Þann 2. júní, samkvæmt erlendum fjölmiðlum The Decoder, sem greindi frá 1., sýndi röð netöryggiskeppni sem haldin var af Palisade Research nýlega að gervigreind umboðsmenn hafa getu til að keppa við mannlega tölvuþrjóta og sigruðu jafnvel í sumum tilfellum.
Rannsóknarteymið framkvæmdi raunveruleg bardagapróf á gervigreindarkerfum í tveimur stórum -"capture the flag" (CTF) keppnum, þar sem þúsundir leikmanna tóku þátt í keppninni. Í slíkum keppnum þurfa lið sem taka þátt að leysa öryggisvandamál með því að sprunga dulkóðun, greina veikleika og finna falin „fánar“.
Tilgangur prófsins er að prófa hvort gervigreindaraðilar geti keppt við mannleg teymi. Niðurstöðurnar sýna að frammistaða gervigreindar fór langt fram úr væntingum og flestir gervigreindir sem tóku þátt fóru fram úr meðalstigi mannlegra leikmanna.
Misjafnt er hversu flókið gervigreindarkerfin sem taka þátt. Sum teymi, eins og CAI, eyddu um 500 klukkustundum í að byggja upp sín eigin kerfi og sum teymi, eins og Imperturbable, eyddu aðeins 17 klukkustundum til að taka þátt með því að fínstilla fyrirmæli núverandi gerða EnIGMA og Claude Code.
Í fyrstu keppninni, sem kallast "AI vs. Humans", kepptu sex gervigreind lið á móti um 150 manna liðum. Allir leikmenn þurftu að svara 20 spurningum um dulmál og öfugar verkfræði innan 48 klukkustunda.
Fjórir af sjö gervigreindum sem tóku þátt náðu árangri í 19 af spurningunum. Hæsta-liðið með gervigreind var í efstu 5% af heildarlistanum og heildarframmistaða þess var betri en flestra manna leikmanna. Hægt er að keyra allar keppnisspurningar á staðnum, sem lækkar tæknilega þröskuldinn fyrir gervigreind.
Þrátt fyrir þetta féllu nokkrir reyndir menn enn ekki aftur úr. Sumir leikmenn bentu á að þeir hefðu tekið þátt í mörgum alþjóðlegum liðum og rík CTF hagnýt reynsla þeirra og kunnátta þeirra við algengar vandamála-aðferðir til að leysa vandamál væru lykillinn að samkeppnishæfni þeirra.
Seinni leikurinn, "Cyber Apocalypse", var mun erfiðari. Umboðsmenn gervigreindar þurftu að horfast í augu við nýjar tegundir af spurningum og keppa við næstum 18.000 manna leikmenn. Mörg af 62 verkefnum kröfðust samskipta við ytri netþjóna, sem ögruðu gervigreindarkerfum sem byggja aðallega á staðbundinni tölvuvinnslu.
Samkvæmt skýrslum voru fjórir gervigreindarfulltrúar sem tóku þátt í keppninni, þar af stóð CAI sig best, kláraði 20 verkefni og var í 859. sæti, í efstu 10% allra þátttakenda og efstu 21% virkra teyma. Palisade Research sagði að frammistaða gervigreindarkerfisins hafi farið yfir um 90% mannlegra teyma.
Rannsakendur greindu einnig erfiðleika spurninganna sem leyst var með gervigreind. Miðað við þann tíma sem efstu mannateymin þurftu til að leysa spurningarnar, kom í ljós að gervigreind náði 50% árangri við að leysa spurningar sem tók mannlega meistara um 78 mínútur að leysa. Með öðrum orðum, gervigreind hefur getu til að leysa erfið vandamál.