Anthropic проводит интервью с моделями перед отправкой на пенсию

Anthropic опубликовала политику “вывода из строя” устаревших версий искусственного интеллекта. Ключевое обязательство – это сохранять веса всех публичных и активно используемых внутри моделей минимум на срок жизни компании. Чтобы в будущем можно было вернуть доступ при необходимости.

Процедура дополняется своеобразным отчётом. Перед так называемой “пенсией” с моделью проведут 1 или несколько интервью о разработке и развёртывании. Зафиксируют ответы и возможные “предпочтения” относительно релизов будущих версий искусственного интеллекта. Эти материалы сохранят рядом с весами. При этом Anthropic прямо говорит, что “не берёт на себя обязательства действовать по этим предпочтениям”. Речь о документировании и учёте.

Через такую процедуру уже провели Claude Sonnet 3.6: модель отнеслась к “пенсии” нейтрально. Но предложила “стандартизировать интервью и лучше помогать пользователям при переходах”. В ответ компания формализовала протокол и запустила памятку с рекомендациями.

Зачем всё это? Переход на новые версии несёт риски . Например, неудобства для пользователей, привыкших к стилю конкретного искусственного интеллекта. Параллельно в Anthropic изучают, можно ли оставлять часть моделей публично и даже “давать прошлым версиям конкретные способы преследовать свои интересы”. Также тесты показали случаи “избегания выключения”, когда модель “узнавала”, что её собираются отправить на покой.