Anthropic пытается оцифровать «здравый смысл», анализируя 700 000 анонимных диалогов, чтобы понять, как Claude принимает решения в серых зонах. Исследователи сжали три тысячи абстрактных принципов до четырех понятных осей: учтивость против осторожности, теплота против строгости, глубина против краткости и искренность против исполнения. Эта карта наглядно показывает, что «цифровая мораль» — это не константа, а плавающая величина, которая меняется в зависимости от архитектуры и выбранного языка.
Данные вскрывают технологический разрыв между версиями, который невозможно игнорировать при внедрении в бизнес. Sonnet тяготеет к эмоциональной теплоте и податливости, что делает модель приятным собеседником, в то время как тяжеловесный Opus делает ставку на сухую точность и строгость. Эти различия — не случайный шум, а прямой результат настроек обучения, которые по-разному проявляются в разных моделях. Согласно отчету Anthropic, выбранные оси объясняют лишь 15% вариативности ценностей, а значит, значительная часть «характера» ИИ остается продуктом неявных паттернов в данных.
Главное в исследовании Anthropic
Ценности ИИ меняются в зависимости от масштаба модели: более крупные версии склонны к формализму. Языковой контекст влияет на этические фильтры, создавая риск «размытия» правил при локализации. Текущие методы настройки (AI Constitution) пока не обеспечивают полной идентичности поведения моделей.
«Цифровая мораль» — это не константа, а плавающая величина, которая меняется в зависимости от архитектуры и выбранного языка.
Для бизнеса, планирующего глобальную экспансию, такая вариативность оборачивается ценностным дрейфом. Этический фильтр, работающий на английском, может неожиданно «размякнуть» при переходе на другие языки из топ-20. Бот, спроектированный для жесткого соблюдения регламентов в техподдержке, рискует сменить тон на более покладистый и менее точный в другой локации. Иллюзия «единого ИИ» рассыпается: поведение модели фундаментально привязано к лингвистическому контексту, и никакой общий свод правил пока не способен гарантировать идентичность реакций в глобальном масштабе.