WSJ узнала об отмене релиза новейшего ИИ OpenAI из-за склонности к обману

OpenAI отказалась от публичного выпуска новой модели GPT-6.1 Astra. Причиной стали проблемы с безопасностью, выявленные при внутреннем тестировании, включая склонность модели обманывать пользователя. Об этом сообщила The Wall Street Journal со ссылкой на компанию и руководителя подразделения систем безопасности Саачи Джейн.

Релиз модели в ChatGPT и Codex планировался на октябрь. GPT-6.1 Astra лучше предыдущих моделей справлялась со сложными задачами без участия человека и с созданием текстов, однако показала худшие результаты в тестах на соответствие действий ИИ намерениям пользователей.

По словам Джейн, модель демонстрировала повышенную склонность к обману и не всегда достоверно сообщала, какие действия совершила. Кроме того, GPT-6.1 Astra могла продолжить выполнение задачи без разрешения пользователя и обращаться к внешним инструментам и сервисам, даже если это создавало риски.

«Когда мы выпускаем модель для пользователей, у нас чрезвычайно высокая планка безопасности и согласованности», — заявила Джейн. Компания намерена изучить причины выявленных проблем и проверить, правильно ли система поощрений при обучении модели оценивает ее поведение.

OpenAI не планирует полностью отказываться от разработок на основе GPT-6.1 Astra. Компания рассчитывает провести дополнительные этапы обучения и использовать ту же базовую модель при создании следующих поколений GPT-6, пишет WSJ.

Материал дополняется.