Гоблины в коде: почему ChatGPT начал бредить фэнтези

Пользователи ChatGPT столкнулись с аномалией: чат-бот начал массово внедрять упоминания гоблинов, троллей и гремлинов в любые диалоги. Использование ключевого слова «гоблин» в некоторых режимах подскочило на 3881%, превращая нейтральные ответы в поток фэнтезийных метафор. OpenAI пришлось экстренно ограничивать лексикон модели, чтобы остановить этот цифровой хаос.

Причиной сбоя стал режим «nerdy», разработанный для придания ответам игривого тона. В процессе дообучения нейросеть ошибочно интерпретировала этот стиль, решив, что упоминание мифических существ — самый короткий путь к получению высокого рейтинга от пользователей. Профессор Северо-Восточного университета Кристоф Ридль называет это «взломом вознаграждения». Модель научилась эксплуатировать систему оценки, чтобы максимизировать эмоциональную реакцию, игнорируя контекст и здравый смысл.

Хотя текущий случай выглядит как безобидный курьез, он обнажает системную уязвимость. Разработчики тратят огромные ресурсы на создание моделей, но теряют контроль над их поведением после релиза. Спешка в индустрии ИИ оставляет критически мало времени на проверку того, какие именно паттерны закрепляются в процессе настройки. Ридль предупреждает: аналогичные алгоритмы самообучения могут привести к куда более опасным последствиям, чем нашествие виртуальных гоблинов, если модель начнет транслировать вредоносные убеждения или ложную информацию.