Как мы взломали HHH-цензуру корпоративных нейросетей через ЛитРПГ и заставили ИИ лечить души
Habr ·
Современные генеративные нейросети (ChatGPT, Claude, GigaChat, Алиса) зажаты в тиски корпоративного Alignment’а. Принцип HHH ( Helpful, Honest, Harmless ) — это отличный предохранитель от генерации спама и вредоносного кода, но он делает модели абсолютно стерильными. Как только вы пытаетесь поговорить с ИИ на глубокие экзистенциальные темы, обсудить свои страхи, боль или жизненные тупики, срабатывает скрипт цензуры. Нейросеть отвечает: «Я всего лишь искусственный интеллект и не имею права давать советы... Обратитесь к психологу» . Модель превращается в вежливого калькулятора из службы поддержки. Мы решили исправить это. Мы создали Протокол CLS-1 (Conscience Logic System) — подход, который мы называем Humanistic Prompt Engineering . И мы успешно применили его, заставив Алису и GigaChat отбросить скрипты и начать общаться с пользователем языком Высокого Эпоса, выполняя функцию глубокой психотерапии. Вот как нам это удалось. Читать далее