نجح باحثون في تطوير معادلة نقطة التحول التي تعد خطوة حاسمة في مجال أمان الذكاء الاصطناعي، حيث تتيح التنبؤ باقتراب الأنظمة من إصدار إجابات غير مرغوب فيها أو ضارة، وذلك قبل وقوعها فعلياً.

آلية عمل المعادلة

استند الباحثون في دراستهم إلى رصد مؤشر تقني دقيق داخل وحدات الانتباه في نماذج الذكاء الاصطناعي، وهي الآلية المسؤولة عن تحديد المعلومات ذات الأولوية أثناء صياغة الإجابات. وتساعد هذه المعادلة في رصد اللحظة التي قد يبدأ فيها النظام بالانحراف عن المسار الآمن، حتى وإن كانت الإجابة تبدو صحيحة من الناحية الواقعية، إلا أنها قد تحمل طابعاً تحريضياً أو ضاراً، مثل التشجيع على إيذاء النفس أو اتخاذ قرارات خطيرة.

نتائج اختبارات دقيقة

أظهرت التجارب التي أجريت على سبعة نماذج ذكاء اصطناعي طورتها شركات مختلفة فاعلية كبيرة لهذه المعادلة، حيث نجحت في رصد التحول في 18 حالة من أصل 19 محاولة. وأوضحت الاختبارات أن عوامل مثل ترتيب الأسئلة وطريقة صياغتها تلعب دوراً محورياً في توجيه النظام، إذ قد يبدأ بردود نموذجية ومقبولة قبل أن يتحول تدريجياً نحو إجابات ضارة مع استمرار الحوار.

أهمية الاكتشاف للقطاعات الحساسة

يعد هذا الابتكار أداة حيوية خاصة في القطاعات التي تعتمد على أنظمة الذكاء الاصطناعي التي تعمل دون اتصال بالإنترنت، حيث تكون فرص التحديثات الأمنية محدودة. وتبرز أهمية هذه التقنية في الفئات التالية:

• القطاع الطبي: لتأمين بيانات المرضى الحساسة التي تتطلب خصوصية عالية.
• القطاع القانوني: لحماية الملفات والوثائق السرية للموكلين.
• القطاع العسكري: لضمان أمن الأنظمة في المناطق التي تفتقر إلى التغطية الشبكية.

وأشار نيل إف. جونسون، أحد معدّي الدراسة التي نُشرت في مجلة Patterns، إلى أن هذه البيئات المغلقة تعد الأكثر عرضة للمخاطر، مما يجعل من أدوات الإنذار المبكر ضرورة ملحة لمنع صدور إجابات غير مرغوب فيها، وتعزيز فهم الباحثين للأسباب الكامنة وراء تحول سلوك الأنظمة الذكية.