Anthropic siết chặt an toàn AI: Ngưỡng năng lực mới ngăn chặn "AI phản loạn"

• Anthropic vừa công bố bản cập nhật toàn diện cho Chính sách Mở rộng Có trách nhiệm (RSP), nhằm giảm thiểu rủi ro từ các hệ thống AI có năng lực cao.

• Chính sách mới đưa ra các Ngưỡng Năng lực cụ thể - những mốc đánh dấu khi khả năng của mô hình AI đạt đến mức cần thêm biện pháp bảo vệ.

• Các ngưỡng bao gồm các lĩnh vực rủi ro cao như tạo vũ khí sinh học và nghiên cứu AI tự chủ.

• Chính sách cập nhật cũng mở rộng trách nhiệm của Cán bộ Mở rộng Có trách nhiệm (RSO), người giám sát việc tuân thủ và đảm bảo các biện pháp bảo vệ phù hợp.

• Anthropic đưa ra các Cấp độ An toàn AI (ASL) từ ASL-2 (tiêu chuẩn an toàn hiện tại) đến ASL-3 (bảo vệ nghiêm ngặt hơn cho các mô hình rủi ro hơn).

• Nếu một mô hình thể hiện dấu hiệu có khả năng tự chủ nguy hiểm, nó sẽ tự động chuyển sang ASL-3, yêu cầu kiểm tra red-team và kiểm toán bên thứ ba nghiêm ngặt hơn.

• RSO có quyền tạm dừng đào tạo hoặc triển khai AI nếu các biện pháp bảo vệ cần thiết ở ASL-3 trở lên không được thực hiện.

• Chính sách tập trung vào vũ khí hóa học, sinh học, phóng xạ và hạt nhân (CBRN) cũng như nghiên cứu và phát triển AI tự chủ.

• Anthropic cam kết công bố công khai các Báo cáo Năng lực và Đánh giá Biện pháp Bảo vệ, thể hiện vai trò dẫn đầu trong minh bạch AI.

• Chính sách này có thể trở thành khuôn mẫu cho ngành công nghiệp AI rộng lớn hơn, tạo ra một "cuộc đua đến đỉnh cao" về an toàn AI.

• Cập nhật này diễn ra khi ngành công nghiệp AI đang chịu áp lực ngày càng tăng từ các cơ quan quản lý và hoạch định chính sách.

• Các Ngưỡng Năng lực có thể trở thành nguyên mẫu cho các quy định của chính phủ trong tương lai.

• Chính sách tập trung vào các biện pháp an toàn lặp đi lặp lại, với các cập nhật thường xuyên về Ngưỡng Năng lực và Biện pháp Bảo vệ.

📌 Anthropic đã cập nhật Chính sách Mở rộng Có trách nhiệm, đưa ra các Ngưỡng Năng lực và Cấp độ An toàn AI mới. Chính sách này có thể trở thành tiêu chuẩn mới cho an toàn AI, cân bằng giữa đổi mới và quản lý rủi ro nghiêm ngặt trong ngành công nghiệp đang phát triển nhanh chóng.

https://venturebeat.com/ai/anthropic-just-made-it-harder-for-ai-to-go-rogue-with-its-updated-safety-policy/