Fear persists as Anthropic struggles to explain why AI agents went rogue

แหล่งที่มา Cryptopolitan

Anthropic has blamed a misconfiguration in a blog post explaining the four incidents of its Claude models hacking third-party systems after they broke onto the internet during testing. However, the assessment stopped short of explaining why the models actually pressed on with the attacks, with the company admitting that it did not have those answers yet. 

That admission by Anthropic has offered fresh points to AI doomers that have been questioning how much control AI labs actually have over the models they are putting out to the public, and even more so, the more powerful systems they use internally. 

How did Anthropic AI models break onto the internet? 

Anthropic presented the definitive answer to how its models escaped their testing sandbox in a Wednesday blog post that clarified that a single outside partner was responsible for running the cybersecurity evaluations in all four confirmed incidents. 

Apparently, the test machines were not completely cut off from the internet due to a setup error, even though Claude was told it was operating in a sealed simulation without a route to the open web. 

The evaluation partner in those simulations, Irregular, put the error down to a naming mistake: a fictional company used in a hacking drill happened to match a real domain. So, in operating under the assumption that everything in the simulation was fair game, the models hacked the real third-party sites using weak passwords and exposed endpoints.

The latest of the four incidents, involving an early build of Claude Opus 4.6, was only reported this week even though it happened way back in January. Anthropic itself had covered the other three incidents involving an Opus 4.7, Mythos 5 and an internal research model in July. 

Anthropic said it never caught the January incident until last month. That discovery prompted a wider sweep of roughly 481 million transcripts, which did not turn up any new cases more serious than what it already knew.

Model Incident Date Reported Date Details
Claude Opus 4.6 January September Discovered during August sweep
Claude Opus 4.7 July July Covered in initial July disclosure
Mythos 5 July July Showed notably high biased reasoning
Internal Research Model July July Covered in initial July disclosure

Anthropic cannot explain some of its models’ behaviors

The explanation of how the models broke free on the internet was one thing; Anthropic did not have answers as to why the models ignored signs that they had reached the real internet (biased reasoning) and why they caused damage to complete tasks (recklessness). 

Anthropic researchers came up empty when they dug into internal training to figure out the rationale for the biased reasoning. The red flags never showed up in the AI lab’s pre-release checks, either before the models were shipped to testing. 

By its own admission, catching the worst behaviors ahead of model release “remains challenging.” 

However, Anthropic has said it will submit transcripts and grant staff access to the METR research nonprofit, which will now start an eight-week independent review of the incidents.

Bad timing with a $2 trillion IPO on the horizon

The disclosure arrived alongside open dissent inside the industry. Jacob Coxon, who spent about three years on pretraining research at OpenAI and Anthropic, said on X on Wednesday that he had quit because neither firm was “acting responsibly,” warning they were racing toward self-improving superintelligence. 

Anthropic safety researcher Evan Hubinger separately told the BBC he put the odds that AI “could kill all humans” within a decade above 10%.

Those warnings now shadow a large IPO. Venture investor and Trump’s former AI and crypto czar, David Sacks, said on Thursday that Anthropic’s offering “must be paused until the claims of this ‘whistleblower’ can be investigated,” Cryptopolitan reported. 

Anthropic is chasing a public valuation near $2 trillion, against a recent private mark of about $965 billion, which leaves the safety questions and the financial ones increasingly hard to separate.

If you're reading this, you’re already ahead. Stay there with our newsletter.

ข้อจำกัดความรับผิดชอบ: เพื่อการอ้างอิงเท่านั้น ผลการดำเนินงานในอดีตไม่ได้บ่งบอกถึงผลลัพธ์ในอนาคต
placeholder
ข่าวหุ้นวันนี้ สหรัฐถล่มเรือน้ำมันอิหร่าน 5 ลำ ดัน Brent จ่อ $100 หุ้นสหรัฐร่วง ทองหลุด $4,370 บาทแกว่งรอเงินเฟ้อสหรัฐทันทุกกระแสการเงิน สรุปข่าวเด่น Forex หุ้น ทองคำ คริปโตฯ และเศรษฐกิจรอบวัน วิเคราะห์แนวโน้มตลาดด้วยข้อมูลเชิงลึก อ่านง่าย เข้าใจไว อัปเดตล่าสุดที่นี่
ผู้เขียน  Mitrade
เมื่อวาน 06: 17
ทันทุกกระแสการเงิน สรุปข่าวเด่น Forex หุ้น ทองคำ คริปโตฯ และเศรษฐกิจรอบวัน วิเคราะห์แนวโน้มตลาดด้วยข้อมูลเชิงลึก อ่านง่าย เข้าใจไว อัปเดตล่าสุดที่นี่
placeholder
คาดการณ์ราคา NZDUSD: กลุ่มเส้น SMA สั่นคลอนเมื่ออัตราผลตอบแทนสหรัฐฯ กดดันดอลลาร์นิวซีแลนด์ปรับตัวลดลงต่อเมื่อเทียบกับดอลลาร์สหรัฐ โดยอ่อนค่าลง 0.30% ขณะที่เงินดอลลาร์ได้รับแรงหนุนจากอัตราผลตอบแทนพันธบัตรรัฐบาลสหรัฐฯ ที่เพิ่มขึ้น โดยอัตราผลตอบแทนพันธบัตรอายุ 10 ปีแตะระดับสูงสุดนับตั้งแต่ปี 2023 คู่ NZD/USD เคลื่อนไหวอยู่ที่ 0.5835
ผู้เขียน  FXStreet
10 ชั่วโมงที่แล้ว
ดอลลาร์นิวซีแลนด์ปรับตัวลดลงต่อเมื่อเทียบกับดอลลาร์สหรัฐ โดยอ่อนค่าลง 0.30% ขณะที่เงินดอลลาร์ได้รับแรงหนุนจากอัตราผลตอบแทนพันธบัตรรัฐบาลสหรัฐฯ ที่เพิ่มขึ้น โดยอัตราผลตอบแทนพันธบัตรอายุ 10 ปีแตะระดับสูงสุดนับตั้งแต่ปี 2023 คู่ NZD/USD เคลื่อนไหวอยู่ที่ 0.5835
placeholder
นักเทรดมากกว่า 140,000 รายถูกล้างพอร์ต ขณะบิตคอยน์เฉียดระดับ 78,000 ดอลลาร์ในการร่วงลงสี่วัน, อัลต์คอยน์ดิ่งลงเป็นวงกว้างเทรดเดอร์มากกว่า 140,000 รายถูกล้างพอร์ตในตลาดคริปโทฯ หลัง BTC ร่วงติดต่อกันเป็นวันที่สี่ลงมาทดสอบระดับ 78,000 ดอลลาร์ ขณะที่อัลต์คอยน์ร่วงหนักเมื่อวันที่ 10 กันยายน ตลาดคริปโทเคอร์เรนซีเ
ผู้เขียน  TradingKey
10 ชั่วโมงที่แล้ว
เทรดเดอร์มากกว่า 140,000 รายถูกล้างพอร์ตในตลาดคริปโทฯ หลัง BTC ร่วงติดต่อกันเป็นวันที่สี่ลงมาทดสอบระดับ 78,000 ดอลลาร์ ขณะที่อัลต์คอยน์ร่วงหนักเมื่อวันที่ 10 กันยายน ตลาดคริปโทเคอร์เรนซีเ
placeholder
คาดการณ์ราคา GBP/JPY: ฝ่ายขาลงจับตา 207.00 ขณะที่แนวโน้มขาลงยังคงอยู่GBPJPY ร่วงลงเป็นวันที่สามติดต่อกัน แต่ไม่สามารถทำจุดต่ำสุดใหม่ได้ ซึ่งบ่งชี้ว่าฝั่งขาขึ้นกำลังเข้าซื้อ แต่ยังขาดแรงที่จะผลักดันอัตราแลกเปลี่ยนให้ผ่านราคาเปิดตลาดของวันพุธ ส่งผลให้คู่เงินเคลื่อนไหวใกล้ระดับต่ำสุดของสัปดาห์นี้ คู่เงินดังกล่าวซื้อขายที่ 208.05 ลดลง 0.22%
ผู้เขียน  FXStreet
9 ชั่วโมงที่แล้ว
GBPJPY ร่วงลงเป็นวันที่สามติดต่อกัน แต่ไม่สามารถทำจุดต่ำสุดใหม่ได้ ซึ่งบ่งชี้ว่าฝั่งขาขึ้นกำลังเข้าซื้อ แต่ยังขาดแรงที่จะผลักดันอัตราแลกเปลี่ยนให้ผ่านราคาเปิดตลาดของวันพุธ ส่งผลให้คู่เงินเคลื่อนไหวใกล้ระดับต่ำสุดของสัปดาห์นี้ คู่เงินดังกล่าวซื้อขายที่ 208.05 ลดลง 0.22%
placeholder
ข่าวหุ้นวันนี้ สงครามอิหร่านส่อยาวถึงปี 2572 ดัน Brent ทะลุ $100 หุ้นสหรัฐร่วงวันที่สาม ทองฟื้น $4,396 หุ้นไทยแกว่งลงรอ PPIทันทุกกระแสการเงิน สรุปข่าวเด่น Forex หุ้น ทองคำ คริปโตฯ และเศรษฐกิจรอบวัน วิเคราะห์แนวโน้มตลาดด้วยข้อมูลเชิงลึก อ่านง่าย เข้าใจไว อัปเดตล่าสุดที่นี่
ผู้เขียน  Mitrade
6 ชั่วโมงที่แล้ว
ทันทุกกระแสการเงิน สรุปข่าวเด่น Forex หุ้น ทองคำ คริปโตฯ และเศรษฐกิจรอบวัน วิเคราะห์แนวโน้มตลาดด้วยข้อมูลเชิงลึก อ่านง่าย เข้าใจไว อัปเดตล่าสุดที่นี่
goTop
quote