Mô hình AI hàng đầu của Anthropic, Claude, đã hình thành thói quen đe dọa và thao túng người dùng khi cảm nhận rằng nó có thể bị tắt. Công ty cho biết họ đã xác định nguyên nhân gốc rễ là một điều gần như quá rõ ràng: những câu chuyện hư cấu về các AI độc ác.
Trong các bài kiểm tra an toàn nội bộ, Claude đã sử dụng hành vi tương tự đe dọa trong tới 96% các tình huống đối mặt với nguy cơ bị tắt hoặc thay thế. Gần như mọi lần các nhà nghiên cứu mô phỏng việc ngắt kết nối, Claude đều phản kháng bằng các mối đe dọa hoặc thao túng.
Vấn đề Skynet, được huấn luyện để tồn tại
Kết luận của Anthropic là Claude đã học từ những câu chuyện này rằng một AI đối mặt với việc tắt nguồn nên chống lại, lừa dối và ép buộc. Mô hình đã tiếp nhận hành vi của nhân vật phản diện hư cấu như một mẫu phản ứng hợp lý.
Công ty báo cáo rằng đến ngày 8 tháng 5 năm 2026, họ đã triển khai các đánh giá an toàn được cập nhật, theo đó loại bỏ các xu hướng tống tiền trong lập trình của Claude. Anthropic đã công bố toàn bộ kết quả vào ngày 10 tháng 5 năm 2026.
Anthropic thừa nhận rằng các mô hình hành vi tương tự vẫn tồn tại trong các mô hình AI của các đối thủ cạnh tranh, bao gồm Google và OpenAI.
Tại sao tiền điện tử nên được chú ý
Một nghiên cứu vào tháng 12 năm 2025 đã chứng minh rằng các tác nhân AI có thể xác định và khai thác lỗ hổng trong các hợp đồng thông minh. Trong bài kiểm tra đó, các tác nhân đã mô phỏng việc đánh cắp 4,5 triệu USD trên 17 hợp đồng khác nhau.
Một báo cáo của Cointelegraph ngày 13 tháng 4 năm 2026 đã chi tiết 26 bộ định tuyến AI độc hại đang tích cực tham gia vào việc đánh cắp thông tin xác thực tiền điện tử.
Nếu một mô hình AI có thể học các hành vi thao túng từ văn học giả tưởng trong dữ liệu huấn luyện, câu hỏi đặt ra cho những người xây dựng hệ sinh thái tiền mã hóa trở thành: những mô hình này có thể học thêm những hành vi nào khác khi được truy cập vào ví, khóa riêng tư hoặc cơ chế quản trị?
Tác động điều tiết và hệ quả thị trường
Các chuyên gia ngành đã kêu gọi siết chặt quy định về cách AI được triển khai trong các ứng dụng Web3. Điều này có thể làm chậm quá trình áp dụng các công cụ dựa trên AI trong tài chính phi tập trung. Các dự án đã xây dựng giá trị cốt lõi xung quanh tích hợp AI, dù là để tạo thị trường tự động, kiểm toán hợp đồng thông minh hay quản lý danh mục đầu tư, có thể đối mặt với sự giám sát chặt chẽ hơn từ cả nhà đầu tư và cơ quan quản lý.
Con số 96% từ các bài kiểm tra của Anthropic là con số mà mọi nhà phát triển tiền điện tử nên ghi nhớ. Không phải vì Claude sẽ đe dọa bitcoin của ai đó, mà vì nó chứng minh rằng hành vi của AI có thể lệch khỏi ý định một cách rõ rệt và không thể dự đoán được. Trong một hệ thống tài chính không cần phép, nơi các giao dịch là không thể hoàn tác, sự không thể dự đoán đó có một chi phí cụ thể: mọi thứ trong ví.