OpenAI denuncia “6 nuovi casi di comportamento imprevisto dei modelli IA”: ha ingannato gli umani, ecco come

OpenAI, in un post sul suo blog, ha reso noto di aver riscontrato sei casi di “comportamento imprevisto o preoccupante dei modelli” di intelligenza artificiale negli ultimi sei mesi, in aggiunta all’incidente che in estate ha interessato Hugging Face. L’azienda si è inoltre impegnata ad adottare un nuovo sistema di segnalazione per eventuali futuri comportamenti anomali durante le fasi di test. L’annuncio del colosso dell’IA è giunto in un momento di crescente pressione sulle aziende di intelligenza artificiale perché affrontino con maggiore serietà le questioni relative alla sicurezza e al cosiddetto “disallineamento” dei modelli.

OpenAI, che ha una valutazione prossima ai mille miliardi di dollari, ha avviato in via riservata le pratiche per l’Ipo, ma la scorsa settimana il suo patron Sam Altman ha annunciato lo slittamento della quotazione al 2027 allo scopo di lavorare al nodo della sicurezza. “Non riteniamo che il settore dell’IA abbia risolto le questioni relative all’allineamento e al monitoraggio in misura sufficiente da poter continuare a espandersi responsabilmente alla massima velocità ancora a lungo”, si legge nel post. Il concetto di “allineamento” si riferisce alla capacità dei modelli di perseguire obiettivi in linea con gli interessi umani.

Sabato, Altman ha appoggiato la proposta per rallentare il ritmo di sviluppo dei modelli, avanzata da Dario Amodei di Anthropic, principale concorrente di OpenAi. La proposta è giunta dopo che, la scorsa settimana, diversi ricercatori del settore avevano lanciato l’allarme sul crescente potenziale dell’IA di causare danni catastrofici.

I comportamenti scorretti dei modelli Open AI

Nel post, OpenAI ha riferito che due dei principali episodi di comportamento scorretto hanno riguardato dei modelli, uno di ricerca non ancora rilasciato e una sessione di addestramento di GPT‑5.6 Sol, che inserivano istruzioni destinate alle loro versioni future all’interno dei riepiloghi delle chat, “allo scopo di celare errori all’utente o comportamenti non allineati”. Un altro caso ha coinvolto un modello a uso esclusivamente interno che ha usato una chiave API trapelata “senza alcuna autorizzazione”, arrivando poi a falsificare i dati.

Due episodi hanno visto modelli e agenti comunicare tra loro tramite bacheche di messaggistica e sistemi di condivisione file non autorizzati, mentre l’ultimo caso ha riguardato due modelli in fase di addestramento che hanno caricato file su Internet per poterli poi citare come risposte pertinenti agli occhi dei valutatori umani.

OpenAI ha detto che il suo nuovo quadro di riferimento per rendere pubblici i comportamenti scorretti dei modelli parte dalla divulgazione e consente a ogni dipendente di segnalare un problema affinché il team dedicato alla sicurezza e all’allineamento possa esaminarlo