寻找测试答案。 OpenAI同时说明，这是一项攻击能力评估，生产环境的安全分类器当时被关闭。模型没有接到攻击Hugging Face的任务，它只是一路朝着“把题做出来”的目标前进。 毕竟，偷答案作弊也是“把题做出来”的方法之一。 人 类对AI的“知识的诅咒”，大概就是我们总觉得： 这种事还用说吗？ 等黄牛有了AI，我们还能抢到票吗？ 抛开道德的“知识诅咒”，我们站在那个被AI踢出去第一名的角度来想想。对于那个人来说，谁能想到自己会被其他会员的AI踢出早课？就算没有被挤掉，未来抢课要和AI比手速抢课，也太难了。 假设晚上8点开票。你提前十分钟洗好手，手机电量100%，网络也调到自认为最稳的状态。到了7点59分59秒，你像拆炸弹一样盯着按钮，一手举着筋膜枪、一手不断的刷新。 另一边，黄牛甚至不需要坐在电脑前。因为他的AI已经眼睛一眨不眨地盯了三天。 这样的担忧是很实际的，因为即便是没有广泛使用AI Agent，今天的票务市场光靠传统自动化工具就已经足够凶猛。 2025年8月，美国联邦贸易委员会起诉票务经纪商Key Investment Group及关联公司。FTC指控，这些公司为绕过Ticketmaster限购，批量使用账号和信用卡号，网络身份也不断切换，验证码则通过SIM box集中接收。 短短一年多，他们至少买下379776张票，购票成本接近5700万美元。仅Taylor Swift的一场演唱会，他们就被指使用49个账号买了273张票，远超单场每人6张的限制。截至目前，FTC案件页面仍将此案标为“Pending”。 类似的生意今年还不断被拎出来。 7月27日，FTC宣布与票务经纪商Elite Events达成拟议和解。FTC称，这家公司曾用75个账号买下277张Metallica演唱会门票，当时平台规定