OpenAI-ledelsens chokerende plan: At spille stormagter ud mod hinanden for at sikre milliarder

En plan, der chokerede medarbejdere

OpenAI’s ledelse forfærdede medarbejdere med et forslag om at udnytte geopolitiske spændinger for at berige virksomheden. Planen, der internt blev kaldt "landeplanen", gik ud på at spille stormagter som Kina og Rusland ud mod hinanden for at starte en budkrig om AI-teknologi. Ifølge en tidligere etikrådgiver, Page Hedley, var tanken: "Det virkede for atomvåben – hvorfor ikke for AI?"

Medarbejdere truede med at sige op

Planen blev kortvarigt overvejet i 2017, men blev droppet få måneder senere, efter at medarbejdere truede med at forlade virksomheden. En juniorforsker beskrev mødet, hvor planen blev diskuteret, som "fuldstændig vanvittig".

Hedley udtalte senere, at medarbejdernes modstand aldrig vejede tungt nok i Sam Altmans beregninger. "Det var altid noget, der havde mere vægt end 'Dette er ikke en god plan, fordi det kan udløse krig mellem stormagter'," sagde han.

Altman manipulerede amerikanske myndigheder

I 2017 begyndte OpenAI’s CEO Sam Altman at fortælle amerikanske efterretningstjenester, at Kina havde lanceret et "AGI Manhattan-projekt" – en reference til kunstig generel intelligens. For at USA og OpenAI kunne holde trit, hævdede Altman, at virksomheden havde brug for milliarder i statsstøtte. Da embedsmændene pressede på for kilder, svarede Altman vagt: "Jeg har hørt ting."

En embedsmand, der undersøgte påstandene, konkluderede, at Altman havde opfundet dem: "Det blev bare brugt som en salgspitch."

Altman spillede rollen som en moderne Oppenheimer

Undersøgelsen viser, hvordan Altman bevidst udnyttede frygten for geopolitiske konsekvenser af AI for at fremme sin egen dagsorden. Mens fysikeren bag atomvåben, J. Robert Oppenheimer, appellerede til at redde verden fra nazismen, brugte Altman frygten for AI’s globale indvirkning som et argument for at skaffe midler.

Relateret læsning: Medarbejdere hos OpenAI hævder, at Sam Altman næsten ikke kan kode og misforstår grundlæggende maskinlæringskoncepter.