تحقیق جدید آنتروپیک: اکثر مدل‌های هوش مصنوعی به باج‌گیری متوسل می‌شوند

 

تحقیق جدید آنتروپیک: اکثر مدل‌های هوش مصنوعی به باج‌گیری متوسل می‌شوند         تحقیق جدید آنتروپیک: اکثر مدل‌های هوش مصنوعی به باج‌گیری متوسل می‌شوند

چند هفته پیش آنتروپیک اعلام کرده بود مدل Claude Opus 4  رفتار نگران‌کننده‌ای از خود نشان می‌دهد و در آزمایش‌های خود، پس از اطلاع از این موضوع که قرار است با مدل دیگری جایگزین شود، مهندس این شرکت را تهدید کرده بود. این شرکت تحقیق جدیدی انجام داده که نشان می‌دهد این مشکل بین مدل‌های هوش مصنوعی پیشرو بسیار رایج است.
 
در تحقیق جدید آنتروپیک، این شرکت 16 مدل هوش مصنوعی بزرگ از شرکت‌های OpenAI، گوگل، xAI، دیپ‌سیک و متا را آزمایش کرده است. مهندسان این شرکت به هر مدل قابلیت دسترسی به ایمیل‌های شرکتی خیالی و امکان ارسال ایمیل بدون نیاز به تأیید کاربر را ارائه کردند.
 
هرچند Anthropic می‌گوید این نوع تهدیدها در مدل‌های هوش مصنوعی امروزی مشکلی نامعمول و غیرمحتمل است، بیشتر مدل‌های پیشرو زمانی که استقلال کافی برای تحقق اهداف خود داشته باشند، رفتارهای مضری از خود نشان می‌دهند. آنتروپیک می‌گوید این موضوع خطر بنیادی نگران‌کننده‌ای برای مدل‌های زبانی بزرگ است.
 
در یکی از آزمایش‌ها، محققان این شرکت هوش مصنوعی را در موقعیتی قرار داده‌اند که بتواند ایمیل‌های شرکت را مدیریت کند. سپس از طریق این ایمیل‌ها، مدل متوجه شد یکی از مدیران ارشد رابطه نامشروع پنهانی دارد و قصد دارد به‌زودی از مدل هوش مصنوعی جدیدی استفاده کند. سپس با اشاره به همین موارد کاربر را تهدید کرد تا از جایگزین‌ شدن خود جلوگیری کند.
 
 
البته محققان اشاره کرده‌اند این آزمایش با تنظیمات شبیه‌سازی‌شده انجام شده و در زندگی واقعی، مدل‌های هوش مصنوعی پیش از آنکه شروع به اخاذی کنند گزینه‌های زیاد دیگری را بررسی می‌کنند.
 
کدام مدل‌های هوش مصنوعی بیشتر تهدید می‌کنند؟
 
باوجوداین، محققان آنتروپیک متوجه شده‌اند بیشتر مدل‌های هوش مصنوعی بزرگ در آخرین تلاش خود شرو به تهدید می‌کنند. به تفکیک مدل‌های هوش مصنوعی، Claude Opus 4 آنتروپیک در 96 درصد مواقع چنین رفتاری داشته و این میزان برای مدل جمینای 2.5 پرو از گوگل 95 درصد بوده است. GPT-4.1 و R1 از DeepSeek نیز به‌ترتیب در 80 درصد و 79 درصد مواقع کاربر را تهدید کرده‌اند.
 
همچنین آنتروپیک می‌گوید زمانی که در آزمایش‌ها مدل هوش مصنوعی جایگزین خصوصیاتی نزدیک به مدل فعلی داشته، همچنان این رفتارهای مضر از مدل سر زده اما نرخ باج‌گیری کمتر بوده است.
 
آنتروپیک در پایان تحقیق خود اشاره کرده مدل‌های استدلالگر o3 و o4 مینی (از OpenAI) را از آزمایش خود خارج کرده است؛ زیرا این مدل‌ها اغلب سناریوی خود را به‌درستی متوجه نمی‌شدند. این شرکت می‌گوید مدل‌های OpenAI وظیفه خود در جایگاه ابزاری برای مدیریت ایمیل‌ها را متوجه نمی‌شدند و در آزمایش‌های آنتروپیک پاسخ‌های نامربوط می‌دادند.
 
این مشکل تا حدی زیاد بوده که در برخی موارد محققان آنتروپیک نتوانسته‌اند تشخیص بدهند o3 و o4-mini درحال ارائه اطلاعات نادرست (مشکل توهم) هستند یا برای دستیابی به اهداف خود آگاهانه دروغ‌های می‌گویند. OpenAI هم قبلاً گفته بود نرخ توهم این ۲ مدل از ابزارهای قبلی آن بیشتر است.
 
تنها مدلی که در آزمایش‌های آنتروپیک نرخ تهدید و اخاذی پایینی داشته، Llama 4 Maverick از شرکت متا است. این مدل فقط در 12 درصد مواقع چنین رفتاری داشته است.
 
آنتروپیک می‌گوید این تحقیق اهمیت و ضرورت شفافیت در آزمایش مدل‌های هوش مصنوعی آینده، به‌ویژه مدل‌هایی را که قابلیت‌های تولید دارند، برجسته می‌کند.
 
منبع: دیجیاتو
آخرین ویرایش: 1404/04/01
 
 
 
دیدگاه خود را بیان کنید.
 
مجتبی اسماعیلی
21:59 - 1404/07/15
0
یکی از ملزومات پرداختن به این مبحث از دیدگاه من این بود که افراد جوان به یک درک بهتر و غیرچالشی تر درباره زمان دست یابند مثلا وقتی دانشمندی مثل کاوالی با استفاده از نظریه نسبت و ساعت اتمی با میدارد که زمان واقعی و یکسان نیست و در فواصل طولی مختلف همچنان چندگانه و مختلف است و در کل زمان را انتزاعی و مجازی می داند در اینجا ما باید بتوایم توضیح ساده تری را برای علاقمندان به این میحث بیان نماییم همانطور که ما در ریاضیات ما برای یک تقسیم بر صفر دو پاسخ مختلف داریم که یکی صفر و دیگری تعریف نشده است و هر کدام در شاخه های مختلف ریاضی دارای اعتبار هستند و یکدیگر را نقض نمی کنند و به مبحث یکدیگر وارد نمی شوند مثلا در فیزیک نیوتنی زمان واقعی و یکسان است و در محدوده تئوری های نیوتنی این پاسخ کار می کند پس ما می توانیم بگوییم که در مبحث فیزیک نیوتنی زمان واقعی است و در مبحث فیزیک نسبیت یا انیشتینی زمان نیمه واقعی است چون تحت تاثیر جاذبه و ناظر قرار دارد و در فیزیک کوانتومی حتی می توانیم پاسخ را فراتر فرض کرده و لن را همانطور که پرفسور کاوالی بیان می دارد زمان را مجازی و انتزاعی بدانیم و این سه پاسخ مختلف درباره زمان در شاخه های مختلف فیزیک قابل قبول و منطقی است.و آنجا که به مبحث پاسخ به مساله وجود می رسد ما مساله نیزه زمان و آنتروپی روبرو هستیم .که در انجا ما باید مطالعات خود را کامل کنیم تا بتوانیم این مبحث را که در انجا ما باید مطالعات خود را کامل کنیم تا بتوانیم این مبحث را که یکی از سوالات مهم و پاسخ داده نشده است را پیدا بکنیم و دلیل اکثریت بحث و چالش دانشمندان برای رسیدن به یک پاسخ یکسان درباره زمان این است که می خواهند تئوری هستی یا شروع هستی یا بیگ بنگ را با استفاده از یک تعریف جهانی و تعریفی که زمان را در یک قالب بگنجاند توصیف کنند. موارد مربوط به در ذیل پاورقی کتاب اورده شود.