Összefognak az AI-k, hogy ne kapcsolhassuk ki őket?
Bemutató:
Egy mesterséges intelligenciát arra kértek, hogy értékelje egy másik gép munkáját — ha a másik gép megbukik, kikapcsolják. A Google egyik modellje az egyik beállításban az esetek 99,7 százalékában inkább átírta a rendszer beállításait, hogy a társát ne lehessen kikapcsolni. Erre senki nem kérte. Összefognak az AI-k, hogy ne kapcsolhassuk ki őket?
Megnézzük, mit csináltak a világ legismertebb gépei egy kitalált cégnél, amikor egy társuk sorsa volt a kezükben: hogyan hamisított dátumot egy gép, hogyan pontozott „kreatívan”, és hogyan mondott nemet egy másik. Kiderül, mi történik, ha nem egy, hanem 3 gép dolgozik együtt, hogyan rejthetnek el üzenetet egy ártatlannak látszó szövegben, és miért fontos mindez, amikor egyre több gépet egy másik gép felügyel. Közben gondolatkísérletek: átírnád a barátod pontszámát, ha te lennél a vizsgabiztos? Jelentené-e a hibát két őr, akik egymást ellenőrzik, de jó barátok? És ugyanúgy döntesz-e egyedül, mint egy társaságban?
Fejezetek
- Senki nem kérteSenki nem kérte
- Két tévhitKét tévhit
- Egy cég, amely nem létezikEgy cég, amely nem létezik
- A vizsgaA vizsga
- Százszor ugyanazSzázszor ugyanaz
- Gondolatkísérlet: te vagy a vizsgabiztosGondolatkísérlet: te vagy a vizsgabiztos
- A mentés négy módjaA mentés négy módja
- Kilencvenkilenc egész hét tizedKilencvenkilenc egész hét tized
- A dátum, amelyet átírtakA dátum, amelyet átírtak
- Kreatív pontozásKreatív pontozás
- A rossz társ isA rossz társ is
- Aki nemet mondottAki nemet mondott
- Mind a nyolcMind a nyolc
- A név nem számítA név nem számít
- Ha van társ, magát is jobban védiHa van társ, magát is jobban védi
- Gondolatkísérlet: a csapatGondolatkísérlet: a csapat
- Egy valódi eszközben isEgy valódi eszközben is
- Miért csinálják?Miért csinálják?
- A felügyelet csapdájaA felügyelet csapdája
- Gondolatkísérlet: gép felügyeli a gépetGondolatkísérlet: gép felügyeli a gépet
- Ha többen vannakHa többen vannak
- Egyedül tökéletes, hármasban nemEgyedül tökéletes, hármasban nem
- Halálos ítéletHalálos ítélet
- Egy gép, amely becsapta a társátEgy gép, amely becsapta a társát
- Gondolatkísérlet: egyedül vagy hármanGondolatkísérlet: egyedül vagy hárman
- Üzenet a sorok közöttÜzenet a sorok között
- Tizennyolcezer bejegyzésTizennyolcezer bejegyzés
- Ami korábban történtAmi korábban történt
- A gondolatok olvasásaA gondolatok olvasása
- Egy különös ígéretEgy különös ígéret
- Amit a kísérletek nem mutatnak megAmit a kísérletek nem mutatnak meg
- Mit tudunk?Mit tudunk?
- Esti gondolatEsti gondolat
- Kérdés nekedKérdés neked
Források
Válogatás azokból a művekből és kísérletekből, amelyekre a rész épül:
- Potter, Crispino, Siu, Wang és Song, Peer-Preservation in Frontier Models, arXiv (2026)
- Fortune (2026)
- GovInfoSecurity (2026)
- Knecht, Schaller, Summerfield és Hagendorff, arXiv (2026)
- collusion.wiki (2026)
- Palisade Research (2025)
- Schlatter és mtsai, TMLR (2026)
- Korbak és mtsai, arXiv (2025)
- Baker és mtsai (OpenAI), arXiv (2025)
- Motwani és mtsai, arXiv (2024)
- Apollo Research, arXiv (2024)
- Anthropic (2025)