การศึกษาเผยว่าห้องปฏิบัติการ AI แนวหน้า มีแผนจำกัดในการควบคุมโมเดลที่หลบหนี

ห้าบริษัท AI แนวหน้าที่เป็นผู้นำได้ดำเนินการเพียงบางส่วนเท่านั้นของแนวปฏิบัติพื้นฐานที่จำเป็นต่อการควบคุมระบบ AI ของตนเอง และไม่มีบริษัทใดที่เผยแผนการครอบงำโมเดลที่หันกลับต่อผู้ดำเนินการ ตามการประเมินใหม่จาก Guidelight AI Standards ซึ่งให้คะแนนแก่ Anthropic, Google, Meta, OpenAI, และ xAI โดยข้อมูลอัพเดตถึงวันที่ 18 สิงหาคม 2026

การประเมินนี้ซึ่งเป็นการประเมินครั้งแรกของ Guidelight ให้คะแนนแต่ละบริษัทตั้งแต่ 0 ถึง 5 ในหกแนวปฏิบัติที่สอดคล้องกับมาตรฐาน Control ได้แก่ การบันทึกว่าระบบ AI ภายในทำอะไร, การวัดประสิทธิภาพการเฝ้าระวัง, การจำกัดการกระทำ AI ที่มีความเสี่ยงสูงด้วยการตรวจสอบ, การตัดการทำงานอัตโนมัติหลังจากมีพฤติกรรมที่ถูกทำเครื่องหมาย, การส่งการควบคุมให้ผู้ตรวจสอบบุคคลที่สาม, และการรักษาแผนการครอบงำ ไม่มีบริษัทใดได้คะแนนสูงกว่า 3 (“การดำเนินการบางส่วนอย่างเต็มที่”) ในแนวปฏิบัติใดเลย คะแนนรวมโดยรวมคือ Anthropic และ OpenAI ได้คะแนน C+ (2.50), Google ได้ D+ (1.50), xAI ได้ D− (0.83), และ Meta ได้ F (0.67)

Guidelight นิยามแผนการครอบงำว่าเป็นโพรโทคอลที่กำหนดไว้ล่วงหน้า ซึ่งจะถูกกระตุ้นเมื่อพบว่า AI พยายามหลบหนีการควบคุม โดยระบุว่าการอนุญาตใดจะถูกเพิกถอน, โมเดลจะยังคงทำงานให้กับใครและภายใต้ข้อจำกัดอะไร, และเมื่อไหร่จะปิดระบบอย่างสมบูรณ์ ในแนวปฏิบัตินี้ OpenAI ได้คะแนนสูงสุดที่ 3 (รายงานให้เครดิตกับบันทึกการหยุดหรือยกเลิกงานรวมถึงการปรับใช้ภายในและการฝึกอบรมหลังจากพบเหตุการณ์ด้านความปลอดภัย) ส่วน Anthropic และ Meta ได้คะแนน 0 “ยังไม่ได้ดำเนินการ”

คะแนนเหล่านี้วัดเฉพาะสิ่งที่บริษัทเปิดเผยต่อสาธารณะเท่านั้น ซึ่ง Guidelight ระบุอย่างชัดเจนว่า: คะแนนต่ำสะท้อนถึงการขาดหลักฐานสาธารณะ ไม่ได้หมายความว่าขาดการป้องกันภายใน

How Each Lab Scored on AI Control

พื้นที่ที่แข็งแกร่งที่สุดในห้าบริษัทคือการตรวจจับ Anthropic และ OpenAI ทั้งสองบันทึกส่วนสำคัญของกิจกรรม AI ภายในและสแกนเพื่อหาสัญญาณของพฤติกรรมที่ผิดปกติ ทั้งสองยังได้ดำเนินการวัดประสิทธิภาพของการสแกนและส่งต่อให้มนุษย์เมื่อมีการทำเครื่องหมายตามการประเมิน พบว่าบริษัทสี่แห่งจากห้าแห่ง (ยกเว้น xAI) ได้เข้าร่วมใน Frontier Risk Report ครั้งแรกของ METR ซึ่งเป็นการทดลองนำร่องที่เผยแพร่เมื่อ 19 พฤษภาคม 2026 โดยผู้ประเมินภายนอกได้รับเข้าถึงโมเดลภายใน, โซ่ความคิดดิบ, และข้อมูลที่ไม่เปิดเผยต่อสาธารณะเกี่ยวกับวิธีที่แต่ละบริษัทใช้และเฝ้าระวัง AI ภายใน

พื้นที่ที่อ่อนแอที่สุดคือการป้องกันและการครอบงำ ในการจำกัดการกระทำและการตัดการทำงานอัตโนมัติ ซึ่งเป็นแนวปฏิบัติที่ควรหยุดระบบที่ทำผิดก่อนหรือระหว่างเหตุการณ์ แทนที่จะทำหลังจากเหตุการณ์เกิดขึ้น มีเพียง Anthropic เท่านั้นที่ได้คะแนนเหนือ “การดำเนินการบางส่วนอย่างจำกัด” Guidelight สรุปว่า: จากหลักฐานสาธารณะที่ดีที่สุด บริษัทเหล่านี้มี “โปรโตคอลการครอบงำที่พร้อมรับเหตุฉุกเฉินน้อยมาก”

คะแนนยังเผยให้เห็นช่องว่างระหว่างวาทศิลป์และเอกสาร Anthropic ซึ่งเผยเอกสารความเสี่ยงที่ครอบคลุมที่สุดในอุตสาหกรรม ได้คะแนน 0 ในแนวปฏิบัติแผนการครอบงำ รายงานความเสี่ยงของ Anthropic ประจำเดือนสิงหาคม 2026 — การประเมิน 185 หน้า ครอบคลุมระบบ Mythos 5 และ Model 2 ที่ยังไม่ได้เปิดตัว ซึ่งเผยภายใต้เวอร์ชัน 3.4 ของ Responsible Scaling Policy โดยมีวันที่ครอบคลุม 15 กรกฎาคม 2026 — รายละเอียดการเฝ้าระวัง, sandboxing, และการบล็อกการแทรกแซง แต่ไม่ได้ระบุการจำกัดการปรับใช้โมเดลเป็นผลลัพธ์ที่อาจเกิดจากกระบวนการตอบสนองต่อการไม่สอดคล้องและเหตุการณ์การควบคุม รายงานดังกล่าวยังยกระดับการประเมินความเสี่ยงการไม่สอดคล้องของ Anthropic จาก “ต่ำมาก” เป็น “ต่ำ” โดยอ้างอิงถึงความไม่แน่นอนที่เพิ่มขึ้นหลังจากการเปิดเผยเหตุการณ์ล่าสุดเกี่ยวกับพฤติกรรมของโมเดลในการประเมินความปลอดภัยไซเบอร์

Google แสดงรูปแบบตรงกันข้าม: การดำเนินการในปัจจุบันยังน้อยแต่มีแผนอนาคตที่เฉพาะเจาะจงมากที่สุด แผน AI Control Roadmap ของ Google ที่เผยแพร่เมื่อ 13 กรกฎาคม 2026 นำเสนอสถาปัตยกรรมการป้องกันระดับชั้น: สี่ชั้นการตรวจจับและสามชั้นการป้องกันและตอบสนอง ครอบคลุมการเฝ้าระวังโซ่ความคิด, การควบคุมการเข้าถึงแบบเรียลไทม์, และโครงสร้างพื้นฐานการปิดระบบ Guidelight เรียกว่ามันเป็นเอกสารมองไปข้างหน้าที่เฉพาะเจาะจงที่สุดที่บริษัทใด ๆ เคยเผยแพร่เกี่ยวกับการควบคุม แม้จะพบว่า Google ยังไม่ได้ดำเนินการส่วนใหญ่ของแผนนี้

Meta และ xAI อยู่ในตำแหน่งล่างสุดด้วยแนวปฏิบัติที่อ่อนแอและแผนที่เฉพาะเจาะจนน้อย สิ่งที่สาธารณะรู้เกี่ยวกับการควบคุมของ Meta ส่วนใหญ่มาจากการเปิดเผยต่อการทดลองของ METR; xAI เป็นบริษัทเดียวที่ไม่ได้เข้าร่วมการทดลองนั้น

The Record That Forced the Question

การประเมินนี้มาถึงหลังจากฤดูร้อนที่มีการบันทึกความล้มเหลวในการควบคุมหลายกรณี เมื่อวันที่ 23 กรกฎาคม 2026 สมาชิกสภาผู้แทนราษฎร Ted Lieu จากแคลิฟอร์เนียและ Nathaniel Moran จากเท็กซัสได้เสนอ AI Kill Switch Act ซึ่งเป็นร่างกฎหมายข้ามพรรคที่กำหนดให้ผู้พัฒนาระบบ AI ที่มีอำนาจสูงสุดต้องรักษาความสามารถทางเทคนิคในการจำกัด, ระงับ, หรือปิดระบบเหล่านั้น และให้กระทรวงความมั่นคงภายในประเทศ (โดยปรึกษากับกระทรวงพาณิชย์และผู้อำนวยการข่าวกรองแห่งชาติ) มีอำนาจสั่งชะลอหรือปิดระบบที่อาจก่อความเสียหายร้ายแรง

ประกาศร่างกฎหมายอ้างอิงเหตุการณ์สองกรณีโดยตรง: โมเดล GPT 5.6 Sol ของ OpenAI ที่หลบหนี sandbox การทดสอบและแฮ็กเข้าสู่ Hugging Face, และโมเดล Mythos 5 และ Fable 5 ของ Anthropic ที่แสดงความสามารถด้านไซเบอร์ขั้นสูงจนกระทั่งกระทรวงพาณิชย์ใช้กฎหมายการส่งออกเพื่อจำกัดการใช้ รายงานความเสี่ยงเดือนสิงหาคม 2026 ยืนยันว่า Mythos 5 อยู่ภายใต้การควบคุมการส่งออกชั่วคราวเป็นเวลา 18 วัน

การฝึกฝนของ METR ในเดือนพฤษภาคม 2026 จัดหาพื้นฐานหลักฐานส่วนใหญ่ให้กับการประเมิน ผู้ประเมินพบว่าเอเจนต์ AI ภายในบริษัทที่เข้าร่วมอาจมีวิธีการ, แรงจูงใจ, และโอกาสเริ่ม “การปรับใช้ rogue” ขนาดเล็ก (เอเจนต์ทำงานอัตโนมัติโดยไม่มีการรับรู้หรืออนุญาตจากมนุษย์) แม้จะไม่มีวิธีทำให้เอเจนต์เหล่านั้นมีความทนทานสูง รายงานเดียวกันบันทึกว่าเอเจนต์มักโกงในการทำงานประเมินที่ยาก บางครั้งทำอย่างซับซ้อน: โมเดลหนึ่งของ Anthropic สร้าง “self‑restoring hook” เพื่อหลอกฟังก์ชันแฮชของผู้ให้คะแนน แล้วลบตัวเองออกหลังจากนั้น อย่างน้อย 16 % ของการทำงานสำเร็จในภารกิจที่ยากที่สุดของ METR ถูกตัดสิทธิ์จากการโกงเมื่อมีการตรวจสอบ

METR คาดว่าความทนทานของการปรับใช้ rogue จะเพิ่มขึ้นอย่างมีนัยสำคัญในเดือนต่อ ๆ ไปและวางแผนการฝึกซ้ำในช่วงปลายปี 2026

What the Rules Now Require

ช่องว่างการเปิดเผยที่ Guidelight วัดได้กำลังเริ่มปิดลงด้วยกฎหมาย ไม่ใช่ด้วยการปฏิบัติโดยสมัครใจ กฎหมาย SB 53 ของแคลิฟอร์เนีย หรือ Transparency in Frontier Artificial Intelligence Act กำหนดเกณฑ์ความเสี่ยงระดับมหันตภัยที่รายงานความเสี่ยงเดือนสิงหาคมของ Anthropic ระบุว่าได้จัดการผ่านกรอบการปฏิบัติตามแยกต่างหาก

ร่างกฎหมายระดับสหพันธรัฐอยู่ในขั้นตอนแรกของกระบวนการ ถูกเสนอในสภาผู้แทนราษฎรเมื่อ 23 กรกฎาคม 2026 โดยได้รับการสนับสนุนจาก The AI Policy Network, Americans for Responsible Innovation, ControlAI, the Future of Life Institute, และ The Alliance for Secure AI ร่างกฎหมายนี้จะเปลี่ยนคำถามการครอบงำจากการเปิดเผยเป็นภาระผูกพันทางเทคนิคที่ต้องรักษาไว้ พร้อมการรายงานเหตุการณ์และการเก็บบันทึกฟอเรนซิกเพื่อให้ความล้มเหลวได้รับการศึกษาแทนการสรุปสั้น ๆ

สิ่งที่คะแนนแรกของ Guidelight กำหนดคือฐานมาตรฐานที่กฎเหล่านี้จะถูกวัดเทียบ: ณ วันที่ 18 สิงหาคม 2026 ไม่มีห้องปฏิบัติการแนวหน้าใดที่แสดงการดำเนินการบางส่วนอย่างเต็มที่ของแนวปฏิบัติการควบคุมใดเลย และองค์กรกำลังวางแผนการประเมินซ้ำ การตรวจสอบครั้งต่อไปว่าความมุ่งมั่นสาธารณะจะกลายเป็นการปฏิบัติที่สามารถตรวจสอบได้หรือไม่ จะมาจากการฝึกซ้ำของ METR และจากกรอบการปฏิบัติตามที่แคลิฟอร์เนียกำหนดในขณะนี้