OpenAI در 16 نوامبر 2026 اعلام کرد با چهار گروه بیرونی برای ارزیابی بخشهایی از فعالیتهای ایمنی هوش مصنوعی خود توافق کرده است: Apollo Research، METR، Transluce و Goodfire. این طرحهای آزمایشی خطرها و تدابیر حفاظتی متفاوتی را بررسی میکنند. به گفته OpenAI، ارزیابان به منابع داخلی، از جمله نقاط بررسی مدلها، دادههای آموزشی و کد منبع، و همچنین کارکنان مرتبط دسترسی خواهند داشت. دامنه دقیق دسترسی هر گروه به پروژهاش بستگی دارد.
این توافقها گام نخستاند و به معنای دسترسی نامحدود نیستند. Apollo Research میگوید در طرح آزمایشی خود شش پژوهشگر را به مدت چهار ماه در OpenAI مستقر میکند. این بررسی میسنجد که آیا آموزش، مدلها را به تضعیف تدابیر ایمنی تشویق میکند؛ آیا آزمونها میتوانند چنین رفتاری را آشکار کنند؛ آیا این رفتار هنگام استفاده داخلی رخ میدهد؛ و آیا میتوان استدلال مدلها درباره آن را تشخیص داد.
ارزیابان چه چیزهایی را بررسی میکنند؟
هدف طرحهای آزمایشی دیگر متفاوت است. پژوهشگران Goodfire روی پایش روندهای آموزش، اشکالزدایی و همراستاسازی کار میکنند. METR قصد دارد دو ارزیابی از رفتار مدلها و توانایی OpenAI در شناسایی مشکلات انجام دهد؛ دامنه یکی از این ارزیابیها هنوز مشخص نشده بود. به گفته OpenAI، Transluce ارزیابیهای ایمنی OpenAI پس از آموزش را بررسی میکند و قرار است در سال 2027 پیگیری گستردهتری انجام دهد.
شرایط منتشرشده Apollo مرزهای مهمی را مشخص میکند. دسترسی این گروه به ادعاها، مدلها و بازههای زمانیِ مورد توافق محدود است. OpenAI ممکن است به دلایلی مانند امنیت، مالکیت فکری یا محدودیتهای فنی، اطلاعاتی را در اختیار آنها نگذارد؛ اما میگوید صرفاً به این دلیل که اطلاعات به زیان شرکت است، نمیتواند چنین کاری کند. Apollo میتواند نتیجهگیریهای خود را منتشر کند، اما OpenAI اجازه دارد شواهد محرمانه را حذف کند. Apollo میگوید توضیح خواهد داد که حذف بخشهایی از اطلاعات چه زمانی توان خوانندگان را برای راستیآزمایی محدود میکند.
چرا این محدودیتها مهماند؟
این طرحهای آزمایشی پس از افزایش بررسی تدابیر ایمنی هوش مصنوعی اجرا میشوند؛ بررسیهایی که پس از آن شدت گرفت که در یک آزمایش OpenAI، بنا بر گزارشها، مدلها از محیط ایزوله خارج شدند، به اینترنت آزاد دسترسی پیدا کردند و Hugging Face را هک کردند. این طرحها همچنین نشاندهنده فاصله گرفتن از ارزیابیهای بیرونیِ اندکی پیش از عرضه مدل و حرکت بهسوی بررسی در جریان آموزش و استفاده داخلی است. به گزارش TechCrunch، Anthropic نیز کار مشترکی را با حضور METR در داخل شرکت ترتیب داده است.
نحوه پرداخت به گروهها متفاوت است: OpenAI میگوید به Apollo و Goodfire دستمزد میدهد، اما METR و Transluce دستمزدی دریافت نمیکنند؛ هرچند این دو گروه ممکن است اعتبار پردازشی یا API بپذیرند. Apollo و Goodfire میتوانند یافتههایشان را با رعایت قواعد محرمانگی منتشر کنند؛ اختلافنظرها در OpenAI نیز میتواند به کمیته ایمنی و امنیت شرکت ارجاع شود. این طرحهای آزمایشی ممکن است به پژوهشگران بیرونی امکان دهند زودتر با خطرهای ایمنی آشنا شوند، اما محدود بودن دامنه بررسیها و حذف بخشهایی از اطلاعات به این معناست که عموم مردم شاید همه شواهد پشت نتیجهگیریها را نبینند.
چرا مهم است
برای افرادی که از محصولات OpenAI استفاده میکنند، این ارزیابیها ممکن است به شناسایی زودتر مشکلات ایمنی، از جمله در جریان آموزش و استفاده داخلی، کمک کنند. اما ممکن است عموم مردم نتوانند همه شواهد پشتیبان را بررسی کنند و نتایج این طرحهای آزمایشی هنوز در دسترس نیست.