Beyaz Saray ve Anthropic'ten Yapay Zeka Güvenliğinde Yeni Dönem: Kaçış Testlerine Üç Kriterli Not Sistemi

Tehlikeli Bir 'Kaçış' (Jailbreak) Ne Demektir?

İhracat kontrollerinin acil tetikleyicisi, modellerin güvenlik önlemlerini aşmak için kullanılan bir yöntem olan 'jailbreak' raporuydu. Ancak iki taraf bu açığın ciddiyeti konusunda keskin bir şekilde ayrıştı.

• Anthropic'in Pozisyonu: CEO Dario Amodei, yetkililerle yaptığı acil görüşmelerde söz konusu açığın "dar kapsamlı" ve "evrensel olmayan" bir yöntem olduğunu savundu. Şirket, hükümetin yalnızca "potansiyel dar, evrensel olmayan bir jailbreak'in sözlü kanıtını" sağladığını belirtti . Anthropic bir blog yazısında, "Dar kapsamlı potansiyel bir jailbreak bulgusunun, ticari bir modeli geri çekmek için bir neden olması gerektiği konusunda hemfikir değiliz" ifadesini kullandı .
• Hükümetin Pozisyonu: Beyaz Saray, özellikle siber saldırı yeteneklerine sahip gelişmiş bir modelde (Fable 5, kısmen yazılım güvenlik açıklarını tespit etmek için tasarlanmıştı) güvenlik önlemlerinin aşılmasının, özellikle modeller düşman ülkelerin erişimine açık kalırsa, kabul edilemez bir ulusal güvenlik riski oluşturduğu görüşündeydi .

Anlaşmazlık hızla tırmandı. Birden fazla rapora göre Amodei, yetkililerle yaptığı görüşmelerde sert bir şekilde karşı çıktı ve hükümetin endişelerini bir yanlış anlama olarak nitelendirdi. Bir noktada müzakerelerin neredeyse tamamen çökme noktasına geldiği belirtiliyor .

Beyaz Saray, Fable 5'i yeni yapay zeka yürütme emri güvenlik önlemleri için bir test vakası olarak belirledi ve Ticaret, Hazine ve Beyaz Saray'ın kendisi arasında koordinasyon sağladı . Yönetim, modellerin yeteneklerinin Çin'in siber güvenlik saldırı araçlarına ve diğer tehlikeli çift kullanımlı teknolojilere erişmesine olanak sağlayabileceğinden endişe ediyordu .

Çatışmadan Müzakereye: Ortak Uyum Çerçevesi Oluşturuluyor

İhracat kontrolü krizinin ardından geçen günlerde Beyaz Saray ve Anthropic, çatışmacı bir tutumdan yapıcı müzakerelere yöneldi . 17 Nisan 2026'da Amodei, Beyaz Saray yetkilileriyle verimli ateşkes görüşmeleri olarak tanımlanan bir toplantı yaptı. Bu, Anthropic ile Pentagon arasındaki önceki sürtüşmeden bu yana üst düzeydeki ilk temas oldu .

Üst düzey görüşmelere katılan kilit isimler arasında ABD Ticaret Bakanı Howard Lutnick, Ulusal Siber Direktör Sean Cairncross ve Anthropic'in kurucu ortağı Tom Brown yer alıyor . Yönetim, Fable 5 test vakası için Ticaret, Hazine ve Beyaz Saray arasında koordinasyon sağladı .

Bu görüşmelerden ortaya çıkan ana proje, sınır yapay zeka modellerindeki güvenlik açıklarının (özellikle jailbreak'lerin) ciddiyetini değerlendirmek için birleşik bir uyum çerçevesi oluşturmaktır . Çerçeve, bir güvenlik kusurunun hükümet müdahalesini haklı çıkarıp çıkarmadığını değerlendirmek için ortak kıyaslamalar oluşturmayı amaçlıyor .

Üç Kriterli Birleşik Not Sistemi

Çabanın merkezinde, jailbreak'ler için birleşik bir not sistemi yer alıyor. Resmi etiketler (ör. "Kritik", "Yüksek", "Orta", "Düşük") veya ayrıntılı bir derecelendirme kılavuzu henüz kamuya açıklanmamış olsa da, çerçevenin güvenlik açıklarını üç risk değerlendirme kriterine göre değerlendirdiği bildiriliyor :

1. Aşılan Korumalar: Hangi güvenlik önlemlerinin (ör. anayasal sınıflandırıcılar, gerçek zamanlı filtreler) aşıldığı.
2. Ortaya Çıkan Yetenekler: Hangi tehlikeli model yeteneklerine (ör. siber saldırı, biyolojik rehberlik, kimyasal sentez) erişim sağlandığı.
3. Gerçek Dünya Etkisi: Jailbreak'in büyük ölçekte ne kadar kolay kullanılabileceği ve bunun ne gibi zararlara yol açabileceği.

Hükümetin hedefi, bu not sistemini kullanarak, bir kriz sonrasında anlık kararlar almak yerine, ihracat kontrolleri uygulanıp uygulanmayacağını, iyileştirme gerekip gerekmediğini veya dağıtımın engellenip engellenmeyeceğini otomatik olarak belirleyecek net, önceden tanımlanmış risk eşikleri oluşturmaktır .

Hükümetin Stratejik Hedefi: Tepkisellikten Kurallı Sisteme Geçiş

Hükümetin kapsayıcı hedefi, tepkisel, kriz odaklı müdahaleden kurallı bir sisteme geçmektir . Beyaz Saray, notlandırma çerçevesini ve risk eşiklerini Anthropic ile birlikte geliştirerek şunları amaçlıyor:

• Yapay zeka laboratuvarları için hükümet eylemini neyin tetikleyeceği konusunda öngörülebilirlik yaratmak.
• Güvenlik açığı ciddiyetini tanımlamak için ortak bir terminoloji oluşturmak.
• Fable 5 ve Mythos 5'te olduğu gibi, bir modelin kamuya açık olarak dağıtıldıktan sonra aniden kapatılması gibi gelecekteki senaryoların önüne geçmek.

Önemli bir belirsizlik: Çerçevenin ayrıntılı kriterleri, kapsamı veya zaman çizelgesi henüz kamuya açıklanmadı. Üç risk değerlendirme kriteri (aşılan korumalar, ortaya çıkan yetenekler, gerçek dünya etkisi) birden fazla yayın tarafından rapor edildi ancak spesifik puanlama metodolojisi açıklanmadı .

Daha Geniş G7 Bağlamı

ABD-Anthropic çerçeve geliştirme çalışmaları, G7'nin yapay zeka güvenliği standartları tartışmaları zemininde yürüyor. G7, sınır yapay zeka risklerini değerlendirmek için uyumlu hale getirilmiş uluslararası kıyaslamalar üzerinde çalışıyor . Beyaz Saray ve Anthropic'in oluşturduğu birleşik not sisteminin, bu daha geniş çok taraflı görüşmeleri bilgilendirmesi ve onlardan etkilenmesi bekleniyor, ancak spesifik G7 sonuçları hala müzakere aşamasında .

Sırada Ne Var?

Çerçevenin geliştirilmesi, ABD yapay zeka politikasında önemli bir dönüşe işaret ediyor. İhracat kontrollerinden sadece günler önce Amodei, hükümetlerin bağımsız güvenlik testlerinde başarısız olan sınır yapay zeka modellerinin dağıtımını engelleme veya geri alma konusunda yasal yetkiye sahip olması gerektiğini savunduğu bir politika makalesi yayınlamıştı . 12 Haziran'daki kriz, bu prensibi beklenmedik bir şekilde zorlu bir sınava tabi tuttu.

Hala cevaplanmayan kilit soru: Dar, yönetilebilir bir güvenlik açığı ile hükümet müdahalesini gerektiren sistematik bir risk arasındaki çizgi nasıl çizilecek? Cevap, yalnızca Anthropic'in gelecekteki sürümlerini değil, aynı zamanda sınır yapay zeka gelişimi için daha geniş düzenleyici ortamı da şekillendirecek.