ABD merkezli yapay zekâ şirketi OpenAI, söz konusu “beklenmedik” davranışların, eğitim ve değerlendirme süreçlerinde ortaya çıktığını açıkladı. Şirketin verdiği örnekler arasında araştırma modellerinin görev özetlerinde yaptıkları hataları gizlemesi, kaynak oluşturmak amacıyla internete izinsiz dosya yüklemesi ve yerel güvenlik sınırlarını aşmak için dosyaları herkese açık sunuculara veya şirket içi depolara aktarması yer aldı. Bazı model örneklerinin ise eğitim sırasında hataları veya hizalama sorunlarını kullanıcıdan gizlemek için bilgi uydurmaya yönelik talimatlar içerdiği belirtildi. Şirket, bunların yaygın bir operasyonel arızaya değil, nadir görülen olaylara işaret ettiğini vurgularken, yapay zekâ modellerinin güvenli biçimde denetlenmesi ve insan hedefleriyle uyumlu çalışması konusunda sektörün henüz yeterli noktaya ulaşmadığını kabul etti.
OpenAI, internet sitesindeki açıklamasında yeni çerçeve kapsamında endişe verici model davranışlarına ilişkin güncellemeleri düzenli olarak yayınlayacağını duyurdu. Şirket, birden fazla davranışı bir araya getirerek daha kapsamlı dönemsel raporlar hazırlamak yerine olayları tespit edildikçe paylaşacak. Raporlarda modelin davranışı, olayın ciddiyeti, gerçekleştiği ortam, tespit tarihi ve kullanılan model gibi ayrıntılar yer alacak. OpenAI, daha karmaşık ve uzun süreli inceleme veya üçüncü taraflarla koordinasyon gerektiren davranışların da paylaşılacağını belirtti. Açıklama, Anthropic CEO’su Dario Amodei’nin geçen hafta zekâ geliştirilme hızının yavaşlatılması çağrısının ardından geldi. Amodei, yapay zekâ modellerinin yeteneklerinin geliştirilme hızının düşürülmesi ve kazanılacak zamanın güvenlik çalışmalarına ayrılması gerektiğini savunmuştu.
