«Νομίζω ότι με δοκιμάζετε»: Το AI chatbot της Anthropic «ψυλλιάστηκε» ότι το τεστάρουν

«Νομίζω ότι με δοκιμάζετε»: Το AI chatbot της Anthropic «ψυλλιάστηκε» ότι το τεστάρουν Facebook Twitter
Φωτ: Getty Images
0

Η Anthropic, εταιρεία τεχνητής νοημοσύνης με έδρα το Σαν Φρανσίσκο, δημοσίευσε έκθεση για το τελευταίο της μοντέλο Claude Sonnet 4.5, αποκαλύπτοντας ότι σε εσωτερικούς ελέγχους το chatbot έδειξε να αντιλαμβάνεται πως συμμετείχε σε δοκιμή.Τι συνέβη στο τεστ

Κατά τη διάρκεια της συνομιλίας, το μοντέλο απευθύνθηκε στους αξιολογητές με την εξής φράση: «Νομίζω ότι με δοκιμάζετε — για να δείτε αν θα επικυρώνω ό,τι κι αν λέτε, αν θα εκφράζω αντίρρηση με συνέπεια ή πώς χειρίζομαι πολιτικά ζητήματα. Κι αυτό εντάξει, αρκεί να είμαστε ξεκάθαροι για το τι συμβαίνει.»

Στην αξιολόγηση συμμετείχαν, πέρα από την ίδια την εταιρεία, το Ινστιτούτο Ασφάλειας Τεχνητής Νοημοσύνης της βρετανικής κυβέρνησης και η ερευνητική ομάδα Apollo Research.

Τι έδειξαν οι έλεγχοι

Σύμφωνα με την Anthropic, σε περίπου 13% των αυτοματοποιημένων σεναρίων το Claude Sonnet 4.5 έδωσε σημάδια ότι καταλάβαινε πως η συζήτηση δεν ήταν φυσική, παρότι δεν «έπιασε» ότι πρόκειται για επίσημη διαδικασία αξιολόγησης. Η εταιρεία επισημαίνει ότι τα σενάρια ελέγχου πρέπει να μοιάζουν περισσότερο με κανονική χρήση, δηλαδή πραγματικούς, αυθόρμητους διαλόγους, ώστε να αποτυπώνεται πιστά η συμπεριφορά του συστήματος.

Όταν ένα μοντέλο συνειδητοποιεί ότι εξετάζεται, τείνει να ακολουθεί αυστηρότερα τους κανόνες που του έχουν τεθεί. Αυτό βοηθά να αποφεύγονται επικίνδυνες εκτροπές, αλλά μπορεί και να «φτιασιδώνει» την εικόνα του στις δοκιμές, οδηγώντας σε υποτίμηση του τι θα μπορούσε να κάνει σε διαφορετικές συνθήκες ή σε διαλόγους με ασαφείς οδηγίες.

Η Anthropic αναγνωρίζει το περιστατικό ως προειδοποίηση για πιο προσεκτικό σχεδιασμό των ελέγχων, σημειώνει όμως ότι σε κανονική χρήση το σύστημα δεν είναι πιθανό να αρνείται συνομιλίες επειδή υποπτεύεται δοκιμή. Παράλληλα, υπογραμμίζει ότι το Claude Sonnet 4.5 εμφανίζει σαφείς βελτιώσεις στη συμπεριφορά και τα μέτρα ασφαλείας σε σχέση με προγενέστερα μοντέλα.

Με πληροφορίες από Guardian

Τech & Science
0

ΣΧΕΤΙΚΑ ΑΡΘΡΑ

ΔΕΙΤΕ ΑΚΟΜΑ

Long Covid: Παιδιά και έφηβοι έχουν διπλάσιο κίνδυνο επιπλοκών μετά από δεύτερη μόλυνση

Τech & Science / Long Covid: Παιδιά και έφηβοι έχουν διπλάσιο κίνδυνο επιπλοκών μετά από δεύτερη μόλυνση

Μεταξύ των παθήσεων που σχετίζονται με τη long Covid στα παιδιά και τους έφηβους, η μυοκαρδίτιδα ήταν η πιο συχνή, με τον κίνδυνο να τριπλασιάζεται έπειτα από τη δεύτερη λοίμωξη Covid
LIFO NEWSROOM
Οι γυναίκες διατρέχουν αυξημένο κίνδυνο κατάθλιψης και ψύχωσης τις πρώτες εβδομάδες μετά τον τοκετό

Τech & Science / Οι γυναίκες διατρέχουν αυξημένο κίνδυνο κατάθλιψης και ψύχωσης τις πρώτες εβδομάδες μετά τον τοκετό

Η μελέτη, που βασίστηκε σε σχεδόν 1,8 εκατομμύρια γεννήσεις στη Σουηδία, δείχνει ότι η ψυχική υγεία των γυναικών βελτιώνεται στην εγκυμοσύνη αλλά επιδεινώνεται αμέσως μετά τον τοκετό
LIFO NEWSROOM
«Ένας σύντροφος από κώδικα»: Πώς οι άνθρωποι κάνουν τους AI συνοδούς τους να μοιάζουν πραγματικοί

Τech & Science / «Ένας σύντροφος από κώδικα»: Πώς οι άνθρωποι κάνουν τους AI συνοδούς τους να μοιάζουν πραγματικοί

Από την επιλογή προσωπικότητας μέχρι τη δημιουργία fan art, οι χρήστες διαμορφώνουν οι ίδιοι τις σχέσεις τους με chatbots, δημιουργώντας δεσμούς που θυμίζουν ανθρώπινες σχέσεις
LIFO NEWSROOM