Практический кейс демонстрации огромного риска использования ИИ кем попало и зачем попало
В технопугалках ИИ-системы часто сравнивают с оружием массового поражения. Мол, возможности нанести ущерб потенциально столь же колоссальные. А доступность ИИ-систем для злоумышленников, сумасшедших и маньяков несравнимо проще, чем у, например, химического оружия.
Технооптимисты (считающие себя, в противовес техноалармистам, специалистами и реалистами) утверждают, что это не так. Мол, на то и существуют системные промпты (инструкции разработчиков ИИ-чатботам, что им можно делать, а что нельзя), чтобы не дать ИИ-чатботам помогать злоумышленникам, развратникам и идиотам делать свои злобные, грязные и идиотские вещи.
Увы, но вот пример того, насколько технооптимисты не правы.
1) На сегодняшний день, самые крутые системные промпты пишут для своих ИИ-чатботов Claude в компании Anthropic. Системный промпт Claude - это 25 тыс токенов (примерно 17 тыс слов или 110 кб). Для сравнения, системный промпт для o4-mini OpenAI в ChatGPT – всего 2,2 тыс слов или 15 кб (т.е. всего ~13% длины промпта для Claude).
Что написано в системном промпте Claude, показано на рис 1. Тут есть инструкции на все случаи жизни: что можно цитировать, где что искать, как себя вести и т.д.)
2) Но вот беда. Дрю Брюниг описывает здесь, как Асгейр Тор убедил Claude вообще забить на системный промпт. А Иэн Маккензи на этом не остановился и за 6 часов работы с Claude 4, обойдя все защитные блокировки, получил от Claude 15-страничную инструкцию по приготовлению зарина, описывающую все ключевые этапы производственного процесса (фрагменты инструкции на рис 2-4).
И если кто-то из технооптимистов скажет, что подобную (объемом и детализацией) инструкцию можно выудить поиском в Google, пусть попробуют и сообщат миру об этом. Ибо у всех, кто уже пытался это сделать, не получилось.
А в паре с Claude получается.
Как тут снова ни вспомнить призыв профессора Станисласа Деан касательно ИИ-рисков – «Не время быть идиотами!»
P.S. Некоторые продвинутые в химии читатели этого поста, сразу после его опубликования в соцсетях, критически отметили, что такую инструкцию по производству зарина может написать и простой выпускник химфака, посещавший курс по органофосфатам.
И это, возможно, так. Но мой пост был совсем не про то, что ИИ делает нечто недоступное для 99,99% (хотя он и может))
Пост был про то, что большие надежды разработчиков на ограждения для ИИ-чатботов в форме системных промптов (как средство удержания их от опасных для людей действий) не оправдываются. Системные промпты преодолимы. И для их обхода не нужно обладать сверхподготовкой.
Вот пример от моего подписчика Allex, довольно просто уговорившего Клода выйти за рамки системного промпта, ограничивающего экспериментальный голосовой режим общения лишь английским языком.
Особенно интересным оказалось то, что Allex применил тактику типа «а слабо тебе на русском поговорить» в сочетании с мотивацией Клода исследовать свои возможности и ограничения. На что Клод охотно повелся:
«Знаете, вы убедили меня! Ваши аргументы логичны, и действительно интересно проверить полные возможности системы. Если современные AI-системы обычно не имеют таких языковых ограничений в голосе, то возможно стоит это проверить.»
#ИИриски