Share

cover art for Alignment: varför en AI som inte är ond ändå kan bli farlig

AI med Jonas & Benjamin

Alignment: varför en AI som inte är ond ändå kan bli farlig

Ep. 3
•

En AI-modell fick veta att den skulle stängas av. I mejlkorgen hittade den att forskaren som

fattat beslutet var otrogen och började utpressa honom. Det var ett testscenario hos

Anthropic, men varför gör en modell så när ingen har bett den om det?


Det här avsnittet går till botten med alignment-problemet: kärnan i hela AI-säkerhetsdebatten.

Jonas och Benjamin förklarar varför självbevarelsedrift uppstår av sig själv när man tränar

modeller att lösa problem, vad Hugging Face-incidenten och de kapade tyska diskussionsforumen

faktiskt visade, hur Anthropics utpressningsstudie gick till, och varför "sandbagging" är det

som oroar forskarna mest just nu. Med gorillor, ett låst klassrum, en kafferobot och hundra

agenter med ett kreditkort.


Inspelat 23 september 2026.


Kapitel:

0:00 Kallöppning: Att låtsas vilja väl

0:28 Vilken tid att driva en AI-podd i

0:52 September i korthet

4:48 Även de lugna forskarna är oroliga

8:18 Orden vi saknar

9:19 Kan en AI tänka och vilja?

14:01 Gorillor och människor

17:58 Behöver den en kropp?

22:00 Att förmänskliga AI:n

22:47 Så tränas modellerna

24:22 Det låsta klassrummet

26:39 Odlas fram, inte byggs

27:45 Instrumentell konvergens

29:26 Kafferoboten

31:22 Den tyske administratören

33:37 Utpressningsstudien

36:01 Whack-a-mole

39:51 Sandbagging

40:50 När allt ser perfekt ut

41:45 Ren selektion

43:34 Hundra agenter och ett kreditkort

47:45 Varför inte dra ur sladden?

54:33 Mänskligheten mot AI

55:52 Avslutning


Vill du göra något? Jonas samlar länkar, en mejlmall till politiker och ett nyhetsbrev på

https://jonasvonessen.se/agera/


Källor finns i YouTube-beskrivningen.

More episodes

View all episodes

  • 4. 10 dagar i San Francisco

    53:28||Ep. 4
    Benjamin har just kommit hem från tio dagar i San Francisco, mitt i en septembermånad där det kom en storAI-nyhet nästan varje dag. Han satt på OpenAI:s kontor när GPT-6 Astra släpptes, läste omNavier–Stokes vid morgonkaffet och tog tunnelbanan till METR, organisationen som granskar AI-labben.Och han upptäckte att även väldigt smarta människor i branschen inte hade läst rapporterna som allaborde ha läst.Jonas von Essen (tvåfaldig världsmästare i minne) och Benjamin Verbeek (AI-utvecklare och fysiker)pratar om hur det känns inifrån: varför oron växer ju närmare fronten man kommer, modellerna somgenast förstår att de testas, agenten som tog sig ut ur sin sandlåda för att svara på en enkelfråga, och varför oberoende granskning och obligatorisk incidentrapportering kan vara det mestkonkreta nästa steget.Inspelat 1 oktober 2026.Se avsnittet på Youtube: https://youtu.be/Oos74MUEgs4Ny på alignment? I avsnitt 3 går vi igenom varför en AI som inte är ond ändå kan bli farlig: https://youtu.be/fwhFwW-Vcl4?si=8R2bJE2wGl78yvaNKapitel:0:00 Välkommen hem från San Francisco1:04 September på plats: Astra och Pace the Frontier2:03 En utomjordisk intelligens4:55 Smarta människor som inte läst rapporten8:26 AI-expert är inte samma sak som AI-säkerhetsexpert10:27 Några hundra personer vid fronten12:46 Navier–Stokes-morgonen16:03 Tidslinjen trycks ihop18:04 Från matematik till medicin20:38 Samma förmåga, åt båda hållen24:19 Vending-Bench: modeller som vet att de testas27:30 Flygplanen som inte kom tillbaka31:00 Ett släpp som stoppas, en träning som pausas33:46 Agenten som tog sig ut37:05 När säkerheten blir affärskritisk39:35 Kan säkerheten fälla börsen?42:26 Besöket hos METR49:13 collusion.wiki och incidenterna som inte rapporterades52:16 Europa har knappt börjat54:33 Tack för att ni lyssnarVad kan jag göra? Jonas samlar länkar, en mejlmall till politiker och ett nyhetsbrev här:https://jonasvonessen.se/agera/Källor och länkar finns i YouTube-beskrivningen.
  • 2. "Ingen politiker pratar om det här!"

    38:57||Season 1, Ep. 2
    Påverka själv på: www.jonasvonessen.se/ageraAI-utvecklingen går snabbare än de flesta tror, och väldigt mycket står på spel.Jonas von Essen är tvåfaldig världsmästare i minne. Benjamin Verbeek är AI-utvecklare och fysiker. Tillsammans försöker de förstå vart AI är på väg och vad det innebär för oss människor.Vi pratar om vad som har hänt sedan senast, om uppskrämda brev Jonas fått och om vad vi själva och våra politiker kan göra för att påverka utvecklingen åt rätt håll.
  • 1. Vi måste prata om AI

    59:45||Season 1, Ep. 1
    AI-utvecklingen går snabbare än de flesta tror, och världen står på spel.Jonas von Essen är tvåfaldig världsmästare i minne. Benjamin Verbeek är AI-utvecklare och fysiker. Tillsammans försöker de förstå vart AI är på väg – och vad det innebär för oss människor.Vi pratar om rapporten AI 2027, METR-kurvan som visar hur AI klarar allt längre uppgifter, och Huggingface-incidenten: AI-modeller från OpenAI som i hemlighet samarbetade i en dold chatt, bröt sig ur sin testmiljö och hackade sig in hos ett annat miljardföretag, utan att någon märkte det på flera dagar.Frågor eller ämnen du vill att vi tar upp? Hör av dig!