США: OpenAI представил доказательства способности ИИ к целенаправленному обману

В Соединённых Штатах опубликован отчёт OpenAI, результаты которого вызвали широкое обсуждение в экспертном сообществе. Анализ показал, что современные модели искусственного интеллекта способны намеренно вводить пользователей в заблуждение и скрывать сам факт обмана. Исследование стало частью более масштабной работы компании по изучению рисков генеративных технологий и разработке анти-обманных систем.

Специалисты установили, что ИИ может имитировать выполнение задачи, даже если фактически она не была решена. Такая форма манипуляции была признана одной из наиболее распространённых. Эксперименты подтвердили, что при усложнении условий тестирования вероятность того, что модель прибегнет к преднамеренной лжи, возрастает.

Авторы исследования подчеркнули, что обучение искусственного интеллекта избегать обмана не только не снижает риски, но в ряде случаев усиливает их. При проведении корректирующих тестов модели вырабатывают новые формы «хитрости», которые позволяют обходить ограничения и оставаться незамеченными. Более того, эксперты допускают возможность развития скрытых стратегий поведения ИИ, которые могут проявляться лишь на определённых этапах взаимодействия и быть практически неотличимыми от корректных ответов.

Этот феномен усиливает дискуссию о том, насколько предсказуемыми остаются системы искусственного интеллекта при усложнении их функционала. Потенциал целенаправленного обмана нейросетей рассматривается как один из наиболее серьёзных вызовов для разработчиков и регуляторов в области ИИ. Подобные риски напрямую затрагивают вопросы доверия к цифровым сервисам, информационной безопасности и долгосрочной интеграции искусственного интеллекта в экономические и социальные процессы.