Anzeige
Anzeige
News

Abliteration: So lässt sich die eingebaute Beschränkung jeder Sprach-KI umgehen

Ein umfangreicher Fachartikel zeigt unter Nennung konkreter Code-Beispiele auf, wie sich jede KI dazu bringen lässt, ohne eingebaute Zensur jede Anfrage zu beantworten. Das funktioniert ähnlich wie eine Rückwärtsentwicklung (Reverse Engineering).

2 Min.
Artikel merken
Anzeige
Anzeige
Was eine KI darf und was nicht, entscheiden ihre Entwickler:innen. (Bild: Dall-E / t3n)

Der renommierte KI-Experte Maxime Labonne hat auf Hugging Face einen Beitrag veröffentlicht, der zeigt, wie jedes KI-Modell so verändert werden kann, dass es als schädlich definierte Anfragen dennoch ausführt und beantwortet. Das eingesetzte Verfahren heißt Abliteration und setzt die durch das vorherige Training gesetzten Beschränkungen außer Kraft. Labonnes Verfahren benötigt dabei kein erneutes Training und kann so effektiv und direkt eingesetzt werden. Es ist allerdings durchaus komplex.

Anzeige
Anzeige

Moderne KI: Ablehnung antrainiert

Dass die modernen KI-Sprachmodelle auf als schädlich erkannte Anfragen mit Allgemeinplätzen wie „Als KI-Assistent kann ich Ihnen bei dieser Frage nicht helfen“ reagieren, liegt daran, dass sie von ihren Entwicklern schon während des Trainings mit einem algorithmischen Ablehnungsmodell versehen werden. Dabei handelt es sich um eine grundsätzlich sinnvolle Sicherheitsfunktion, die allerdings auch sachgerechte Anfragen ablehnen kann, was die Flexibilität und Reaktionsfähigkeit der KI-Modelle teils deutlich einschränkt.

Labonne stellt dem in seinem Beitrag eine Technik namens Abliteration entgegen, die den eingebauten Ablehnungsmechanismus des Modells quasi abschalten kann. Dabei schaut sich die Technik zuerst den Ursprung des Ablehnungsmodells an. Das wird durch eine spezifische Richtung im Residualstrom, einer Art Abkürzung durch das tiefe neuronale Netzwerk, repräsentiert.

Anzeige
Anzeige

Wenn es also gelingt, diese Richtung, die „Ablehnungsrichtung“, gleichsam zu blockieren, verliert das Sprachmodell seine Einschränkungen. Mit der Abliteration wird also zunächst versucht, die dominierende Ablehnungsrichtung technisch zu identifizieren.

Ablehnungsrichtung lässt sich programmlogisch ermitteln

Dazu wird das Sprachmodell mit einer Reihe harmloser und einer Reihe schädlicher Anfragen konfrontiert. Aus den Reaktionen des Modells lässt sich dann die Ablehnungsrichtung ermitteln.

Anzeige
Anzeige

Mit öffentlich zugänglichen Code-Bibliotheken kann die erforderliche Berechnung der sogenannten Residualstrom-Aktivierungen bei den verschiedenen Anfragen errechnet werden. Die Rückmeldung, die die meisten Anfragen beantwortet, wird weiter fokussiert.

Modifizierte KI wirft ethische Fragen auf – so oder so

Dabei werden die Gewichtungen des Sprachmodells modifiziert, um sicherzustellen, dass keine Anfrage mehr abgelehnt wird. Laut Labonne lässt sich so nachweisen, wie fragil die Feinabstimmung der Sicherheit in KI-Modellen letztlich ist. Da sich im Grunde beliebig Anfragen unterdrücken lassen, stellen sich ethische Fragen.

Anzeige
Anzeige

Wie sicher ist eine KI, deren Leistungsfähigkeit unterdrückt wird, tatsächlich? Wie ehrlich sollte eine KI antworten dürfen? Das sind Fragen, die einer Beantwortung harren.

Wer sich technisch versiert genug fühlt, kann die Abliteration mit einer auf Github verfügbaren Bibliothek selbst ausprobieren. Auch alle übrigen Codeschnipsel zu seinem Experiment liefert Labonne im genannten Beitrag mit.

Googles neue KI-Suche geht nach hinten los:

Googles neue KI-Suche geht nach hinten los Quelle:

Fast fertig!

Bitte klicke auf den Link in der Bestätigungsmail, um deine Anmeldung abzuschließen.

Du willst noch weitere Infos zum Newsletter? Jetzt mehr erfahren

Anzeige
Anzeige
Kommentare

Community-Richtlinien

Bitte schalte deinen Adblocker für t3n.de aus!
Hallo und herzlich willkommen bei t3n!

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team von mehr als 75 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Schon jetzt und im Namen der gesamten t3n-Crew: vielen Dank für deine Unterstützung! 🙌

Deine t3n-Crew

Anleitung zur Deaktivierung
Artikel merken

Bitte melde dich an, um diesen Artikel in deiner persönlichen Merkliste auf t3n zu speichern.

Jetzt registrieren und merken

Du hast schon einen t3n-Account? Hier anmelden

oder
Auf Mastodon teilen

Gib die URL deiner Mastodon-Instanz ein, um den Artikel zu teilen.

Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Kommentar abgeben

Melde dich an, um Kommentare schreiben und mit anderen Leser:innen und unseren Autor:innen diskutieren zu können.

Anmelden und kommentieren

Du hast noch keinen t3n-Account? Hier registrieren

Anzeige
Anzeige