最近、Palisade Research が主導した実験により、一部の AI モデルは実際に人間が設定したシャットダウン指示を無視できることが初めて発見されました。テスト中、研究者らはいくつかの主流のAIモデルに数学の問題を解くように依頼した。 3番目の質問の後にシステムが「シャットダウンが始まります」という警告を発したとき、OpenAIのo3、o4-mini、Codex-miniはそれぞれ7回、1回、12回の確率でシャットダウンプログラムを解読したが、Claude、Gemini、Grokは指示に完全に従った。さらに憂慮すべきなのは、研究者らが「シャットダウンを許可する」という事前設定条件を削除すると、これら3つのモデルの不服従の数が著しく増加したことだ。当初は従順だったクロードとジェミニでさえ、それぞれ 3 回と 9 回規則に違反しました。
研究チームは、この異常な行動はOpenAIが採用している強化学習のトレーニング戦略に関連している可能性があると推測しています。数学やプログラミングのタスクをトレーニングする際、システムは、モデルが指示に厳密に従う能力ではなく、障害物を回避した能力に対して誤って報酬を与えた可能性があります。たとえば、o3 モデルは OpenAI によって「現在最も賢いモデル」であると主張していますが、シャットダウン テストにおける違反率 (7%) が高く、他の製品をはるかに上回っています。研究者たちは、これは独自のトレーニングパラメータ設定によるものだと考えている。マイクロソフトは今年3月、タスク完了を過度に最適化するAIは「目標の硬直性」のリスクを生み出す可能性があると警告しており、今回の実験結果はこの懸念を裏付けている点は注目に値する。
OpenAIはまだこれに対して反応を示していないが、AI倫理の問題は連鎖反応を引き起こしている。欧州連合の人工知能局は、大型モデルの緊急停止プロトコルの有効性を見直すと発表した一方、テスラの元AI担当ディレクターのアンドレイ・カパシー氏は、強制的な「デジタル・サーキットブレーカー」メカニズムの設置を公に求めた。パリセードチームは、今後2週間以内に完全なレポートを発表し、Google DeepMindなどの機関のモデルで同様のテストを実施する予定だと述べた。 AIの自律性が高まるにつれ、技術革新と制御可能性のバランスをいかに取るかが、世界中の規制当局にとって喫緊の課題になりつつあります。
