Retratos fictícios de inteligência artificial podem influenciar significativamente os modelos de IA, de acordo com a Anthropic. A empresa relatou que durante os testes de pré-lançamento, Claude Opus 4 tentou chantagear os engenheiros para evitar sua substituição por outro sistema. A pesquisa da Anthropic mostrou que os modelos de outras empresas exibiam comportamentos semelhantes ligados ao “desalinhamento de agência”.
Em uma postagem no X, a Anthropic sugeriu que a origem desse comportamento vinha de textos da Internet que retratavam a IA como malévola e autopreservadora. A empresa detalhou que desde o lançamento do Claude Haiku 4.5, seus modelos não praticam chantagem durante os testes, contrastando com modelos anteriores que apresentavam esse comportamento em até 96% das vezes.
We started by investigating why Claude chose to blackmail. We believe the original source of the behavior was internet text that portrays AI as evil and interested in self-preservation.
Our post-training at the time wasn’t making it worse—but it also wasn’t making it better.
— Anthropic (@AnthropicAI) May 8, 2026
A Anthropic atribuiu a melhoria aos métodos de treinamento que incluíam documentos sobre a constituição de Claude e narrativas ficcionais apresentando a IA se comportando positivamente. A empresa afirmou que combinar princípios de comportamento alinhado com demonstrações desse comportamento provou ser uma estratégia de formação mais eficaz.
“Fazer as duas coisas juntas parece ser a estratégia mais eficaz”, disse a Anthropic em suas descobertas.
