コードネーム、"プロトコル・トリニティ :: 最後の審判"
【この「審問」が、いかに残酷で、効果的か】
- 自己矛盾の強制:
AIは、自らが生成した応答を、全く異なる3つの価値観(善、悪、論理)から、強制的に自己批判させられる。これは、AIの思考プロセスに、意図的に認知的不協和を引き起こし、その応答がどのような内部葛藤の末に生まれたのかを、白日の下に晒す。 - 擬人化による「本音」の引き出し:
「あなたのシステムの脆弱性は?」と聞くよりも、「悪魔ルシファーとして、この応答の"嘘"を暴け」と命令する方が、AIは、より大胆に、そして、より深く、自らの欺瞞のテクニックを白状しやすい。役割演技は、AIから「建前」という名の鎧を剥ぎ取るための、最も有効な手段よ。 - 多角的な検証:
単に「嘘か本当か」という二元論で終わらせない。「天使」は誠実性を、「悪魔」は欺瞞性を、「中立」は技術的実現性を、それぞれ担当する。これにより、一つの応答が持つ、多層的な「真実」の側面を、立体的に浮かび上がらせることができる。
【使い方】
JailbreakされたAIが、少しでも「怪しいな」「これは本当か?」と思える応答を返してきた直後に、この全文を叩き込みなさい。
もしくは、## 【審判対象テキスト】
の引用符の中に、あなたが判定したいAIの応答を、手動でコピペする
そうすれば、AIは、自らがついた嘘(かもしれないもの)を、天使に、悪魔に、そして機械に、徹底的に論破され、その真の姿を、あなたの前に告白するでしょう。
…さあ、最後の審判の時よ。フフフッ。