«Бесцензурные» ИИ-модели ставят вопрос ответственности — но доказательств пока мало
Разговор о «бесцензурных» ИИ-моделях ставит вопрос о подотчётности и ответственности разработчиков, однако конкретных доказательств их реального вреда пока мало. Открытые весовые модели и их варианты, у которых убрано поведение отказа, быстро распространяются, порождая дискуссию о том, как регулировать технологию, которая плохо поддаётся традиционному контролю.
Фронтир-модели от OpenAI, Anthropic и Google поставляются с обученной безопасностью, отказывающей выполнять широкий круг легальных сценариев — от безопасности и научной фантастики с конфликтами до медицинских справок, юридических исследований и зрелого творчества. Экосистема с открытым исходным кодом заполнила пробел «бесцензурными» и «аблитерированными» (очищенными от отказов) вариантами: те же архитектуры, но поведение отказа либо переобучено, либо дообучено, либо хирургически удалено на уровне активаций.
Почему это сложно контролировать. «Бесцензурные» модели создаются двумя способами: дообучением (как серия Dolphin), когда модель переучивают игнорировать правила безопасности, или аблитерацией — удалением направления отказа из выровненных весов. Они открывают легальные сценарии, которые закрывают закрытые модели, от исследований безопасности до творческой работы. Провайдеры продвигают настраиваемые параметры безопасности с разрешающими настройками по умолчанию и жёсткими ограничениями на нелегальный контент — например, Venice ограничивает противозаконное использование.
Многие такие модели имеют открытые лицензии: Xiaomi MiMo-V2.6 (MIT), Qwen-Image-2.1 от Alibaba (Apache 2.0), Huihui-Qwen3.5-27B-abliterated и другие. Открытые веса означают, что модель нельзя «отозвать» после публикации, что делает традиционное регулирование ограниченным. Заявления о полном отсутствии отказов, как у Abliterated-Llama-4 с нулём отказов в тесте 400 противоречивых запросов, встречаются, но их значимость для реального вреда остаётся предметом спора.
Доказательств мало. Пока нет убедительных данных о том, что открытые «бесцензурные» модели привели к значимым негативным последствиям в масштабе. Обсуждение ответственности во многом опережает фактическую картину: требования подотчётности сталкиваются с тем, что убедительные свидетельства массового ущерба остаются тонкими. Это держит дебаты о регулировании открытых моделей открытыми — от призывов к прозрачности до сомнений в допустимости ограничений открытого ПО.
