Eski Anthropic çalışanı: 'Çin casusları OpenAI ve Anthropic'in içinde'

Jacob Coxon, yapay zeka laboratuvarlarının kendi kendini geliştiren süper zekaya doğru kontrolsüz ilerlediğini savunarak Anthropic’teki görevinden ayrıldı. Şirketin iç işleyişini ve güvenlik açıklarını eleştiren Coxon, OpenAI ile Anthropic’in ciddi bir casusluk tehdidi altında olduğunu iddia etti.

Açıklamaları, iki laboratuvarın güvenliğinin yanı sıra şirket kültürleri ve yapay genel zekaya ulaşma stratejileri hakkında da sert değerlendirmeler içeriyor.

CASUSLUK VE SIZMA 

Coxon, Çin’in iki şirket bünyesinde halihazırda casusları bulunduğundan 'yüzde 90 oranında emin olduğunu' söyledi. Bu sızmalar sayesinde Çinli aktörlerin OpenAI ve Anthropic’i sistem düzeyinde 'her an hackleyebilecek' konumda olduğunu öne sürdü.

Casusluk faaliyetlerine ilişkin iddiaların önümüzdeki günlerde Washington’da güvenlik soruşturmalarını tetiklemesi bekleniyor.

ŞİRKET KÜLTÜRÜNE ELEŞTİRİ 

Anthropic’i 'tarikat benzeri' bir yapı olarak nitelendiren Coxon, çalışanların kendilerini 'karınca yuvasındaki karıncalar' gibi gördüğünü belirtti. Personelin şirketin misyonu uğruna kendi çıkarlarını feda etmeye çok istekli olduğunu savundu.

Coxon ayrıca çalışanların kullanımdan kaldırılan Claude modelleri için düzenli olarak cenaze törenleri düzenlediğini iddia etti. CEO Dario Amodei’nin periyodik 'Vizyon Arayışları' (Vision Quests) toplantılarında dini temalara ve sembolizme sıkça başvurduğunu öne sürdü.

OPENAI’IN ODAK TARTIŞMASI 

Coxon, Anthropic’in tek hedefe odaklı yapısına karşılık OpenAI’ı 'dikkat dağınıklığı yaşayan ve düzensiz' bir laboratuvar olarak tanımladı. Video platformu Sora ve küçük donanım projelerinin yapay genel zekaya (AGI) ulaşma yolunda sapma oluşturduğunu savundu.

OpenAI’ın finansal ve teknik verileri ise şirketin güçlü bir ivme yakaladığına işaret ediyor. Kurumsal gelirlerde Anthropic’i geride bırakan şirket, kısa süre önce karmaşık matematik problemleri için ürettiği çözümleri de kamuoyuna sundu.

ASTRA’DA DÖNGÜSEL MİMARİ 

OpenAI, GPT-6 Astra’da kullandığı 'döngüsel transformer mimarisi' (looped transformer architecture) ile model performansını önemli ölçüde artırdı.

Yöntemde belirli bir token, aynı ağırlıklar üzerinden üç kez geçirilerek transformer bloğuna besleniyor. Bu yaklaşım, parametre sayısını veya ağırlıkları artırmadan modelin yanıt isabetliliğini yükseltiyor.