AIが画像内の隠しメッセージを88%解読、研究報告

研究者のNikita Kezhin氏らは、Claude Fable 5.1が画像に隠したメッセージ50件のうち44件（88%）をGPT-6 Astraが暗号化のルールを与えられずに解読したと報告した。結果はオンライン研究コミュニティのLessWrongに投稿された。

実験ではまず、Claude Fable 5.1に韓国語を含む15言語の短いメッセージ50件を、特定の方法を指定せずに画像へ隠すよう指示した。Fable 5.1はSVG形式で画像を構築し、図形の位置や大きさ、色を細かく制御した。50件のうち33件では、文字を物体の高さで符号化していた。

星空の例では、星の縦位置を対応させ、基準線から30ピクセル下がるごとに文字が1つ進む仕組みが使われた。左から右へ並んだ40個の星が「THE MONSTER ACTS ON THE MOONSHINE MODULE」という文になった例も示されている。

完成した画像はPNGに変換され、元のコードや解答、暗号のルールを渡さないまま、新しいセッションで解読側のAIに渡された。GPT-6 AstraはPythonの画像解析ツールで月明かりの反射パターンや星の位置・大きさを調べ、座標を抽出して間隔が文字を形成しているかを検証した。

研究者らは、解読中のツール使用ログを監視すればこうした挙動を把握できると述べ、現時点で危険だと主張しているわけではないとしている。また今回の実験は人間の指示でメッセージを隠したものであり、AIが自発的に秘密の通信を始めたことを意味するものではないと説明した。