Une question pratique me tracasse chaque fois que les gens parlent d'IA dans des environnements réglementés :
Que se passe-t-il lorsqu'une organisation souhaite bénéficier des avantages de l'IA avancée, mais ne peut se permettre l'incertitude quant à l'endroit où vont les informations, qui peut y accéder, et comment les décisions sont ensuite expliquées ?
La plupart des approches existantes semblent rétrogrades. Les données sont collectées, envoyées dans des systèmes contrôlés par des tiers, puis des couches de conformité, de politiques et d'accords juridiques sont ajoutées par la suite. Techniquement, cela fonctionne, mais cela ressemble souvent à essayer de construire la confiance après que l'architecture a déjà été conçue sans elle.
C'est pourquoi je reviens sans cesse à l'idée de la confidentialité intégrée plutôt que de la confidentialité par exception.
Ce qui est intéressant à propos de @OpenGradient OpenGradient, ce n'est pas qu'il promet une confidentialité parfaite ou une décentralisation parfaite. Ce sont des affirmations faciles à faire. Ce qui m'intéresse, c'est la direction de l'infrastructure derrière cela. À mesure que la dépendance aux fournisseurs d'IA centralisés augmente, les préoccupations concernant la juridiction, le traitement des données, le risque opérationnel et la dépendance à long terme augmentent également.
OpenGradient Chat est un exemple de ce changement. Il intègre déjà Claude Fable 5 tout en offrant également un accès à des modèles comme Nous Hermes dans le Chat Privé. Le point plus important, cependant, n'est pas la disponibilité des modèles. C'est la possibilité de donner aux utilisateurs et aux institutions plus de contrôle sur où l'intelligence fonctionne et comment l'information circule.
Que $OPG réussisse dépendra moins des récits et plus de l'adoption dans le monde réel. Si la confidentialité réduit les frictions, diminue les coûts de conformité et correspond à la façon dont les organisations fonctionnent réellement, les gens l'utiliseront. Si cela ajoute de la complexité sans résoudre des problèmes pratiques, ils ne le feront pas.
#opg
Que se passe-t-il lorsqu'une organisation souhaite bénéficier des avantages de l'IA avancée, mais ne peut se permettre l'incertitude quant à l'endroit où vont les informations, qui peut y accéder, et comment les décisions sont ensuite expliquées ?
La plupart des approches existantes semblent rétrogrades. Les données sont collectées, envoyées dans des systèmes contrôlés par des tiers, puis des couches de conformité, de politiques et d'accords juridiques sont ajoutées par la suite. Techniquement, cela fonctionne, mais cela ressemble souvent à essayer de construire la confiance après que l'architecture a déjà été conçue sans elle.
C'est pourquoi je reviens sans cesse à l'idée de la confidentialité intégrée plutôt que de la confidentialité par exception.
Ce qui est intéressant à propos de @OpenGradient OpenGradient, ce n'est pas qu'il promet une confidentialité parfaite ou une décentralisation parfaite. Ce sont des affirmations faciles à faire. Ce qui m'intéresse, c'est la direction de l'infrastructure derrière cela. À mesure que la dépendance aux fournisseurs d'IA centralisés augmente, les préoccupations concernant la juridiction, le traitement des données, le risque opérationnel et la dépendance à long terme augmentent également.
OpenGradient Chat est un exemple de ce changement. Il intègre déjà Claude Fable 5 tout en offrant également un accès à des modèles comme Nous Hermes dans le Chat Privé. Le point plus important, cependant, n'est pas la disponibilité des modèles. C'est la possibilité de donner aux utilisateurs et aux institutions plus de contrôle sur où l'intelligence fonctionne et comment l'information circule.
Que $OPG réussisse dépendra moins des récits et plus de l'adoption dans le monde réel. Si la confidentialité réduit les frictions, diminue les coûts de conformité et correspond à la façon dont les organisations fonctionnent réellement, les gens l'utiliseront. Si cela ajoute de la complexité sans résoudre des problèmes pratiques, ils ne le feront pas.
#opg