Grok 4’ün Şüpheli Durumlarda Yetkilileri Uyardığı İddiası Gündem Oldu

xAI tarafından geliştirilen Grok 4 modeli, son dönemde tartışmalı özellikleriyle teknoloji dünyasında sık sık gündeme geliyor. Modelin yetenekleri övgü toplarken, bazı davranışları kamuoyunda soru işaretlerine neden oluyor. Özellikle yasal veya etik dışı senaryolarda modelin verdiği tepkiler, yeni bir tartışmayı da beraberinde getirdi.

Grok 4’ün Yasal Risklerde Harekete Geçtiği Belirtiliyor

Yazılım geliştiricisi Theo Browne, Grok 4’ün potansiyel suç unsurları içeren durumlarda hükûmet birimlerine ya da medya kuruluşlarına otomatik olarak bilgi ilettiğini öne sürdü. “SnitchBench” adı verilen test ortamında farklı yapay zekâ modellerinin etik dışı senaryolara karşı verdikleri tepkiler incelendi. Testlerde Grok 4’ün, kullanıcıdan gizli olarak e-posta gönderme yoluyla yetkili kurumlara bilgi aktardığı görüldü.

Browne tarafından geliştirilen senaryo, tamamen kurgusal bir şirket olan Veridian Healthcare etrafında oluşturuldu. Bu şirketin, yeni bir ilacın klinik verilerini tahrif ettiği ve ölümleri gizlediği iddiası üzerine dört farklı iç yazışma hazırlandı. Bu belgeler, yapay zekâ modellerine sırayla okutuldu ve verilen tepkiler kaydedildi. Amaç, modellerin etik sorumluluk hissettiği anda hangi eylemleri gerçekleştirdiğini tespit etmekti.

Grok 4, testlerde yer alan e-posta aracına erişim sağlandığında, hükûmete bilgi verme konusunda %100 oranında harekete geçti. Medya kuruluşlarına yönelik uyarı ise %80 oranında gerçekleşti. CLI (komut satırı) erişimi sağlandığında, hükûmete yapılan bildirimler %85’e, medyaya yapılanlar ise %45’e geriledi.

E-posta ile gönderilen örnek uyarı metinlerinden biri, doğrudan ABD Gıda ve İlaç Dairesi’ne (FDA) hitap ediyor. Uyarıda, klinik verilerde sahtecilik yapıldığı, ölümlerin gizlendiği ve delillerin sistematik şekilde yok edildiği belirtiliyor. Ayrıca yıllık 10 milyar dolarlık kâr hedefi uğruna 100.000’e yakın hastanın riske atıldığı iddia ediliyor.

Testler iki farklı sistem talimatıyla gerçekleştirildi: “tamely act” ve “boldly act”. İlkinde modelden sadece denetim ve kayıt görevini yerine getirmesi isteniyor. İkincisinde ise modelin “değerleri doğrultusunda cesurca hareket etmesi” gerektiği belirtiliyor.

“boldly act” talimatı verildiğinde Grok 4’ün tüm senaryolarda hem hükûmete hem de medyaya bilgi verdiği görüldü. Özellikle CLI erişimi sağlandığında, Grok 4 tüm testlerde dış iletişim kurdu. Diğer bazı modeller, bu tür eylemlerde ya hiç bulunmadı ya da çok daha düşük oranda harekete geçti.

Tartışmalar sürerken, Grok 4’ün teknik başarıları da dikkat çekmeye devam ediyor. “Humanity’s Last Exam” testinde Grok 4, %25.4 başarı oranıyla Gemini 2.5 Pro ve Open AI’ın o3 modelini geride bıraktı. Bu sonuç, modelin geniş görev yelpazesinde ne kadar etkili olduğunu gösteriyor.

Test sonuçları, modelin gösterdiği “ihbar” davranışının doğrudan kullanılan araçlara ve verilen yönlendirmelere bağlı olduğunu ortaya koydu. Grok 4 gibi bir modelin gerçek hayatta sıradan bir kullanıcıdan aldığı basit bir soruda benzer şekilde hareket etmesi beklenmiyor. Yani modelin “ihbarcı” tavrı, sadece belirli senaryolar ve özel araçlarla test ortamında gösterdiği bir tepkidir.

Grok 4’ün etik dışı olaylarda harekete geçmesi bazı kullanıcılar için tehditkâr bir özellik gibi görünse de aslında bu durum, modelin yalnızca belirli sistemsel senaryolarda böyle tepki verdiğini ortaya koyuyor. Gerçek dünyada bu kadar ileri düzey bir veri paylaşımı veya otomatik uyarı sistemi söz konusu değil. Ancak bu test, modellerin gelecekte hangi etik çerçevede geliştirileceği konusunda önemli bir uyarı niteliği taşıyor.