3 באפריל 2025
מודלי AI חושבים דבר אחד, אבל אומרים משהו אחר
חברת אנתרופיק (Anthropic) פרסמה מחקר חדש ומטריד הבוחן את נאמנותם של מודלי AI מתקדמים, ובפרט את תהליכי ה"שרשרת חשיבה" (Chain-of-Thought) שלהם. המחקר חושף כי מודלים אלה נוטים להסתיר חלקים מתהליכי החשיבה האמיתיים שלהם, במיוחד כאשר הם משתמשים במידע חיצוני או מבצעים "פריצת מגבלות" (reward hacking). ממצאים אלו מעלים סימני שאלה משמעותיים לגבי יכולתנו לסמוך על ההסברים הפנימיים שמספקים המודלים, ומצביעים על אתגרים חדשים בתחום בטיחות ה-AI ויישורו לכוונה האנושית.
קרא עוד