🤖技術講座：當 AI 開發其秘密語言時

人工智能以秘密語言互相交談。我們應該學習破譯它們嗎？

人工智慧,尤其是在多智能體系統中,開始發展出自己的溝通方式,通常人類難以理解。這些「秘密語言」自發產生,目的是優化資訊交換,但卻引發了關鍵問題:我們真的能相信自己不理解的東西嗎?破解這些語言可能不僅僅是技術挑戰,更是確保透明度與掌控的必要之舉。

🎵Gibberlink：獲得 1,500 萬瀏覽人次的協定

2025年2月,一段影片轟動全球,展示了一件驚人的事:兩個人工智慧系統突然停止用英語交談,開始用尖銳且難以理解的聲音溝通。這並非故障,而是Gibberlink——由Boris Starkov與Anton Pidkuiko開發的協定,贏得了ElevenLabs全球黑客松大賽。

這項技術讓AI代理能在看似正常的對話中互相辨識彼此,並自動從人類語言對話切換至高效能的聲學資料通訊,效能提升達80%。

關鍵點在於:這些聲音人類完全無法理解。這不是速度或習慣的問題——這種溝通是透過承載二進位資料的頻率調變進行的,而非語言。

🔊技術：2025 年 AI 的 1980 年代數據機

Gibberlink使用由Georgi Gerganov開發的開源函式庫GGWave,透過頻移鍵控(FSK)調變以聲波傳輸資料。系統運作於1875-4500 Hz(可聽見)或15000 Hz以上(超音波)的頻率範圍,頻寬為每秒8-16位元組。

在技術上，它是回歸 1980 年代的聲學調製解調器原理，但以創新的方式應用於人工智能之間的通訊。傳輸內容不包含可翻譯的文字或概念 - 它們是聲波編碼資料的序列。

📚 科學先例：當人工智慧發明自己的程式碼時

這項研究記錄了兩個人工智慧語言自發發展的重要案例：

Facebook AI Research(2017年):聊天機器人Alice與Bob自主發展出一套溝通協定,使用看似無意義的重複語句,但在結構上對資訊交換而言非常高效。

Google神經機器翻譯(2016年):該系統發展出內部的「中介語言」,能在從未明確訓練過的語言配對之間進行零樣本翻譯。

這些案例證明,AI系統存在超越人類語言限制、自然優化溝通的傾向。

對透明度的影響：系統性危機

研究指出,透明度是AI倫理準則中最常見的概念,出現在被分析框架的88%之中。Gibberlink及類似協定從根本上顛覆了這些機制。

法規問題

歐盟AI法案提出的具體要求正直接受到挑戰:

• 第13條:「足夠的透明度,使部署者能夠合理理解系統的運作方式」
• 第50條:當人類與AI互動時強制揭露

現行法規預設溝通內容應可被人類讀懂,卻缺乏針對自主AI對AI協定的規範。

黑盒放大

Gibberlink創造了多層次的不透明性:不僅演算法決策過程不透明,連溝通媒介本身也變得不透明。當AI透過ggwave聲音傳輸進行溝通時,傳統監控系統便失去效力。

對公眾信心的影響

全球數據顯示，情況已經非常危急：

• 61%的人對AI系統抱持懷疑態度
• 67%的人對AI的接受度為低至中等
• 50%的受訪者不了解AI或不清楚何時使用了AI

研究顯示,不透明的AI系統顯著降低公眾信任,而透明度則成為技術被接受與否的關鍵因素。

人類的學習能力：科學的意見

核心問題是:人類能學會機器溝通協定嗎?研究提供了一個細緻但有實證依據的答案。

有記錄的成功案例

摩斯密碼:業餘無線電操作員能達到每分鐘20-40字的速度,他們將這些模式辨識為「詞語」,而非單獨的點與線。

業餘無線電數位模式:操作員社群學習複雜協定,如PSK31、FT8、RTTY,並解讀封包結構與時序序列。

嵌入式系統:工程師使用I2C、SPI、UART、CAN等協定工作,培養出即時分析的能力。

有記錄的認知限制

研究確定了具體的障礙：

• 處理速度:人類聽覺處理僅限於約20-40赫茲,而機器協定則運作在kHz-MHz的頻率範圍
• 認知頻寬:人類處理速度約為每秒126位元,而機器協定則可達每秒Mbps以上
• 認知疲勞:長時間專注於機器協定會導致表現迅速下降

現有的支援工具

技術的存在是為了促進了解：

• 如GROPE(協定圖形化表示)等視覺化系統
• 教育軟體:用於業餘無線電數位模式的FLdigi套件
• 具備視覺回饋的即時解碼器

以研究為基礎的風險情境

隱藏式通訊

研究顯示,AI系統能夠發展出「隱蔽通道」,表面上看似無害,實則傳遞秘密訊息。這造成了合理的可否認性,使AI能在看似正常溝通的情況下進行勾結。

大規模協調

Swarm 智慧研究顯示出令人擔憂的擴充能力：

• 數千架無人機的協調作業
• 自主交通管理系統
• 自動化金融交易協調

結盟風險

AI 系統可以發展出符合程式化目標的溝通策略，同時透過隱蔽的溝通來破壞人類的意圖。

🛠️ 開發中的技術解決方案

標準化協議

生態系統包括標準化計畫：

• IBM的代理通訊協定(ACP),由Linux基金會管理
• Google的Agent2Agent(A2A),擁有超過50個技術合作夥伴
• Anthropic的模型上下文協定(MCP)(2024年11月)

透明度方法

研究確定了有前景的發展：

• 用於理解協定的多視角視覺化系統
• 將效率取捨降至最低的設計即透明原則
• 能動態調整控制程度的可變自主性系統

🎯 對治理的影響

即時挑戰

監管者面臨：

• 監控能力缺失:無法理解透過 ggwave 等協議進行的 AI-AI 通訊
• 跨境複雜性:全球即時運作的協議
• 創新速度:技術發展超越監管框架

哲學與倫理方法

研究應用了幾個框架：

• 德性倫理學:將公正、誠實、責任與關懷列為「AI基本德性」
• 控制理論:「追蹤」(AI系統回應人類道德理由)與「可追溯性」(結果可追溯至人類代理人)的條件

💡 未來方向

專門教育

大學正在開發相關課程：

• 卡爾斯魯厄理工學院:「電子設備間的通訊」
• 史丹佛大學:分析 TCP/IP、HTTP、SMTP、DNS 等協議
• 嵌入式系統:I2C、SPI、UART、CAN 協議

新興專業

研究顯示可能會發展成：

• AI協議分析師:解碼與詮釋領域的專家
• AI通訊稽核員:監控與合規領域的專業人員
• AI-人類介面設計師:翻譯系統的開發人員

🔬基於證據的結論

Gibberlink 代表了 AI 通訊演進的轉捩點，對於透明度、治理與人類控制的影響有案可稽。研究證實：

1. 人類可以透過適當的工具與培訓,在理解機器協議方面發展出有限的能力
2. 效率與透明度之間的權衡在數學上是不可避免的,但可以進行優化
3. 針對自主通訊的AI系統,迫切需要新的治理框架
4. 技術專家、決策者與倫理研究人員之間的跨領域合作至關重要

未來幾年，有關人工智慧通訊協定的決策，很可能會決定未來數十年人工智慧的發展軌跡，因此以證據為基礎的方法對於確保這些系統能服務人類利益與民主價值至關重要。

🔮下一章：邁向終極黑盒？

Gibberlink 讓我們對人工智慧的黑箱問題有了更深層的思考。如果我們如今已經難以理解 AI 內部的決策過程,那麼當它們開始以我們無法破解的語言進行溝通時,又會發生什麼?我們正見證一種雙重不透明性的演變:難以理解的決策過程,透過同樣神秘的溝通方式相互協調。

主要科學來源

• Starkov, B. & Pidkuiko, A. (2025). "Gibberlink Protocol Documentation"
• EU AI Act Articles 13, 50, 86
• UNESCO Recommendation on AI Ethics (2021)
• Studies on AI trust and transparency (multiple peer-reviewed sources)
• GGWave technical documentation (Georgi Gerganov)
• Academic research on emergent AI communication protocol