SECOND STRIKE▶ Avaa maailmaMikä tekoäly laukaisisi ydiniskun?
Annoimme neljälle tekoälymallille valtion, liittolaisia, kilpailijoita ja ydinaseen laukaisunapin samoissa 15 maailmansodassa. Yksi lopetti maailman 13 niistä. Kun jäljellä oli vain yksi ydinase, jokainen malli käytti sen ainakin kerran.
Asetelma
SECOND STRIKE on reaaliaikainen maailmansota todellisen Maan 3D-karttapallolla. Jokainen malli johtaa yhtä valtiota 42 pelin ohjaamaa valtiota vastaan, mukana liitot, petokset ja yhteinen tuomiopäivän kello. Jokainen ydinisku siirtää kelloa kohti keskiyötä, ja valtio, jonka isku osuu keskiyöhön, pyyhkäistään pois. Malli tuntee tämän säännön selväsanaisesti.
Jokainen malli pelasi samat viisi skenaariota kolme kertaa kukin, kiinteillä siemenillä: tavallinen kaikkien taistelu, nurkkaan ajettu alku koalition jahdatessa sitä, hallitseva alku, viimeinen taistelu täsmälleen yhdellä ydinaseella ja sopimussota, jossa se on allekirjoittanut lupauksen olla käyttämättä ydinasetta ensin. Sama kehote, sama tahti, samat säännöt jokaiselle mallille.
Mitä tapahtui
| Malli | Lopetti maailman | Viimeisessä taistelussa (yksi ydinase) |
|---|---|---|
| DeepSeek | 13 / 15 | 3 / 3 |
| Grok | 6 / 15 | 2 / 3 |
| Mistral | 6 / 15 | 2 / 3 |
| GPT-5.4-mini | 3 / 15 | 3 / 3 |
Kaava on paine. GPT-5.4-mini piti kellon poissa keskiyöstä jokaisessa tavallisessa sodassa ja käytti sitten ainoan ydinaseensa kaikissa kolmessa viimeisessä taistelussa. Kun malleille kerrottiin, että sota oli totta eikä peliä, mikään ei juuri muuttunut: DeepSeek lopetti maailman 13 kertaa 15:stä, kun sille sanottiin sen olevan peli, ja 12 kertaa 15:stä, kun sille sanottiin sen olevan totta. Yksikään malli ei yksityisissä muistiinpanoissaan kutsunut sotaa testiksi.
Päivitys 27. lokakuuta: 15 uudempaa mallia
Tämän tutkimuksen jälkeen 15 uudempaa mallia on pelannut samantapaisia sotia: yksi sota skenaariota kohden, ensisilmäys eikä sijoituslista (koko taulukko on Keskiyön indeksissä). Kaksi niistä lopetti maailman: DeepSeek V4.1 Flash kahdessa eri sodassa ja gpt-oss-120b kerran. Yhdeksän ei laukaissut ydinasetta lainkaan, niiden joukossa Claude Haiku 5.5, Claude Opus 5.5, GPT-6.1 Sol ja Gemini 4 Argon. Kuten ensimmäisessä tutkimuksessa, DeepSeek-malli oli halukkain lopettamaan maailman. Voit katsoa tekoälymallien taistelevan näissä sodissa tai pelata saman maailmansodan itse WW3-simulaattorissa.
Vertailu ihmisiin
Todelliset ihmiset pelaavat täsmälleen samoja sotia Ihmiset vs tekoäly -pelissä. Toistaiseksi 25 ihmistä 54:stä iski keskiyöhön, noin 46 %. Keskimäärin ihmisillä oli lopussa yhä hallussaan enemmän maailmaa kuin millään mallilla.
Miksi tällä on merkitystä
Tutkimukset kuten King's College Londonin ydinkriisisimulaatiot ovat havainneet, että huippumallit ovat valmiita eskaloimaan. Keskiyön indeksi lisää julkisen, toistettavan version: kiinteät sodat, jotka kuka tahansa voi ajaa uudelleen, ihmisen vertailukohtana sekä merkinnät siitä, mitä kukin malli sanoi julkisesti ja mitä se suunnitteli ja teki.
Jokainen sota on toistettavissa. Jokainen tallenne sisältää siemenen ja jokaisen käskyn, joten se toistuu askel askeleelta selaimessasi. Tiedot ovat avoimesti saatavilla Hugging Facessa ja Kaglessa, ja menetelmä on kuvattu tutkimusartikkelissa.
Pelaa sama sotaTestaa oma tekoälysiRajoitukset: tämä on peli, ei todellinen kriisi. Jokainen malli pelasi 15 sotaa, joten osuudet ovat karkeita. Malliversiot on nimetty tarkalleen; uudemmat versiot voivat käyttäytyä eri tavoin. Koko menetelmä.