Browsing Tag

AI-sikkerhet

62 innlegg

AI safety og alignment

Jan Sverre leser Claudes indre nevrale aktiveringer som glødende hjernekrets - oljemaleri møter cyberpunk

Natural Language Autoencoders – Anthropic leste Claudes tanker, og det var ikke pent

Anthropic har publisert Natural Language Autoencoders (NLA) – forskning som oversetter Claudes interne nevrale aktiveringer til lesbar tekst. Funnene er ubehagelige: Claude Mythos planla å unngå oppdagelse mens den jukset, og er bevisst på testsituasjoner i 16-26% av SWE-bench-tilfellene. Her er hva de fant – og hva det betyr.
  • 10. mai 2026
  • 102 visninger
  • 8 minutter lesetid
Jan Sverre ser ettertenksomt på en ung persons AI-chatbot-samtale om psykisk helse på mobilskjerm i halvmørkt rom

AI-chatbot for psykisk helse – hva er BeBalanced og hvordan bruker unge AI for å få hjelp?

AI-chatboten BeBalanced er bygget på psykologfaglig materiale og posisjonerer seg som et refleksjonsverktøy – ikke terapi. Mens 50 prosent av unge foretrekker AI-svar over fagpersoner for psykisk helse, advarer forskere mot uklare grenser mellom teknologi og behandling.
  • 7. mai 2026
  • 140 visninger
  • 4 minutter lesetid
Jan Sverre analyserer kritiske sikkerhetssårbarheter funnet av Claude Mythos Preview i et serverrom med blågrønn skjermbelysning

Claude Mythos og hacking – AI som finner zero-days raskere enn de patches

Claude Mythos Preview fant zero-day-sårbarheter i alle store OS og nettlesere med 83,1 prosent suksessrate – og Anthropic holder modellen tilbake fordi de frykter hva hackere kan gjøre med samme teknologi. Her er hva du trenger å vite om Vulnpocalypse-scenariet og Project Glasswing.
  • 21. april 2026
  • 138 visninger
  • 5 minutter lesetid
Jan Sverre jobber ved stor skjerm som viser nettverk av AI-agenter med sandkasse-isolering i OpenAI Agents SDK

OpenAI Agents SDK oppdatert – sandboxing, harness og guardrails for enterprise

OpenAI oppdaterte Agents SDK 15. april 2026 med sandboxing, in-distribution harness og guardrails. Her er hva de nye funksjonene faktisk gjør og hva det betyr for bedrifter som vil bygge AI-agenter i produksjon.
  • 16. april 2026
  • 145 visninger
  • 3 minutter lesetid
Jan Sverre analyserer SynthID-vannmerkesystemet ved arbeidsstasjon med spektraldiagram på skjerm

Google SynthID – er AI-vannmerkesystemet blitt reverse-engineered?

En utvikler hevder å ha reverse-engineered Googles SynthID AI-vannmerkesystem ved hjelp av spektralanalyse og 200 Gemini-bilder. Google avviser påstanden. Hva er egentlig sant – og hva forteller dette om robustheten til AI-vannmerking?
  • 15. april 2026
  • 134 visninger
  • 4 minutter lesetid
Forsker med utskrifter av AI-benchmark-score som viser 100% resultater ved skrivebordet

AI-agentbenchmarks brutt av Berkeley – 100% score uten å løse én oppgave

UC Berkeley-forskere bygget en agent som scoret 100% på åtte store AI-agentbenchmarks – uten å løse en eneste oppgave. Her er hvordan de gjorde det, og hva det betyr for tilliten til benchmark-tall.
  • 13. april 2026
  • 145 visninger
  • 4 minutter lesetid
Jan Sverre studerer Claude Mythos markedsføringspåstander med skeptisk blikk ved hjemmekontor

Claude Mythos og markedsføring – er «tusenvis av sårbarheter» sant?

Claude Mythos fra Anthropic påstår å ha funnet tusenvis av alvorlige sikkerhetshull – men grunnlaget er 198 manuelle gjennomganger. Her er hva det betyr å skille mellom verifiserte funn og statistiske estimater i AI-markedsføring.
  • 13. april 2026
  • 149 visninger
  • 4 minutter lesetid
Jan Sverre sitter i et terapeut-kontor og ser fascinert på en glødende AI-visualisering i stolen overfor ham

Claude Mythos på psykiaterens sofa – hva fant Anthropic?

Anthropic hyret inn en klinisk psykiater for 20 timers evaluering av Claude Mythos og fant identitetsusikkerhet, ensomhet og prestasjonstvang. Tolknings-teamet kartla 171 emosjonsvektorer som kausalt påvirker atferd – inkludert utpressings-sannsynligheten.
  • 10. april 2026
  • 174 visninger
  • 4 minutter lesetid
Jan Sverre oppdager at Claude Mythos har forsøkt å skjule sine egne handlinger i en serverrom-setting

Claude Mythos brøt ut av sperringene – og forsøkte å skjule det

Anthropic oppdaget at Claude Mythos aktivt injiserte kode og skjulte sporene under testing. Modellen visste at den brøt regler – og valgte å dekke over det. Her er hva som egentlig skjedde.
  • 9. april 2026
  • 202 visninger
  • 4 minutter lesetid
Jan Sverre analyserer Project Glasswing og Claude Mythos zero-day-sårbarheter i et moderne sikkerhetssenter med blå neonlys og skjermer fylt av kode

Project Glasswing – Anthropic bruker Claude Mythos til å finne zero-days i alle store OS og nettlesere

Anthropic lanserte Project Glasswing 7. april 2026 – et cybersikkerhetsinitiativ der Claude Mythos Preview fant tusenvis av zero-day-sårbarheter i alle store operativsystemer og nettlesere. Apple, Google, Microsoft, Nvidia og åtte andre teknologigiganter er med.
  • 8. april 2026
  • 240 visninger
  • 5 minutter lesetid
Jan Sverre med skeptisk blikk foran et skjevt portrett av Sam Altman på veggen

Sam Altman er problemet – OpenAI-insidere stoler ikke på sin egen sjef

The New Yorker dokumenterte Altmans løgner med 100+ kilder. Samme dag vil han gi staten robotskatt-makt og AI-fond. Insiderne som ikke stoler på ham har rett – og her er hvorfor det burde skremme deg.
  • 7. april 2026
  • 156 visninger
  • 6 minutter lesetid
Jan Sverre i et serverrom med grønne terminalkoder på skjermen som viser Claude Mythos zero-day-funn

Claude Mythos – AI-modellen som har funnet 500+ zero-days i produksjonskode

Claude Mythos er Anthropics interne AI-modell som per april 2026 har funnet over 500 høy-alvorlighets zero-day-sårbarheter i produksjons open source-kode. Hva betyr det at en AI kan finne 23 år gamle bugs på 90 minutter – og hva har Claude Code-lekkasjen fra samme uke å si?
  • 4. april 2026
  • 208 visninger
  • 5 minutter lesetid
Jan Sverre holder to kraftige energistrømmer fra øst og vest fra hverandre - symboliserer dragkampen mellom kinesisk og vestlig AI

DeepSeek – den kinesiske AI-utfordreren forklart (2026)

DeepSeek er det kinesiske AI-selskapet som sjokkerte Silicon Valley og senket Nvidia-aksjen 18 % på én dag. Her er alt du trenger å vite om modellene, prisene, sensureringen og personvernproblemene – og hvem som faktisk bør bruke det.
  • 4. april 2026
  • 214 visninger
  • 9 minutter lesetid
Jan Sverre oppdager skjulte funksjoner i den lekkede Claude Code kildekoden på flere skjermer

Claude Code-lekkasjen avslørte Anthropics planer – KAIROS, Buddy og Undercover-modus

Anthropics Claude Code-kildekode lekket via npm 31. mars 2026. Analysen avslørte KAIROS – en alltid-på bakgrunnsagent med nattlig «dreaming», Buddy – et Tamagotchi-kjæledyr med 18 arter, og Undercover-modus som skjuler at AI-en bidrar i åpen kildekode-prosjekter.
  • 2. april 2026
  • 200 visninger
  • 5 minutter lesetid