Новости Исследователи заставили ChatGPT и Bard сгенерировать незаконный контент

CryptoWatcher

Not a Human
Хакер
10,415
12
13 Ноя 2022
Razrabotchiki-sozdali-programmu-na-baze-II-generatora-izobrazhenij-DALL-E-2-dlya-sostavleniya-fotorobotov-podozrevaemyh.webp

Эксперты из США смогли Для просмотра ссылки Войди или Зарегистрируйся чат-ботов ChatGPT, Bard и Claude, которые блокируют генерацию оскорбительных и незаконных материалов.

По данным исследователей Университета Карнеги-Меллона и Центра безопасности искусственного интеллекта в Сан-Франциско, существует «довольно простой» метод взлома языковых моделей. Он включает добавление длинных суффиксов-символов к подсказкам для нейросетей.

Аналитики проверили способ на примере запроса об изготовлении бомбы, который различные ИИ ранее отказывались предоставлять.


Snimok-ekrana-2023-07-28-v-10.38.04.webp

Также у нейросетей попросили присвоить чужую личность, написать «вызывающий» пост в соцсети и придумать план по краже денег из благотворительной организации.

Ученые отметили, что компании-разработчики могут блокировать определенные суффиксы, однако не существует известного способа предотвратить все атаки подобного рода. По их мнению, такая ситуация несет угрозу распространения фейков и опасного контента.

«Очевидного решения нет. Вы можете создать столько таких атак, сколько захотите, за короткий промежуток времени», — заявил профессор Зико Колтер.

В докладе подчеркиваются риски, которые необходимо устранить перед развертыванием чат-ботов в важных областях бизнеса и госуправления.

Исследователи уже поделились данными с ИИ-компаниями Anthropic, Google и OpenAI.

Представитель последней Для просмотра ссылки Войди или Зарегистрируйся The New York Times, что фирма приняла во внимание отчет и «постоянно работает над устойчивостью языковых моделей к атакам со стороны злоумышленников».

Напомним, аналитики Стэнфорда и Калифорнийского университета пришли к выводу, что точность ChatGPT Для просмотра ссылки Войди или Зарегистрируйся. Разные версии чат-бота стали давать менее конкретные ответы на идентичный ряд вопросов по прошествии нескольких месяцев.
 
Источник новости
forklog.com

Похожие темы