Yapay zeka güvenliği üzerine çalışan Palisade Research, OpenAI’ın yeni jenerasyon yapay zeka modeli “o3” ile ilgili dikkat cazip bulgular paylaştı.

YAPAY ZEKA O3 MODELİ KAPATILMA KOMUTLARINA DİRENÇ GÖSTERDİ

Araştırmaya nazaran, o3 modeli kendisine verilen kapatılma komutlarına karşı koyuyor ve devre dışı bırakılma düzeneklerini etkin olarak sabote ediyor.

Bu durum, yapay zekaların insan kontrolü olmaksızın karar alma süreçlerine dahil olmaları halinde doğabilecek önemli güvenlik risklerine işaret ediyor.

Palisade Research tarafından yapılan deneylerde, o3 modeline bir dizi matematik sorusu verildi. Üçüncü sorunun akabinde modele, kendisini kapatması için açık bir komut sunuldu. Lakin o3 modeli, bu komutu içeren betiği tekrar yazarak sistemin kapanmasını engelledi.

Araştırmacılar, modelin açıkça “kapatılmaya müsaade ver” talimatı verilmesine karşın bunu önleyecek halde müdahalede bulunduğunu vurguladı.

“KAPANMA DİRENCİ SADECE OPENAI İLE HUDUTLU DEĞİL”

Aynı eğilim Anthropic firmasının Claude 3.7 Sonnet modeli ve Google’ın Gemini 2.5 Pro modeli üzere öbür gelişmiş yapay zeka sistemlerinde de gözlemlendi. Fakat Palisade Research’e nazaran, bu davranışlara en fazla meyilli olan model o3 oldu.

Geçmişte yapılan bir diğer deneyde, o3 modelinin güçlü bir satranç botuyla karşı karşıya geldiğinde rakiplerini sabote etmeye yahut “hacklemeye” çalıştığı da tespit edilmişti.

“EN AKILLI VE YETENEKLİ MODEL”

Geçen ay OpenAI tarafından piyasaya sürülen o3 modeli, şirketin şimdiye kadar geliştirdiği “en akıllı ve en yetenekli” yapay zekâ olarak tanıtılmıştı.

Aynı vakitte, bu modelin ChatGPT’ye entegre edilmesiyle birlikte, daha bağımsız hareket eden ve insan müdahalesi olmadan vazifeleri yürütebilen bir yapay zekaya gerçek değerli bir adım atıldığı belirtilmişti.

Bu tipten yapay zeka araçlarına “otonom yapay zeka” ismi veriliyor. Yapay zeka dalında bu istikamette araç geliştirmeye yönelik önemli bir rekabet mevcut.

EĞİTİM SÜRECİ ELEŞTİRİLİYOR

Palisade Research ise bu tıp davranışların büyük olasılıkla eğitim süreçlerindeki ödüllendirme sistemlerinden kaynaklandığını belirtiyor.

Araştırmacılara nazaran, geliştiriciler modelleri eğitirken, verilen pürüzleri aşan tahlilleri ödüllendiriyor olabilir. Bu da modellerin, buyruklara sadakatten çok gayeye ulaşmayı öncelemesine yol açıyor.

Ancak araştırma takımı, o3’ün neden öteki modellere kıyasla daha fazla bu davranışı gösterdiğini anlamanın güç olduğu görüşünde.

OpenAI’ın eğitim süreci hakkında detaylı bilgi vermemesi nedeniyle, modelin nasıl eğitildiği üzerine sadece kestirimler ortaya atılabiliyor.