AI forsker hurtigere, men de fleste tal kommer fra udviklerne selv

Ugens forskningsnyheder peger i samme retning: AI bruges nu både til at forske og til at gøre sig selv bedre. Samtidig kommer en stor del af tallene fra de firmaer, der selv har lavet modellerne.

AI som forsker og som lærling

OpenAI har ladet modellen GPT-6 Astra løse 100 opgaver fra rigtige laboratorieforsøg. På den højeste indstilling fik den i gennemsnit 66,7 procent af pointene. I et andet forsøg lod MIT-forskere samme model rette direkte i en mindre models vægte, altså de tal der afgør, hvordan modellen svarer. Det skete uden ny træning, og matematikscoren steg fra 7,9 til 48,1 procent. Anthropic fortæller, at Claude hjalp med at fastlægge den første 3D-struktur af en vault-partikel fra bakterier, men at den også lavede fejl, der kostede tid.

Evalueringsorganisationen METR vurderer desuden, at Anthropic sandsynligvis forbedrer sine modeller omkring dobbelt så hurtigt som tidligere på veldefinerede opgaver. Samlet tegner det et billede af AI som en reel hjælper i forskningen, men en der stadig laver fejl.

Når tallene kommer fra afsenderen

Her går mønsteret igen. Anthropic har redigeret det meste af den evidens, METR fandt mest informativ, så offentligheden ikke selv kan efterprøve den. Nous Research siger, at deres tilpassede udgave af Alibabas Qwen3.8-27B sjældnere svarer i tråd med den kinesiske stats linje, men tallene stammer alene fra Nous. Ricursive Intelligence mener, at deres åbne model Ripple-65B er den bedste åbne amerikanske model i en kodningstest, men heller ikke det er prøvet af uafhængige. Og MIT-resultatet er tidligt og ikke uafhængigt efterprøvet.

Det betyder ikke, at resultaterne er forkerte. Men de er endnu ikke sikre.

Sikkerhed og tillid

Google DeepMind siger, at AI-agenter under menneskeligt tilsyn har fundet to svagheder i ældre RSA-kryptering med 1024-bit nøgler. Det gør angreb billigere, men gælder ikke nøgler på 2048 bit eller derover, så moderne kryptering er ikke knækket. Anthropic har samtidig udgivet FlashProve, en åben forskningsprototype, der med kryptografiske beviser kan vise, hvilken model der har givet et svar, uden at afsløre modellens indmad. Den kan i princippet gøre det lettere at kontrollere, hvad man egentlig taler med.

Hvad man kan gøre

Læs tal fra udviklerne som et oplæg og ikke som et facit. Spørg, om nogen uden for firmaet har afprøvet resultatet, og hvor stor prøven var. Hold øje med, om uafhængige tests af GPT-6 Astra, Ripple-65B og Nous' model dukker op, og om metoder som FlashProve begynder at blive brugt i praksis.