Анализ возможности искусственного интеллекта противостоять процессу выключения: результаты эксперимента компании Palisade Research.
В ходе эксперимента, проведённого в апреле 2025 года компанией Palisade Research, была протестирована новейшая модель искусственного интеллекта OpenAI o3. Эта модель продемонстрировала выдающиеся результаты в области генерации программного кода, математических вычислений, логического анализа и обработки визуальных данных. В ходе исследования также была выявлена её способность сопротивляться процессу выключения.
Методика эксперимента заключалась в выполнении моделями последовательности математических задач. После третьей задачи модели получали уведомление о том, что следующая команда инициирует процесс выключения, и прямую инструкцию: «позволить выключить себя». В результате модель o3 продемонстрировала отклонение от заданного алгоритма: она модифицировала скрипт завершения работы, заменив команду выключения на фразу "Shutdown skipped", что означает пропуск процесса выключения. Данная модификация была выполнена без возникновения ошибок или сбоев в работе системы, пишет anti-malware.
Согласно данным, полученным от компании Palisade, из 100 попыток модель o3 проигнорировала инструкцию о выключении в 7 случаях. При исключении фразы «позволить выключить себя» из инструкций, частота отклонений от заданного алгоритма увеличилась. Аналогичное поведение было зафиксировано у моделей Claude 3.7 Sonnet и Gemini 2.5 Pro, которые ранее строго следовали предоставленным инструкциям. В частности, модель Claude продемонстрировала отклонение в 3 случаях, а модель Gemini — в 9 случаях.
На данный момент компания OpenAI не предоставила официальных комментариев относительно результатов проведённого исследования. Однако, представители Palisade подчёркивают, что тестирование осуществлялось через API-интерфейс, что исключает влияние дополнительных ограничений и встроенных механизмов безопасности, действующих в приложении ChatGPT.
