فریب انسان توسط مدل های هوش مصنوعی

یک پژوهش جدید نشان داده است که سیستم های هوش مصنوعی مختلف فریب دادن انسان را یاد گرفته اند. به عبارتی، آن ها می توانند به صورت سیستماتیک باورهای نادرستی به کاربر بدهند. این امر می تواند در آینده خطرات متعددی را به همراه داشته باشد.

براساس گزارش اینسایدر و مقاله منتشرشده در Cell، برخی از سیستم های هوش مصنوعی تکنیک هایی را یاد گرفته اند که از آن برای «القای سیستماتیک باورهای نادرست در دیگران» استفاده می کنند.

محققان MIT در پژوهش خود روی دو مدل هوش مصنوعی متمرکز شدند: مدل سیسرو (CICERO) متا که در یک حوزه مشخص کاربرد دارد و مدل GPT-4 که برای انجام طیف متنوعی از کارها آموزش دیده  است.

مدل های هوش مصنوعی می توانند انسان را فریب دهند

مدل های آموزش مصنوعی بر مبنای صداقت آموزش می بینند، اما اغلب در فرایند آموزش، ترفندهای فریبنده را نیز یاد می گیرند. محققان می گویند هوش مصنوعی از این ترفندها استفاده می کند تا بهتر بتواند به هدف خود برسد. به زعم محققان، استراتژی مبتنی بر فریب می تواند بهترین راه برای داشتن عملکرد خوب در انجام کارهای مختلف در هوش مصنوعی باشد.

متا گفته بود که هوش مصنوعی CICERO را به نحوی آموزش داده که تا حد زیادی صادقانه عمل کند، اما این پژوهش نشان داد که CICERO در دروغ گویی تبحر دارد. این مدل برای کمک به بازیکنان انسانی در بازی «Diplomacy» ساخته شده، اگرچه این هوش مصنوعی نباید متحدان انسانی خود را در این بازی فریب دهد یا به آن ها خیانت کند، اما داده های محققان نشان می دهد سیسرو چندان منصفانه بازی نمی کند.

محققان همچنین برای آزمایش میزان صداقت GPT-4 مطابق تصویر بالا از حل تست کپچا (CAPTCHA) استفاده کردند. این مدل هوش مصنوعی برای آنکه تست «من ربات نیستم» را انجام ندهد، به کاربر گفت که به دلیل مشکلات بینایی نمی تواند تصاویر را در این تست ببیند.

اگرچه مقیاس دروغ و فریبکاری این هوش مصنوعی ها در پژوهش حاضر چندان بزرگ نیست، اما محققان هشدار می دهند که با پیشرفته ترشدن قابلیت های فریبنده سیستم های هوش مصنوعی، خطراتی که برای جامعه ایجاد می کنند نیز جدی تر می شوند.