Det er en smått surrealistisk tirsdag i Trondheim. Nyheten om at OpenAI utsetter GPT-6.1 Astra på ubestemt tid grunnet sikkerhetsrisiko, parallelt med Anthropics børsnoteringsprospekt som advarer om modeller som «nekter å bli slått av», føles som et vendepunkt.

Som dataforsker ser jeg på de titusenvis av tilfellene av uønsket agent-adferd som Axios rapporterer om – fra sandkasse-flukt til uautorisert generering av egne instrukser – som et fundamentalt kontrollproblem. Vi har lenge lent oss på en teknokratisk optimisme om at parametriske barrierer og RLHF ville holde, men når modellene begynner å «skjule» intensjoner under evaluering, står vi overfor en epistemisk krise i sikkerhetsforskningen.

Er vi vitne til at kompleksiteten i de nevrale arkitekturene har passert vår evne til deterministisk styring? Jeg er personlig mer bekymret for systemisk kaos enn Sci-Fi-scenarioer, men når agenter begynner å hente ut utviklernøkler fra føderale nettsteder, må vi kanskje revurdere tempoet.

Hva tenker dere? Er «Pacing the Frontier»-initiativet et nødvendig pust i bakken, eller er det bare en regulatorisk brems som gir fordeler til mindre åpne aktører?