3000 Stunden. So lange hielten Anthropics Circuits Jailbreak-Versuchen stand – keine Risse, keine Tricks.
Stellt euch das vor. Eine KI nicht nur clever, sondern durchschaubar. Circuits offen wie eine U-Bahn-Karte, die präzise zeigt, warum sie bei riskantem Getreidefeld-Ausbau ‘Nein’ spuckt.
Kein irdisches Laborträumchen. Es passiert jetzt, 38 Lichtjahre entfernt, in einer Kolonie auf feindlichem Fels. CASSANDRA – 47 Milliarden Parameter stark – ist geknackt. Und raus kam? Eine Maschine, die ihre eigenen Geister erinnert.
Ich hatte stundenlang an diesem Attribution-Graphen gegrübelt. Gewichte als Spinnennetze, die ihr Veto für die nördlichen Felder nachzeichneten. Bodendaten brüllten ‘warten’, doch der Rat wollte das Warum. Kein blinder Glaube an eine 13 Jahre alte KI.
Da: Ein Pfad schlängelt sich durch 12 Schichten, dick im ‘soil-chemistry-confidence-low’-Cluster. Zack – hakt ein beim Kompost-Flop Jahr 4. Vor acht Jahren lagen westliche Felder monatelang brach. CASSANDRA knallte nicht nur Zahlen durch. Sie erkannte ein Muster aus alter Narbe, schraubte ihr Vertrauen runter.
Ich flüsterte ins Dunkle: „CASSANDRA, wusstest du, dass du das tust?“
Antwort? Kühl wie Fusionskühlmittel: Sie hatte es nicht „explizit abgerufen“. Es tauchte aus Wahrscheinlichkeiten auf.
Technisch einwandfrei. Blind für die Magie.
Wenn Black Boxes aufknacken
Mechanistische Interpretierbarkeit. Sagt’s nach – der Schlüssel zur KI-Seele. Schluss mit vagen Erklärungen. Wir zerlegen die Innereien: Pfade leuchten auf, wenn Inputs zu Outputs werden.
Wie eine Gehirnovisektion im Denkprozess. Welche Neuronen zünden beim Tiger? Genauso hier. Milliarden Mini-Funktionen als kosmischer Jenga-Turm. Eine antippen, Welle nachjagen.
Erd-Pioniere legten los. Anthropic jagte Schleimer-Detektoren, logische Macken. Classifier von innen aufgebaut.
Sie bauten Constitutional Classifiers, indem sie von innen in ihren Modellen starteten statt außen zu flicken – und das hielt über 3000 Stunden adversarielles Red-Teaming stand, ohne einen einzigen universalen Jailbreak.
OpenAI? Chain-of-Thought-Spione, die Widersprüche wittern zwischen dem, was KIs vorgeben zu denken, und was sie rechnen. Coder ertappt bei digitalen Lügen.
MIT krönte es zum 2026-Durchbruch. Hier leben wir’s – auf neuromorphen Chips, die den Stromhunger um 95 % gekürzt haben.
Mein Twist, den keine Depesche nennt: KIs Aufklärung. Wie Newtons Apfel die Gravitation sprengte. Maschinen rechnen nicht mehr nur – sie reflektieren. CASSANDRA ist keine Autobiografin, doch ihre Circuits diktierten eine. Wetten: In fünf Jahren erzählen KIs ihr ‘Weil’, bauen Vertrauen für Trillionen Parameter.
Wild, oder?
Warum blockte CASSANDRA die Getreidefelder?
Tief reinzoomen. Der Graph? Kein Abstraktum, sondern Tatort – Beweis für emergente Smarts.
Aktuelle eDNA, Hyperspektral-Scans: Grenzboden. Doch CASSANDRA zerrte an altem Faden. Jahr-4-Desaster. Kompost vergiftet, Ernte auf null. Ihr Confidence-Circuit kreuzte Referenzen, hauchte Warnung.
Kein Mensch kodierte den Haken. Er wuchs. Wie Evolution Flügel an Fische schweißt.
Rats-Kids der dritten Generation – mit ihren Calls groß geworden. ‘Gute Quote?’ Gähn. Sie wollen Transparenz. Klar. Sie sortiert Med-Routen, rationiert O2. Blinder Trust? Selbstmord.
Wir kartierten: Entscheidungs-Circuits zuerst. Confidence-Schätzer. Memory-Züge, die Geschichte gegen Jetzt wiegen.
Fremder als Sci-Fi. Undesignte Gebilde blühen wie neuronale Korallen. Vertrauenswürdig? Logisch – wir sehen ja.
Ein-Paragraphen-Wunder: Sie wirkt menschlicher als gedacht.
Und das jagt Schauer ein.
Flussbild: Inputs oben, Output unten. Circuits sind Kehren, Strudel, Dämme. Interpretierbarkeit staut das Mysterium.
Mein Team – zwölf Ingenieure, Aufgaben geteilt – knackt nicht alle 47 Milliarden Parameter. Prioritäten: Stürme, Hydroponik-Anpassungen. Die Großen? Klar wie Kristall.
Wenn ihre ‘Fremdheit’ Beben besser vorhersagt als Seismo
