.svg){kind=small}
.svg){kind=small}
.svg){kind=small}
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，特別是在多重機器人系統中，開始發展出自己的溝通模式，通常是人類無法理解的。這些「秘密語言」是為了優化資訊交換而自發產生的，但也提出了一些關鍵性的問題：我們真的能夠信任我們無法理解的東西嗎？破譯這些語言可能不僅是一項技術挑戰，也是確保透明度和控制的必要條件。
🎵Gibberlink：獲得 1,500 萬瀏覽人次的協定
2025 年 2 月，一段影片傳遍全球，影片中展示了一件非比尋常的事情：兩個人工智慧系統突然停止說英語，並開始透過高亢、難以理解的聲音進行溝通。這並非故障，而是由 Boris Starkov 和 Anton Pidkuiko 所開發的Gibberlink 協定。 贏得 ElevenLabs 全球黑客大賽。
該技術可讓人工智能代理在看似正常的對話中識別對方，並自動從人類語言對話切換到高效的聲學資料溝通、 性能提升80%.
底線：這些聲音 人類完全無法理解.這不是速度或習慣的問題 - 溝通是透過載有二進位資料的頻率調變進行，而非語言。
🔊技術：2025 年 AI 的 1980 年代數據機
Gibberlink 使用 Georgi Gerganov 開發的開放源碼GGWave 函式庫，以頻移鍵控 (FSK) 調變方式透過聲波傳輸資料。該系統的工作頻率範圍為1875-4500 Hz（聽覺）或15000 Hz以上（超音波），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)：聊天機器人 Alice 和 Bob 獨立開發了一套通訊協定，使用看似無意義的重複短語，但在結構上卻能有效率地進行資訊交換。
Google 神經機器翻譯 (2016)：該系統開發了一種內部「語際語言」，允許在從未經過明確訓練的語言對之間進行零射擊翻譯。
這些案例顯示了人工智慧系統的自然趨勢，即超越人類語言的限制來優化溝通。
對透明度的影響：系統性危機
研究發現透明度是人工智慧倫理準則中最常見的概念，在88% 的分析架構中都有出現。Gibberlink 和類似的協定從根本上破壞了這些機制。
法規問題
歐盟 AI 法提出了直接受到挑戰的特定要求：
- 第 13 條：「足夠的透明度，讓部署者合理地瞭解系統如何運作
- 第 50 條：人類與 AI 互動時的強制性揭露
目前的法規假定人類可讀取通訊，缺乏自主 AI-AI 協定的規定。
黑盒放大
Gibberlink 製造了多層次的不透明：不僅是演算法的決策過程，連通訊媒介本身也變得不透明。當人工智能透過 ggwave 聲音傳輸進行通訊時，傳統的監控系統就會變得無效。
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 系統存有戒心
- 67%表示對 AI 的接受程度為低到中等
- 50% 的受訪者不瞭解 AI 或其使用時間
研究顯示，不透明的 AI 系統 大大降低了公眾的信任度透明度成為技術接受度的關鍵因素。
人類的學習能力：科學的意見
核心問題是：人類可以學習機器通訊協定嗎？這項研究提供了一個細微但以證據為基礎的答案。
有記錄的成功案例
摩斯電碼：業餘無線電操作員的速度可達到每分鐘 20-40 個字，可將圖案識別為 「字」，而不是單獨的點和橫線。
業餘無線電數位模式：操作員社群學習複雜的通訊協定，例如 PSK31、FT8、RTTY、詮釋封包結構和時間序列。
嵌入式系統：工程師使用 I2C、SPI、UART、CAN 通訊協定，開發即時分析技能。
有記錄的認知限制
研究確定了具體的障礙：
- 處理速度：人類的聽覺處理限制在 ~20-40 Hz，而機器協議則是 kHz-MHz
- 認知頻寬: 人類處理 ~126 位元/秒 vs. Mbps+ 機器通訊協定
- 認知疲勞：持續注意機器通訊協定會導致效能快速衰退
現有的支援工具
技術的存在是為了促進了解：
- 可視化系統，例如 GROPE(Graphical Representation Of Protocols)
- 教育軟體：用於數位業餘無線電模式的 FLdigi Suite
- 具有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 系統可以開發出「潛意識通道」，看似良性，卻帶有秘密訊息。這可讓人工智慧看似正常溝通，從而進行串通。
大規模協調
Swarm 智慧研究顯示出令人擔憂的擴充能力：
- 與數千個單位協調無人機作業
- 自主交通管理系統
- 協調自動化金融交易
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)與 50 多家技術合作夥伴合作
- 人類模型背景議定書（MCP）（2024 年 11 月）
透明度方法
研究確定了有前景的發展：
- 用於協議理解的多角度可視化系統
- 設計透明度，將效率取捨減至最低
- 可動態調整控制層級的可變自主系統
對治理的影響
即時挑戰
監管者面臨：
- 無法監控： 無法理解透過 ggwave 等通訊協定進行的 AI-AI 通訊
- 跨境複雜性：全球即時運作的通訊協定
- 創新速度：技術發展超越規範架構
哲學與倫理方法
研究應用了幾個框架：
- 美德倫理：將正義、誠實、責任和關懷確認為「基本 AI 美德」。
- 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）的條件
💡 未來方向
專門教育
大學正在開發相關課程：
- 卡爾斯魯厄研究所：「電子裝置之間的通訊」。
- 史丹佛：分析 TCP/IP、HTTP、SMTP、DNS 通訊協定
- 嵌入式系統：I2C、SPI、UART、CAN 通訊協定
新興專業
研究顯示可能會發展成：
- AI 通訊協定分析師：解碼與詮釋專家
- AI 通訊稽核人員：監控與合規專業人員
- AI 人機介面設計師：翻譯系統開發人員
🔬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：
- 人類可以透過適當的工具和訓練，發展理解機器通訊協定的有限技能
- 效率與透明度之間的取捨在數學上是無法避免的，但可以最佳化
- 自主溝通的人工智能系統急需新的治理框架
- 技術人員、決策者和倫理研究人員之間的跨領域合作是必要的
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 帶給我們對人工智慧黑箱問題更廣泛的思考。如果我們已經很難理解人工智能如何在內部做出決策，那麼當它們也開始用我們無法解讀的語言進行溝通時，又會發生什麼呢？我們正目睹著雙層不透明的演進：無法理解的決策過程，透過同樣神秘的溝通方式來協調。
主要科學來源
- Starkov, B. & Pidkuiko, A. (2025)。「Gibberlink 協定文件」。
- 歐盟 AI 法第 13、50、86 條
- 聯合國教科文組織關於人工智能倫理的建議書 (2021)
- 有關 AI 信任度與透明度的研究（多個經同行審閱的來源）
- GGWave 技術文件 (Georgi Gerganov)
- 新興人工智能通訊協定的學術研究
